[發明專利]一種基于時間區間模糊算子與近似權重集成的風電功率預測方法

有效

• 申請號: 201710357797.4
• 申請日: 2017-05-19
• 公開（公告）號: CN107194509B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 趙健;潘欣;孫宏彬
• 申請（專利權）人: 長春工程學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

1.一種基于時間區間模糊算子與近似權重集成的風電功率預測方法，其特征在于：所述基于時間區間模糊算子與近似權重集成的風電功率預測方法包括以下步驟：

步驟一：收集風電場運行數據，基于時間區間L建立時間區間算子，利用時間區間算子對風電場數據進行描述，計算每一個時間點前驅時間點的功率變化趨勢以及時間點t的后繼時間點風電功率變化趨勢；具體過程為：

步驟一一：每間隔Gape秒收集一個風電場的運行數據；所述Gape為收集數據間隔的秒數；所述風電場的運行數據包括：風電功率F1、風速F2、濕度F3、溫度F4、氣壓F5、風向F6；

將收集的數據存儲到數據庫當中；每一個時間點對應數據庫中的一條記錄，對于時間點t，每條記錄的字段包括：ID(t)表示精確到秒的時間信息，F1(t)表示在時間點t時的風電場的輸出風電功率，F2(t)表示在時間點t時的風電場的風速，F3(t)表示在時間點t時的環境濕度，F4(t)表示在時間點t時的環境溫度，F5(t)表示在時間點t時的風場的氣壓，F6(t)表示在時間點t時的風場的風向；

步驟一二：統計F1風電功率的均值F1μ和標準差F1σ，統計F2風速的均值F2μ和標準差F2σ，統計F3濕度的均值F3μ和標準差F3σ，統計F4溫度的均值F4μ和標準差F4σ，統計F5氣壓的均值F5μ和標準差F5σ；

步驟一三：建立時間區間L的模糊算子Operator；具體過程為：

距離時間點t為k秒的時間點其模糊隸屬度描述為：

時間區域模糊算子如下：

步驟一四：對于風電場每一個時間點的數據，利用時間區間模糊算子Operator進行計算，獲得區間描述字段Q1至Q5；具體過程為：

對于一個時間點t其Q1至Q5的計算方式如下：

Q1:

Q2:

Q3:

Q4:

Q5:

步驟一五：計算時間點t的前驅時間點的風電功率變化趨勢，獲得趨勢描述字段Q6，Q7和Q8；所述時間點t的前驅時間點是指時間點t之前的時間點；具體過程為：

設置3個前驅時間變量分別為PR1,PR2,PR3；

Q6的計算公式為：Q6(t)＝(Q1(t)-Q1(t-PR1))

Q7的計算公式為：Q7(t)＝(Q1(t)-Q1(t-PR2))

Q8的計算公式為：Q8(t)＝(Q1(t)-Q1(t-PR3))；

步驟一六：計算時間點t的后繼時間點風電功率變化趨勢D1；所述時間點t的后繼時間點是指時間點t之后的時間點；具體過程為：

D1為后繼AFT秒之后的風電功率變化趨勢，D1的計算公式如下：

D1(t)＝(Q1(t)-Q1(t+AFT))；

步驟二：對風電場數據進行分組，將所有數據分為G組，即group(1)至group(G)，每組數據對應一個中心點；

步驟三：對步驟二獲得的每組數據，利用支持向量機算法進行學習，獲得獲得G個回歸預測模型model(1)至model(G)；

步驟四：對于風電場待預測時間點tc的運行數據，構造描述矢量V，基于描述矢量V與分組數據中心點的距離構造每一個中心點的近似權重；

步驟五：每一個回歸預測模型輸入描述矢量V，獲得對應的預測結果；基于每一個中心點的近似權重，進行近似權重集成；獲得風電功率預測結果。