[發明專利]一種基于改進神經網絡的風功率中短期預測方法及系統

在審

• 申請號: 201911101266.4
• 申請日: 2019-11-12
• 公開（公告）號: CN111062509A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 包鼎;閆潤田;陳基偉;張有金;楊周杰;朱得利
• 申請（專利權）人: 國電陜西新能源有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

本發明涉及一種基于改進神經網絡的風功率中短期預測方法及系統，該方法采集風電場的歷史特征數據、實時特征數據以及實際風功率；根據歷史特征數據，通過神經網絡里的聚類K均值算法循環迭代對風機分組；采用聚類衡量標準對風機分組結果進行度量；根據歷史特征數據、實際風功率以及BP算法對每組風機建立風功率預測模型，并輸出每組風機的預測風功率；對每組風機的預測風功率求和，得到全場預測風功率；本發明的聚類算法分組和分組建模求風功率，成本低、所依賴的數據量少、預測精度高、計算速度快，提高整個電力系統運行的可靠性和安全性。

技術領域

本發明涉及發電功率預測技術領域，特別涉及一種基于改進神經網絡的風功率中短期預測方法及系統。

背景技術

全球氣候變暖以及常規化石能源的日益枯竭等一系列的全球性問題，引起了人們對新能源的廣泛關注。風電相比其他可再生能源而言，技術更成熟，其效率也更高，發展迅速。截至2014年底，全球風電累計裝機容量達到359.7GW，預計2018年以后，伴隨著市場的良性發展，全球陸上風電年新增裝機容量將超過55GW。

然而，風電具有波動性、間歇性，隨著并網風電系統在電網中的比例不斷增大，給電力系統的安全穩定運行帶來嚴峻的挑戰。做好風力發電預測工作，可有效提高整個電力系統運行的可靠性和安全性，對我國未來更好地開發利用風力發電具有十分重要的意義。風功率預測是風力發電系統中的關鍵技術，準確地對風電場未來風功率的預測可以有效地減少和避免風電場對電力系統產生的沖擊。因此，風功率預測方法對風力發電的可持續發展起著重要的作用。當前的風功率預測方法可以主要分為物理方法、統計學方法、學習方法以及上述方法的混合，每種方法都有各自適應的時間尺度和數據類型。

對風電場平均風功率預測，可以減少電力系統的運行成本和旋轉備用，為電力系統的安全,經濟和優質運行提供支持。

因此，如何能更準確的進行風力發電預測，提高整個電力系統運行的可靠性和安全性是同行從業人員亟待解決的問題。

發明內容

本發明的目的在于，提出的一種基于改進神經網絡的風功率中短期預測方法及系統，準確地對風電場未來風功率的預測，有效地減少和避免風電場對電力系統產生的沖擊。

為了解決上述技術問題，第一方面，本發明實施例提供一種基于改進神經網絡的風功率中短期預測方法，包括：

S1、采集風電場的歷史特征數據、實時特征數據以及實際風功率；

S2、根據所述歷史特征數據，通過神經網絡里的聚類K均值算法循環迭代對風機分組；

S3、采用聚類衡量標準對所述風機分組結果進行度量；

S4、根據所述歷史特征數據、實際風功率以及BP算法對每組風機建立風功率預測模型，并輸出每組風機的預測風功率；

S5、對所述每組風機的預測風功率求和，得到全場預測風功率。

在一個實施例中，所述步驟S1中的特征數據包括：風向、氣溫、氣壓、濕度、風速、風機高度、風機槳葉直徑和風機地理位置；

所述實時特征數據以及實時特征數據對應的實際風功率間隔第一預設時長采集一次。

在一個實施例中，所述步驟S2包括：

數據集D＝{x₁,x₂,...,x_m}，包含m個無標記風機樣本，每個樣本x_i＝(x_i1,x_i2,...,x_in)是一個n維特征向量；通過聚類劃分為C＝{c₁,c₂,...,c_m}，c表示風機所在的子集，分類步驟如下：