[發明專利]一種基于氣象模式識別的風電功率預測誤差建模方法

有效

• 申請號: 201911309950.1
• 申請日: 2019-12-18
• 公開（公告）號: CN111008504B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 柯德平;劉念璋;牛四清;楊健;劉健;柳玉;姜尚光
• 申請（專利權）人: 武漢大學;國家電網公司華北分部
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06Q10/04;G06Q10/06;G06Q50/06;G06F111/10;G06F113/06
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 彭艷君

本發明涉及電網風電預測技術，具體涉及一種基于氣象模式識別的風電功率預測誤差建模方法，包括通過對歷史氣象數據進行k?means聚類分析得到了相應的氣象模式，根據各氣象模式下氣象數據特征，訓練支持向量機分類器，并用其將歷史風電功率預測誤差數據劃分為各個氣象模式下的子數據集，分別對這些子數據集進行統計分析得到對應的概率密度曲線，進而基于通用分布模型，通過最小二乘擬合得到各氣象模式下風電功率預測誤差概率密度模型，完成風電功率預測誤差建模。該方法考慮了氣象因素對于風電功率預測精度的影響，使得風電功率預測誤差建模結果更加準確；采用通用分布模型擬合效果更好，表達式的解析性更好；提供準確的風電功率預測誤差概率密度模型。

技術領域

本發明屬于電網風電預測技術領域，尤其涉及一種基于氣象模式識別的風電功率預測誤差建模方法。

背景技術

目前，風電消納問題就是在給定未來一天或數小時內風電功率和負荷預測結果，同時系統以常規機組出力(包括啟停)為調節手段并滿足一定運行約束條件的前提下，判斷系統未來究竟能接納多少風電。如果不考慮風電功率預測誤差，則在未來某一時刻可能會出現風電實際值大于或小于風電調度計劃值，從而相應地導致棄風與切負荷的現象，不利于清潔能源消納的同時還會為電力系統的調度帶來不利的影響。考慮風電功率預測誤差的隨機性而進行調度，其本質上是一個優化問題，該隨機優化問題的求解難度、計算效率以及最終解的質量充分依賴于風電功率預測誤差的隨機性建模。

氣象因素與風電功率間存在密切的因果關系。眾所周知，同一預測方法會在風電功率時間序列各點給出誤差大小不一的預測結果。針對風電功率預測誤差，目前比較認可的處理方法是認為其統計結果服從某一概率分布。利用某一特定結構的概率密度函數(正態分布等)擬合風電功率預測誤差的統計結果后，該函數即可表征風電功率預測誤差的概率分布情況，疊加到風電功率預測值上即可表示風電實際出力的概率分布，可以直接將該函數應用于考慮風電預測不確定性的隨機經濟調度當中。但事實上，目前針對風電功率預測誤差的統計分析工作都是將所有的誤差數據集中統一分析。這種處理方式本質上忽視了同一預測方法在不同氣象條件下預測精度的差異，例如預測結果在風和日麗的平穩氣象條件下可能較準確，而在風雨交加的驟變氣象情況下則可能較差。因而將所有預測誤差混在一起統計建模一方面會加大“精度”和“解析計算”的協調難度，另一方面也可能使得隨機經濟調度結果偏于保守。

發明內容

本發明的目的是提供一種考慮氣象條件對風電功率預測精度的影響，通過對歷史氣象數據的聚類分析得到不同的氣象模式，針對每個氣象模式下的風電功率預測誤差數據進行統計分析并采用通用分布模型進行建模的方法。

為實現上述目的，本發明采用的技術方案是：一種基于氣象模式識別的風電功率預測誤差建模方法，包括在考慮對風電功率預測誤差影響情況下的氣象數據聚類分析，形成相應的氣象模式；采用支持向量機算法形成用于氣象模式識別的分類器；對各氣象模式下風電功率預測誤差概率分布分別建模；采用通用分布模型對風電功率預測誤差概率分布進行建模。

在上述的基于氣象模式識別的風電功率預測誤差建模方法中，包括以下具體步驟：

步驟1、選取氣象指標，對歷史氣象數據以及歷史風電功率預測誤差數據進行預處理；

步驟2、將歷史氣象數據根據月份劃分為四個季度下的數據集，通過肘部法確定各季度下氣象模式數目，并利用K-means算法對各季度下歷史氣象數據分別進行聚類分析，建立相應的氣象模式；

步驟3、根據步驟2所建立氣象模式，利用支持向量機算法對各氣象模式下的氣象數據進行學習訓練，得到支持向量機分類器；根據歷史風電功率預測誤差數據對應的氣象數據，將風電功率預測誤差劃分為各個氣象模式下的子集；

步驟4、根據步驟3計算所得各氣象模式下風電功率預測誤差數據子集，對各數據子集進行統計分析得到各氣象模式下風電功率預測誤差概率密度曲線；利用最小二乘擬合，基于通用分布模型，得到各氣象模式下風電功率預測誤差的概率密度通用分布解析表達式，完成不同氣象模式下的風電功率預測誤差建模。