[發明專利]采用復合數據源基于徑向基核函數支持向量機的風電功率短期預測方法

在審

• 申請號: 201410158376.5
• 申請日: 2014-04-18
• 公開（公告）號: CN103942620A
• 公開（公告）日: 2014-07-23
• 發明（設計）人: 路亮;汪寧渤;靳丹;丁坤;崔剛;周識遠;李津
• 申請（專利權）人: 國家電網公司;國網甘肅省電力公司;甘肅省電力公司風電技術中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 姜萬林

技術領域

本發明涉及新能源發電過程中風電功率預測技術領域，具體地，涉及采用復合數據源基于徑向基核函數支持向量機的風電功率短期預測方法。?

背景技術

我國風電進入規模化發展階段以后所產生的大型新能源基地多數位于“三北地區”（西北、東北、華北），大型新能源基地一般遠離負荷中心，其電力需要經過長距離、高電壓輸送到負荷中心進行消納。由于風、光資源的間歇性、隨機性和波動性，導致大規模新能源基地的風電、光伏發電出力會隨之發生較大范圍的波動，進一步導致輸電網絡充電功率的波動，給電網運行安全帶來一系列問題。?

截至2013年12月，甘肅電網并網風電裝機容量已達702萬千瓦，約占甘肅電網總裝機容量的22%，成為僅次于火電的第二大主力電源；光伏發電裝機容量已達到435萬千瓦，約占甘肅電網總裝機容量的13%，同時甘肅成為我國光伏發電裝機規模最大的省份。目前，甘肅電網風電、光伏發電裝機超過甘肅電網總裝機容量的1/3。隨著新能源并網規模的不斷提高，風電、光伏發電不確定性和不可控性給電網的安全穩定經濟運行帶來諸多問題。準確預估可利用的發電風資源是對大規模風電優化調度的基礎。對風力發電及光伏發電過程中的風電功率及光伏發電功率進行預測，可為新能源發電實時調度、新能源發電日前計劃、新能源發電月度計劃、新能源發電能力評估和棄風/棄光電量估計提供關鍵信息。?

在實現本發明的過程中，發明人發現現有風電功率短期預測精度低等缺陷。?

發明內容

本發明的目的在于，針對上述問題，提出采用復合數據源基于徑向基核函數支持向量機的風電功率短期預測方法，以實現高精度的風電功率短期預測的優點。?

為實現上述目的，本發明采用的技術方案是：采用復合數據源基于徑向基核函數支持向量機的風電功率短期預測方法，主要包括：?

a、采用基于徑向基核函數支持向量機的復合數據源，對待測風電功率進行模型訓練；?

b、基于待測風電功率的模型訓練結果，對待測風電功率進行短期預測。?

進一步地，所述步驟a，具體包括：?

步驟a1、模型訓練基礎數據輸入；?

步驟a2、數據預處理；?

步驟a3、SVM分類器訓練；?

步驟a4、得到SVM模型。?

進一步地，所述步驟a1，具體包括：?

風功率預報系統模型訓練所需輸入數據，包括風電場基礎信息、歷史風速數據、歷史功率數據，以及包含風電場/風機坐標、測風塔坐標、升壓站坐標的地理信息系統（GIS）數據；其中，GIS數據主要用于功率預測時根據各風電場的上下游關系進行短期預測結果的優化，將基礎數據輸入到預測模型中進行模型訓練。?

進一步地，所述步驟a2，具體包括：?

將風速數據和功率數據首先進行包含數據對齊及歸一化的預處理，GIS數據通過預處理確定電站上下游關系。?

進一步地，所述步驟a3，具體包括：?

SVM分類器是一個包含一個隱層的多層感知器，通過算法經訓練過程自動確定隱層節點數；?

基于SVM分類器的非線性風電功率短期預測模型表示為：?

其中，x是與風電功率密切相關的影響因素，如數值天氣預報NWP數據、歷史功率、風電場上下游關系；d是輸入變量的維度；f(x)是待預測的功率值；是從輸入空間到高維空間的非線性映射，即核函數；w是模型參數，b是預測殘差項；?

定義懲罰函數即優化目標為：?

min12||w||2+12rΣi=1Nei2;]]>

其中，e_i是誤差項，r為正則化參數，N為樣本數；?