[發明專利]基于混沌螢火蟲算法和貝葉斯網絡的風電功率概率性預測方法

有效

• 申請號: 201910541439.8
• 申請日: 2019-06-21
• 公開（公告）號: CN110264006B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 何耀耀;祝賀功;施諾;趙秋宇;李路遙;范慧玲;張婉瑩
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/00;G06Q50/06
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種基于混沌螢火蟲算法和貝葉斯網絡的風電功率概率性預測方法，其步驟包括：1獲取風速、風向、氣溫和風電實際功率數據，對數據進行預處理，選取訓練集和測試集數據；2對風電功率原始數據進行經驗模態分解，使風電功率時間序列更加平穩；3構建貝葉斯網絡模型，得到初始預測區間；4計算區間變化幅值范圍，運用混沌螢火蟲算法得到最優區間變化幅值；5在最優區間變化幅值附近進行混沌搜索，得到最終預測區間。本發明能通過構造預測區間測量風電功率的不確定性，從而能為電力調度決策提供有效參考。

技術領域

本發明涉及風電發電技術領域，主要涉及一種基于EMD分解、貝葉斯網絡與混沌螢火蟲算法的風電功率預測模型方法。

背景技術

近年來，隨著社會經濟的發展，對能源的需求正日趨增長，化石能源逐漸面臨枯竭的風險，同時大量化石燃料的使用帶來了嚴重的污染問題。為了應對燃料能源和環境污染的問題，可再生能源得到了廣泛的使用。其中，風能作為清潔的，可再生的，最具開發潛能的能源，在過去的數十年間得到了迅速的發展和應用。隨著風力發電規模的逐漸擴大，風電在電力系統中占據了越來越大的比重。而由于風能的間歇性與不確定性導致的風電的弱可控性給電力系統的安全穩定運行帶來了巨大的挑戰。為了降低風電入網的風險，降低系統備用容量的建設成本，幫助電力部門制定精確地調度方案，可靠、及時、準確的風電功率預測已經成為目前急需解決的問題。

風力發電由于受天氣因素、機組故障、數據誤載等因素影響，導致所收集到的數據經常出現異常值、缺失值，給風電功率預測帶來一定困擾。同時，由于風電功率數據波動性較大，如不對數據進行一定技術處理，直接對數據進行預測得到的預測結果往往較差。而當前研究普遍針對于處理數據集中存在的異常值、缺失值，對于風電功率數據的強波動性卻沒有針對性應對措施，預測結果的精度往往達不到理想水平。

當前，國內外關于風電功率預測的方法主要有基于數值天氣預報的物理方法、基于時間序列歷史數據的統計方法及兩者混合的預測方法。通常而言，針對風電功率預測能夠同時考慮數值天氣物理數據和時間序列歷史數據的預測模式能夠顯著提高其預測精度，但如何將兩種成分的數據有效結合并進行預測一直以來都是難以解決的問題。數十年來，研究人員在風電預測的點預測領域取得了卓越的研究成果，預測精度已經趨于理想水平。但由于風能本身的不確定性和模型固有的缺陷，傳統的確定性點預測方法存在點預測誤差無法消除，無法對結果的不確定性進行度量，不能給出風電功率的波動范圍等問題。

在當前進行風電功率的概率性預測的方法中，大多使用演化算法對模型進行優化，但傳統的進化算法雖然全局尋有能力較強，能有效提升模型收斂速度，但普遍存在后期收斂速度慢，模型易早熟，容易陷入局部最優解的缺陷。在風電功率預測中會導致算法運行時間長，達不到時間可用性要求；預測精度不高，達不到準確度可用性要求。

發明內容

本發明是為了解決上述現有技術存在的不足之處，提出一種基于混沌螢火蟲算法和貝葉斯網絡的風電功率概率性預測方法，通過構造區間測量風電功率的不確定性，從而能為電力調度決策提供有效參考。

本發明為解決技術問題采用如下技術方案：

本發明一種基于混沌螢火蟲算法和貝葉斯網絡的風電功率概率性預測方法的特點是按以下步驟進行：

步驟1、獲取風速、風向、氣溫和風電實際功率數據并進行數據預處理：

步驟1.1、采集風速的歷史數據構成原始風速序列，并對所述原始風速序列進行缺失值和異常值的填補以及歸一化處理，從而得到預處理后的風速序列，記為V＝[v₁,v₂,...v_i,...,v_N]，v_i為所述預處理后的風速序列V中第i個時刻點的風速數據，1≤i≤N，N為樣本總數；