[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

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，本發明涉及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。本發明為了解決現有從風力推動發電機葉片旋轉到最終體現為輸出功率變化是有一定時間延遲、從風電場收集的數據還有可能受到噪聲因素干擾出現短時間內的波動以及較難進行良好的預測的缺點。本發明包括：一：計算每一個時間點前驅時間點的功率變化趨勢；二：將所有數據分為G組每組數據對應一個中心點；三：獲得獲得G個回歸預測模型model(1)至model(G)；四：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；五：獲得風電功率預測結果。本發明用于風電技術領域。

技術領域

本發明涉及風電功率預測方法。

背景技術

風力發電受到風向、風速、氣壓等多方面因素影響，使得風力發電具有的波動性、間歇性和隨機性的特點，這些特點導致風電功率不斷出現波動和變化進而會影響到整個地區電網電壓的穩定，這對于整個電網的安全穩定運行都具有很大影響。因此非常有必要對風電功率進行預測，提取獲得風電功率可能變化的情況和趨勢；通過風電功率預測可以有效的減少用于風電消納的備用火力發電系統的容量，降低整個系統運行成本，同時提高整個電網的安全性和穩定性，因此風電功率預測具有非常重要的實際應用價值。

當前已經出現了大量的風電功率預測方法，這些方法傾向于使用單一的模型或者多個模型投票方式提高風電功率預測的精度，取得了一定的成果。然而當前的方法還需要面臨以下問題：一、從風電場收集的數據具有瞬時性，而從風力推動發電機葉片旋轉到最終體現為輸出功率變化是有一定時間延遲的，需要在算法中體現該延遲特性；二、從風電場收集的數據還有可能受到噪聲因素干擾出現短時間內的波動，而這種波動未必與風電功率的變化相關聯；三、風向、風速、氣壓等因素與風電功率的結果之間的關系不是線性的，受到多種因素的影響，將所有已有數據和并為一個訓練集來訓練一個模型或者多模型較難進行良好的預測。同時，某些方法離散的以風速將預測劃分為多組(如將數據分為：高、中、低三組)進行分組預測，會出現在組之間的割裂現象，當風速處于在組的邊界附近時會出現預測結果的較多波動。

因此需要一種方法針對以上問題來進一步提高風電功率預測精度。

發明內容

本發明的目的是為了為了解決風電場中從風力推動發電機葉片旋轉到最終體現為輸出功率變化是有一定時間延遲的問題，以及現有的風電功率預測方法從風電場收集的數據有可能受到噪聲因素干擾出現短時間內的波動的問題，而提出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。

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包括以下步驟：

針對現有技術提出的問題，本發明提出了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。通過時間區間模糊算子減少噪聲和突變數據對預測精度的影響，同時將歷史數據引入到預測點、體現輸出功率變化對瞬時數據的延遲反應；同時利用近似權重集成，實現多組模型結果按照數據的近似程度進行基于權重的組合，可充分的表達自然條件與功率輸出的非線性關系，同時可以使得組之間的預測結果較為平滑，獲得更加精確的預測結果。

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；

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；