[發明專利]一種基于數據挖掘的風電場功率預測優化方法

在審

• 申請號: 201910691851.8
• 申請日: 2019-07-29
• 公開（公告）號: CN110400019A
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 施建強;顧捷;徐夢溪;施成超
• 申請（專利權）人: 南京工程學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 焦作加貝專利代理事務所(普通合伙) 41182
• 代理人: 任昕

1.一種基于數據挖掘的風電場功率預測優化方法，獲取風電功率數據并進行數據預處理，其特征在于，對預處理后的風電功率數據進行以下操作：

A1，根據所獲風電信息將所測區域的風電場進行子區域的劃分，將具有相似的風電出力特性的風電場劃分進一個子區域；

A2，在每個子區域上選擇一座或多座自身具有較高的預測精度且與該子區域之間相關性較強的風電場作為該子區域的代表風電場；

A3，根據代表風電場在其子區域的權重系數以及該代表風電場自身的功率預測值，計算該代表風電場所在子區域風電功率預測值；

A4，將各個子區域的風電功率預測值相加，得到所測區域的風電功率預測值。

2.根據權利要求1所述的風電場功率預測優化方法，其特征在于，所述步驟A1具體包括以下步驟：

B1，對歷史風電功率進行主成分分析處理，篩選對整體表現能力較強的多座風電場的風電功率數據作為下一步聚類的輸入數據；

B2，對篩選出的風電場數據進行聚類操作，按照各簇內的風電場數據共性盡可能多的原則劃分出若干子區域。

3.根據權利要求2所述的風電場功率預測優化方法，其特征在于，所述步驟B1具體包括以下步驟：

C1，將歷史風電功率矩陣標準化，得到標準化矩陣；

C2，計算出標準化矩陣的協方差矩陣；

C3，計算協方差矩陣的特征值，并按照特征值由大到小排序，同時求出對應的貢獻率和累計貢獻率；

C4，提取出累計貢獻率達到預設閾值的多個特征值，根據提取出的特征值推出其對應的特征向量，即主成分的選擇；

C5，推算各風電場的各主成分得分及相應總分，并按總分降序排列；

C6，選取排序靠前的多座風電場的風電功率數據作為下一步聚類的輸入數據。

4.根據權利要求2 所述的風電場功率預測優化方法，其特征在于，所述聚類操作采用但不限于K-means聚類算法、EM聚類算法和HierarchicalCluster聚類算法，優選K-means聚類算法和HierarchicalCluster聚類算法。

5.根據權利要求1所述的風電場功率預測優化方法，其特征在于，所述步驟A3具體包括以下步驟：

D1，根據各風電場的裝機容量求取代表風電場在其子區域的權重系數；

D2，通過升尺度預測對代表風電場所在子區域風電功率預測值進行求取；所述升尺度預測是指將每個代表風電場的功率預測值按其權重系數比例放大得到其所在子區域風電功率預測值。