[發(fā)明專利]一種基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202010824793.4
• 申請日: 2020-08-17
• 公開（公告）號: CN112001537A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 熊軍華;康義;王亭嶺;侯依然;師劉俊
• 申請（專利權(quán)）人: 華北水利水電大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/10;G06Q50/06
• 代理公司: 鄭州聯(lián)科專利事務(wù)所(普通合伙) 41104
• 代理人: 彭星

本發(fā)明公開了一種基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法，包括以下步驟：獲取風(fēng)向量和氣象影響因素之間的關(guān)系；所述的風(fēng)向量包括風(fēng)速和風(fēng)向，所述的氣象影響因素為溫度、空氣濕度和地表氣壓；步驟二：運(yùn)用采用LSSVM方法對短期內(nèi)的風(fēng)向量進(jìn)行估計；采用改進(jìn)的灰色模型對短期風(fēng)電功率進(jìn)行預(yù)測；采用改進(jìn)的粒子群算法對改進(jìn)灰色預(yù)測模型的背景值進(jìn)一步優(yōu)化，輸出初始短期風(fēng)電預(yù)測功率；采用傅里葉殘差序列對初始短期風(fēng)電預(yù)測功率的誤差進(jìn)行補(bǔ)償，得到最終的短期風(fēng)電預(yù)測功率，從而對短期風(fēng)電功率進(jìn)行更加精準(zhǔn)的預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)電功率預(yù)測技術(shù)領(lǐng)域，尤其涉及一種基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法。

背景技術(shù)

隨著新能源技術(shù)的發(fā)展，對可再生能源的利用率不斷提高，尤其是風(fēng)電并網(wǎng)的比例大幅增加。但是由于風(fēng)的隨機(jī)性造成風(fēng)電出力的波動性和不穩(wěn)定性，嚴(yán)重影響電力系統(tǒng)的經(jīng)濟(jì)安全穩(wěn)定運(yùn)行，準(zhǔn)確的風(fēng)電功率預(yù)測將為電網(wǎng)的安全運(yùn)行提供必要條件。

目前短期風(fēng)電功率預(yù)測方法經(jīng)前輩學(xué)者的研究常用方法有灰色模型法和回歸分析法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法，就目前的研究現(xiàn)狀而言，國外的風(fēng)電功率預(yù)測系統(tǒng)有ANEMOS，Prediktor，WPMS等。目前我國的風(fēng)電功率預(yù)測系統(tǒng)有WPFS，F(xiàn)R3000，SPWF-3000等。然而，經(jīng)學(xué)者研究表明，單一的風(fēng)電功率預(yù)測模型預(yù)測誤差較大，很難根據(jù)其預(yù)測結(jié)果對未來做出判斷。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法，能夠以更加精確的方式對短期風(fēng)電功率進(jìn)行預(yù)測。

本發(fā)明采用的技術(shù)方案為：

一種基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法，包括以下步驟：步驟一：

獲取風(fēng)向量和氣象影響因素之間的關(guān)系；所述的風(fēng)向量包括風(fēng)速和風(fēng)向，所述的氣象

影響因素為溫度、空氣濕度和地表氣壓；

從風(fēng)電場獲取風(fēng)電功率歷史數(shù)據(jù)，從天氣預(yù)報系統(tǒng)中獲取氣象歷史數(shù)據(jù)，所述的氣象歷史數(shù)據(jù)包括氣象影響因素歷史數(shù)據(jù)和風(fēng)向量歷史數(shù)據(jù)；

運(yùn)用灰色關(guān)聯(lián)性分析氣象影響因素歷史數(shù)據(jù)和風(fēng)向量歷史數(shù)據(jù)，并計算出不同季節(jié)不同時刻的風(fēng)向量和氣象影響因素之間的相關(guān)系數(shù)；

步驟二：運(yùn)用采用LSSVM方法對短期內(nèi)的風(fēng)向量進(jìn)行估計；以實(shí)時的風(fēng)向量、實(shí)時的氣象影響因素、步驟一獲取的相關(guān)系數(shù)所組成的關(guān)聯(lián)矩陣為輸入?yún)⒘?，得到預(yù)測風(fēng)向量信息；

步驟三：采用改進(jìn)的灰色模型對短期風(fēng)電功率進(jìn)行預(yù)測；采用改進(jìn)的粒子群算法對改進(jìn)灰色預(yù)測模型的背景值進(jìn)一步優(yōu)化；采用步驟二中預(yù)測到的風(fēng)速、風(fēng)向作為輸入變量，輸出初始短期風(fēng)電預(yù)測功率；

步驟四：采用傅里葉殘差序列對初始短期風(fēng)電預(yù)測功率的誤差進(jìn)行補(bǔ)償，得到最終的短期風(fēng)電預(yù)測功率。

所述的基于灰色模型和支持向量機(jī)的短期風(fēng)電功率預(yù)測方法中的步驟一包括以下步驟：

步驟1.1：將氣象影響因素歷史數(shù)據(jù)和風(fēng)向量歷史數(shù)據(jù)轉(zhuǎn)換為無量綱單位；設(shè)定X₀＝{x₀(1),x₀(2),…x₀(k)…x₀(n)}表示預(yù)測風(fēng)向量歷史數(shù)據(jù)的序列，即表示預(yù)測的風(fēng)速和風(fēng)向的序列；X_i＝{x_i(1),x_i(2),…x_i(k)…,x_i(n)}表示氣象影響因素歷史數(shù)據(jù)的序列，即表示溫度歷史數(shù)據(jù)的序列、空氣濕度歷史數(shù)據(jù)的序列、地表氣壓歷史數(shù)據(jù)的序列；其中i∈{1,2,…,D}，D表示氣象歷史數(shù)據(jù)的采集次數(shù)；k∈{1,2,…,n},X₀和X_i初值不等但序列長度相同；