[發明專利]一種風電功率預測方法

有效

• 申請號: 201410499648.8
• 申請日: 2014-09-26
• 公開（公告）號: CN104200290B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 文明;彭建春;謝欣濤;盛鹍
• 申請（專利權）人: 國家電網公司;國網湖南省電力公司;國網湖南省電力公司經濟技術研究院
• 主分類號: G06F17/00
• 分類號: G06F17/00
• 代理公司: 長沙永星專利商標事務所(普通合伙)43001
• 代理人: 周詠,林毓俊

1.一種風電功率預測方法，其特征在于該方法包括以下步驟：

(1)以預測風電功率的時間點為基點，采集影響風電功率的氣象因素的歷史數據和風電功率的歷史數據，形成歷史氣象因素記錄和歷史風電功率記錄的矩陣形式；

(2)將基點氣象因素記錄、歷史氣象因素記錄和歷史風電功率記錄分別進行標準化；

(3)以基點氣象因素記錄的標準化結果為核心，將歷史氣象因素記錄的標準化結果按歐氏距離從小到大篩選出n個記錄，得到基點氣象的近鄰聚合的矩陣形式，其中n為正整數，n取值為：5≤n≤10；

(4)對近鄰聚合中的氣象因素記錄去相關降維，得到獨立因素值矩陣；

(5)根據正則化徑向基函數網絡的映射關系建立獨立因素值到風電功率標準化值的函數關系；

(6)按所述函數關系進行基點風電功率的預測；

步驟(1)中在基點之前3～7天內采集氣象因素和風電功率的歷史數據，k取值為288～672；步驟(1)中選取風速、風向、氣溫、氣壓和濕度5個氣象因素，風速、風向、氣溫、氣壓和濕度，采用下標編號i＝1，2，...，5依次標示；

建立基點和歷史氣象因素記錄的矩陣：

$\[u_1,u_2,\mathrm{...},u_i,\mathrm{...},u_5\]=\left[\begin{array}{c}{u}_1\left(0\right),u_2\left(0\right),\mathrm{...},u_i\left(0\right),\mathrm{...},u_5\left(0\right)\\ u_1\left(1\right),u_2\left(1\right),\mathrm{...},u_i\left(1\right),\mathrm{...},u_5\left(1\right)\\ u_1\left(2\right),u_2\left(2\right),\mathrm{...},u_i\left(2\right),\mathrm{...},u_5\left(2\right)\\ u_1\left(t\right),u_2\left(t\right),\mathrm{...},u_i\left(t\right),\mathrm{...},u_5\left(t\right)\\ u_1\left(k\right),u_2\left(k\right),\mathrm{...},u_i\left(k\right),\mathrm{...},u_5\left(k\right)\end{array}\right]$

其中：u_i(t)是編號為i的氣象因素在時刻t的記錄；t＝0和t＝1，2，...，k分別是基點和歷史氣象因素記錄對應的時刻的逆序編號，k是歷史氣象因素記錄的個數；

建立歷史風電功率記錄的列向量形式：

p＝[p(1)，p(2)，...p(t)，...，p(k)]^T

其中：p(t)是風電功率在歷史時刻t的記錄；

步驟(2)中對氣象因素記錄和歷史風電功率記錄分別按下述兩式標準化：

v′_i(t)＝[u_i(t)-ρ(u_i)]/σ(u_i)

y(t)＝[p(t)-ρ(p)]/σ(p)

其中：v′_i(t)是氣象因素記錄u_i(t)的標準化結果，p(u_i)和σ(u_i)分別是列向量u_i中元素的統計學均值和標準差；y(t)是歷史風電功率記錄p(t)的標準化結果，ρ(p)和σ(p)分別是列向量p中元素的統計學均值和標準差；

步驟(3)中以基點氣象因素記錄的標準化結果[v′₁(0)，v′₂(0)...，v′_i(0)，...，v′₅(0)]為核心，對t＝1，2，...，k個歷史氣象因素記錄的標準化結果按歐氏距離從小到大篩選出n個記錄，得到近鄰聚合，其中5≤n≤10；對近鄰聚合中各記錄對應的時刻按逆序重新編號，得近鄰聚合中記錄的矩陣形式：

$\[v_1,v_2,\mathrm{...},v_i,\mathrm{...},v_5\]=\left[\begin{array}{c}{v}_1\left(1\right),v_2\left(1\right),\mathrm{...},v_i\left(1\right),\mathrm{...},v_5\left(1\right)\\ v_1\left(2\right),v_2\left(2\right),\mathrm{...},v_i\left(2\right),\mathrm{...},v_5\left(2\right)\\ v_1\left(t\right),v_2\left(t\right),\mathrm{...},v_i\left(t\right),\mathrm{...},v_5\left(t\right)\\ v_1\left(n\right),v_2\left(n\right),\mathrm{...},v_i\left(n\right),\mathrm{...},v_5\left(n\right)\end{array}\right]$

其中：v_i(t)是近鄰聚合中編號為i的氣象因素在時刻t的記錄；

步驟(4)中對近鄰聚合中的氣象因素記錄按下式去相關降維，得到獨立因素值的矩陣形式：[x₁，x₂，...，x_h，...，x_m]＝[v₁，v₂，...，v_i，...，v₅][a₁，a₂，...，a_h，....，a_m]

其中：下標h是獨立因素的編號；列向量x_h是編號為h的獨立因素在不同時刻的值；列向量a_h是矩陣[v₁，v₂，...，v_i，...，v₅]的列相關系數矩陣第h大特征根對應的單位特征向量，m是該列相關系數矩陣的第一大特征根到第m大特征根之和占特征根總和的比例大于0.85確定的正整數。