[發明專利]一種分散式風力發電短期功率組合預測方法

有效

• 申請號: 201910133205.X
• 申請日: 2019-02-22
• 公開（公告）號: CN109800923B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 周長城;陳旭;袁智勇;葉琳浩;雷金勇;胡飛雄;馬溪原;喻磊;胡洋;言纘弘
• 申請（專利權）人: 南方電網科學研究院有限責任公司;中國南方電網有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F18/27;G06F17/18
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種分散式風力發電短期功率組合預測方法、裝置、設備及計算機可讀存儲介質，方法包括：預先根據風力發電特性建立ARMA模型hsubgt;t/subgt;，根據測量到的第τ?(t+1)天的實際風電數據，利用ARMA模型hsubgt;t/subgt;預測第τ?t天的風電數據，τ?(t+1)為訓練日期，τ為預測日期，t＝1,2…T，T為迭代次數；根據預測到的第τ?t天的風電數據、及測量到的第τ?t天的實際風電數據，計算每個ARMA模型hsubgt;t/subgt;的權重αsubgt;t/subgt;；根據ARMA模型hsubgt;t/subgt;、及每個ARMA模型hsubgt;t/subgt;的權重αsubgt;t/subgt;，利用boosting算法對T個ARMA模型hsubgt;t/subgt;進行組合，以得到強分類模型H；根據測量到的第τ?1天的實際風電數據、及強分類模型H，預測第τ天的風電數據。本申請公開的上述技術方案，利用強分類模型H進行短期風力發電預測可以提高預測精度和準確性。

技術領域

本發明涉及風力發電技術領域，更具體地說，涉及一種分散式風力發電短期功率組合預測方法、裝置、設備及計算機可讀存儲介質。

背景技術

隨著傳統能源的日益減少和環境問題的日益突出，風力發電因具有可再生、清潔性等特點而得到廣泛的應用。隨著我國風電產業迅速發展、技術水平不斷提高、建設成本不斷降低，風能資源技術經濟可開發范圍不斷拓展。由于風電大規模集中式開發帶來的棄風問題尚未得到有效解決，我國正在積極探索分散式接入風電的開發模式。2018年4月，國家能源局發布了《國家能源局關于印發分散式風電項目開發建設暫行管理辦法的通知》，有力推動了我國分散式風電的發展。然而，風的間歇性對風能的使用提出了極大的挑戰，因此，為了減少風間歇性對電力系統的影響，風力發電預測得到了廣泛的研究。

目前，常通過時間序列模型進行風力發電預測。其中，ARMA模型(Auto-Regressand?Moving?Average?Model，自回歸滑動平均模型)是時間序列模型的一種，也是時間序列模型中使用頻率比較高的預測模型，可直接用于短期風力發電預測，其建模方法成熟，算法比較靈活，計算速度比較快，但是，該模型的預測精度會隨著預測時間跨度的增加而有所下降，而預測精度的降低會對風力發電的實際應用及電力系統的正常運行帶來一定的影響。

綜上所述，如何提高短期風力發電預測的預測精度和準確性，是目前本領域技術人員亟待解決的技術問題。

發明內容

有鑒于此，本發明的目的是提供一種分散式風力發電短期功率組合預測方法、裝置、設備及計算機可讀存儲介質，以提高短期風力發電預測的預測精度和準確性。

為了實現上述目的，本發明提供如下技術方案：

一種分散式風力發電短期功率組合預測方法，包括：

預先根據風力發電特性建立ARMA模型h_t，根據測量到的第τ-(t+1)天的實際風電數據，利用所述ARMA模型h_t預測第τ-t天的風電數據，其中，τ-(t+1)為訓練日期，τ為預測日期，t＝1,2…T，T為迭代次數；

根據預測到的第τ-t天的風電數據、及測量到的第τ-t天的實際風電數據，計算每個所述ARMA模型h_t的權重α_t；

根據所述ARMA模型h_t、及每個所述ARMA模型h_t的權重α_t，利用boosting算法對T個所述ARMA模型h_t進行組合，以得到強分類模型H；

根據測量到的第τ-1天的實際風電數據、及所述強分類模型H，預測第τ天的風電數據。

優選的，所述預先根據風力發電特性建立ARMA模型h_t，包括：