[發明專利]一種基于梯度提升算法預測風力發電的系統模型

在審

• 申請號: 202010099125.X
• 申請日: 2020-02-18
• 公開（公告）號: CN111191857A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 胡炳謙;周浩;顧一峰;韓俊
• 申請（專利權）人: 上海積成能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

近年來風力發電在我國得到了長足的發展，然而與常規能源不同之處在于風電場輸出功率具有隨機性，波動性和不可控性等特點。當風電大規模接入電網時，勢必對電力系統安全穩定運行造成安全隱患，甚至可能導致局部電壓波動，頻率不穩定，造成嚴重的生產事故。準確的風電功率預測是降低風電并網不利影響的重要措施之一，可有效減小風電接入電網對系統造成的影響，提高系統運行的安全性和可靠性。因此，對大規模風電超短期風電功率預測進行分析預評價，具有重要的經濟價值以及工程實用價值。本發明提出了一種基于梯度提升（Gradient Boost）算法,采用歷史天氣數據和預測數據,和歷史風力數據進而預測風力發電的系統和方法。

技術領域

本發明涉及一種電力系統運行管理技術, 特別涉及一種基于梯度提升算法(Gradient Boosting)的預測風力發電的方法。

背景技術

風能是一種無污染、可再生的能源，風力發電具有不消耗其他能源、不產生污染物、沒有輻射等優勢。但是由于自然界的風是波動的、間歇性的，這就致使了利用風能進行發電的風力發電機其輸出功率是波動變化的。由于風電機組輸出功率與風速的立方存在關系，因此微小的風速波動都可能帶來大幅度的輸出功率波動。要是風力發電輸出到電網的電能在整個電網輸送的電能的比重很小的時候，風電并網對電網的影響不大。但風電輸出到電網的電能在整個電網輸送的電能的比重達到一定比例的時候，風電功率的大幅度波動將給電力系統的平衡帶來很大的沖擊，嚴重影響電能的質量，同時風電輸出功率的不確定性將給電網的調度帶來極大的困難。

綜上所述，隨著風力發電在電力系統中的占比不斷加大，風力發電預測的重要性將愈來愈突顯，預測結果越準確就越能使電力系統運行效率和穩定性極大增加。本發明提出了一種基于梯度提升算法 (Gradient Boosting) 預測風力發電的系統模型。

發明內容

本發明提出了一種基于歷史天氣數據和預測數據, 和歷史風力數據進而預測風力發電的系統和方法。本方法應用了Gradient Boost算法，可以極大的提高預測準確度。如圖1所示。

附圖說明

圖1是本發明實施中預測風力發電的流程圖。

圖2是本發明實施中所使用的樣本實際風力發電出力曲線圖。

圖3是本發明實施中實際風力發電出力與預測風力發電出力對比曲線圖。

具體實施方式

步驟一、通過測量或取得歷史數據的方式，獲得該區域的歷史數據包括連續一年以上的緯向風分量，經向風分量，風速和風向, 以及歷史風力發電, 其中所述歷史數據的時間分辨點為1小時，圖2為樣本風力發電出力曲線圖。

步驟二、數據準備：，表示用來預測風力發電的輸入數據，包括分別為, 季節變量(一月之前/之后的月數, 四月之前/之后的月數), 時天變量(凌晨3點（之前/之后）的小時數, 凌晨6點（之前/之后）的小時數, 上午9點（之前/之后）的小時數), 最新的風速預測值，每小時所有風預測的緯向風分量平均值，每小時所有風預測的經向風分量平均值，每小時所有風預測的風速平均值，每小時所有風預測的緯向風分量方差，每小時所有風預測的經向風分量方差，每小時所有風預測的風速方差，前8小時最新風預測的緯向風分量值平均值，前8小時最新風預測的緯向風分量值方差，，前8小時最新風預測的緯向風分量值平均值，前8小時最新風預測的緯向風分量值方差，，前8小時最新風預測的風速平均值，前8小時最新風預測的風速方差。表示風力發電值，也就是實際值, 表示數據量。 表示損失函數，用來分析預測值的效果，其中為預測值。目標是目標是為了優化或者說最小化損失函數，梯度提升算法的思想是迭代生多個（M個）弱的模型，然后將每個弱模型的預測結果相加，后面的模型基于前面學習模型的的效果生成的，關系如下：

。

步驟三、設立初始值，，表示殘差值,而一開始為零, 是觀測值， 預測值。