[發(fā)明專利]一種含模型切換機(jī)制的風(fēng)電功率爬坡事件預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510219455.7
• 申請(qǐng)日: 2015-04-29
• 公開（公告）號(hào): CN104820869B
• 公開（公告）日: 2019-01-29
• 發(fā)明（設(shè)計(jì)）人: 歐陽庭輝;查曉明;秦亮;熊一;夏添
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魯力

1.一種含預(yù)測(cè)模型切換機(jī)制的風(fēng)電功率爬坡事件預(yù)測(cè)方法，其特征在于：包括以下步驟，

步驟1：以歷史的風(fēng)電功率數(shù)據(jù)為研究對(duì)象，檢測(cè)出所有歷史的爬坡事件，并對(duì)其持續(xù)時(shí)間進(jìn)行統(tǒng)計(jì)，找出能夠滿足絕大多數(shù)爬坡時(shí)長(zhǎng)的時(shí)間窗口作為局部預(yù)測(cè)模型的適用時(shí)長(zhǎng)；同時(shí)，對(duì)原始數(shù)據(jù)進(jìn)行分析，完成對(duì)數(shù)據(jù)預(yù)處理和相空間重構(gòu)工作，包括以下子步驟，

步驟1.1，首先對(duì)原始的風(fēng)電功率數(shù)據(jù)序列進(jìn)行壞值、缺值處理，以保證數(shù)據(jù)的完整性和有效性，同時(shí)通過濾波處理消除不必要的噪聲，得到干凈的序列；另一方面，通過對(duì)歷史爬坡事件持續(xù)時(shí)間的統(tǒng)計(jì)分析，給出局部預(yù)測(cè)模型的適用時(shí)長(zhǎng)；

步驟1.2，為了方便預(yù)測(cè)模型的建立，首先對(duì)數(shù)據(jù)進(jìn)行空間重構(gòu)；設(shè)原始數(shù)據(jù)序列為{x_n}，則取相隔時(shí)間間隔τ的兩個(gè)觀測(cè)量x_n和x_n+τ，通過式一計(jì)算互信息值，取互信息熵第一個(gè)極小值點(diǎn)作為重構(gòu)的延遲時(shí)間；

步驟1.3，假設(shè)原始序列的重構(gòu)嵌入維數(shù)為m，則對(duì)重構(gòu)后的序列根據(jù)式二計(jì)算相點(diǎn)間的距離，若滿足式三至式四，則取m作為重構(gòu)的嵌入維數(shù)；

步驟1.4，根據(jù)步驟1.2和步驟1.3中求出的延遲時(shí)間和嵌入維數(shù)，按照式五完成序列的相空間重構(gòu)；以重構(gòu)后的數(shù)據(jù)為對(duì)象，根據(jù)步驟1.1求得的局部模型適用長(zhǎng)度將歷史的數(shù)據(jù)劃分為一個(gè)個(gè)連續(xù)的事件段，以便在進(jìn)行模型訓(xùn)練和預(yù)測(cè)時(shí)作為基本單位進(jìn)行研究；

x_n＝(x_n,x_n+τ,…x_n+(m-1)τ)∈R^m,n＝1,2…,N₀＝N-(m-1)τ 式五

步驟2：以多變量混沌預(yù)測(cè)模型為基礎(chǔ)，為了能夠?qū)崿F(xiàn)較長(zhǎng)期的功率預(yù)測(cè)，結(jié)合數(shù)值天氣預(yù)報(bào)給出的氣象數(shù)據(jù)建立多變量的混沌預(yù)測(cè)模型；同時(shí)考慮到不同爬坡事件的物理背景不一樣，且為進(jìn)一步提高模型的預(yù)測(cè)精度，在傳統(tǒng)預(yù)測(cè)模型基礎(chǔ)上加入不同核函數(shù)構(gòu)成預(yù)測(cè)模型庫，根據(jù)給定的模型庫完成對(duì)歷史事件段的模型識(shí)別，訓(xùn)練得到最優(yōu)的局部預(yù)測(cè)模型；包括以下子步驟，

步驟2.1，根據(jù)傳統(tǒng)的混沌時(shí)間序列的局部線性預(yù)測(cè)模型，引入非線性映射，構(gòu)造如式六所示的基本預(yù)測(cè)模型；

式中，Φ表示非線性變換，e表示殘差項(xiàng)；

步驟2.2，為了反映不同物理背景下爬坡事件功率變化的特殊性，對(duì)非線性變換Φ采用不同的核函數(shù)表示，選取3種常用的核函數(shù)：多項(xiàng)式核函數(shù)、徑向基核函數(shù)和Sigmoid核函數(shù)，如式七，從而構(gòu)成局部預(yù)測(cè)模型的模型庫；

步驟3：根據(jù)上述得到的模型庫，對(duì)每個(gè)獨(dú)立的事件段分別進(jìn)行模型訓(xùn)練，得到每個(gè)段內(nèi)的最優(yōu)預(yù)測(cè)模型，然后根據(jù)原始數(shù)據(jù)和最優(yōu)模型的對(duì)應(yīng)關(guān)系進(jìn)行訓(xùn)練，可得到不同預(yù)測(cè)模型的切換機(jī)制；

步驟4：結(jié)合步驟2中的模型庫和步驟3中的模型切換機(jī)制，完成較長(zhǎng)期的風(fēng)電功率預(yù)測(cè)預(yù)測(cè)；最后根據(jù)爬坡事件的數(shù)值定義完成預(yù)測(cè)數(shù)據(jù)的爬坡事件檢測(cè)，考慮到實(shí)際發(fā)不發(fā)生爬坡危害與電網(wǎng)的狀態(tài)有關(guān)，因此進(jìn)一步結(jié)合電網(wǎng)的實(shí)際運(yùn)行狀態(tài)完成對(duì)風(fēng)電功率爬坡事件的預(yù)測(cè)和判定；

2.根據(jù)權(quán)利要求1所述的一種含預(yù)測(cè)模型切換機(jī)制的風(fēng)電功率爬坡事件預(yù)測(cè)方法，其特征在于：所述步驟3主要包括以下子步驟，

步驟3.1，對(duì)步驟2中模型庫中的模型進(jìn)行編號(hào)，在對(duì)連續(xù)事件段進(jìn)行模型訓(xùn)練時(shí)，可得到最優(yōu)模型的編號(hào)序列{c_n}，結(jié)合原始的事件段數(shù)據(jù)，可建立若式八的訓(xùn)練集；

步驟3.2，上述訓(xùn)練集可看成是含多類別的分類數(shù)據(jù)集，其中一種類別表示一種預(yù)測(cè)模型，對(duì)此可建立多類別的支持向量機(jī)分類模型訓(xùn)練分類器；通過分級(jí)分類法，對(duì)于含k種類別的數(shù)據(jù)需建立k-1個(gè)基本的SVM模型，如下式：

式中，ω,b為分類器參數(shù)；ξ為松弛變量；y_n表示重新定義的類別變量，當(dāng)某一類別為主要研究對(duì)象時(shí)，則y_n＝1，余下的類別值y_n＝-1；通過SVM模型的求解可得步驟2中3類別模型庫的分類器，該分類器即為局部預(yù)測(cè)模型的切換機(jī)制。

3.根據(jù)權(quán)利要求1所述的一種含預(yù)測(cè)模型切換機(jī)制的風(fēng)電功率爬坡事件預(yù)測(cè)方法，其特征在于：所述步驟4主要包括以下子步驟，

步驟4.1，以步驟1中得到的局部模型適用長(zhǎng)度為單位，結(jié)合數(shù)值天氣預(yù)報(bào)的結(jié)果，完成短時(shí)間內(nèi)的局部風(fēng)電功率預(yù)測(cè)；同時(shí)根據(jù)模型切換機(jī)制，進(jìn)行不同事件段預(yù)測(cè)模型的切換，綜合多個(gè)連續(xù)事件段的預(yù)測(cè)，完成長(zhǎng)期的風(fēng)電功率預(yù)測(cè)；

步驟4.2，根據(jù)給定的風(fēng)電功率爬坡事件定義，如式十，檢測(cè)出預(yù)測(cè)結(jié)果中滿足爬坡數(shù)值定義的爬坡事件；考慮電網(wǎng)實(shí)際調(diào)度計(jì)劃，如切機(jī)切負(fù)荷情況，在加入電網(wǎng)運(yùn)行狀態(tài)的基礎(chǔ)上，檢測(cè)出具有危害性的爬坡事件，以便指導(dǎo)電力系統(tǒng)進(jìn)行調(diào)度和控制；

該定義認(rèn)為相隔長(zhǎng)度Δt的兩個(gè)時(shí)刻的風(fēng)電功率幅值的誤差絕對(duì)值與時(shí)間間隔Δt的比值大于某一給定的最大功率爬坡率R_val，則稱為一個(gè)風(fēng)電功率爬坡。