[發(fā)明專利]一種基于相似日和FRS-SVM的短期風電功率預測方法

在審

• 申請?zhí)枺?/td>: 202011011176.9
• 申請日: 2020-09-23
• 公開（公告）號: CN112132344A
• 公開（公告）日: 2020-12-25
• 發(fā)明（設計）人: 熊雄;葉小嶺;丁杰;成金杰
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/06
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹蕓

本發(fā)明公開了一種基于相似日和FRS?SVM的短期風電功率預測方法，屬于短期風電功率預測方法技術領域。該方法采用離散Fréchet距離作為相似性判據，定義預測日與歷史日之間的整體相似度公式，并以此匹配相似日樣本。相似日樣本縮減了樣本量，提高了建模數據的相似性。然后針對原始特征存在相互關聯(lián)、非線性和不相關性等特點，增加了訓練模型的復雜度，引入模糊粗糙集（FRS）方法消除冗余特征，優(yōu)化SVM模型的輸入。相似日方法和FRS方法同時在樣本數量和樣本特征2個層面對數據進行預處理，節(jié)約了SVM模型的訓練時間，提高了預測精度。本發(fā)明能夠有效改善預測拐點處預測精度的不足，具有一定的實用價值。

技術領域

本發(fā)明涉及一種基于相似日和FRS-SVM(模糊粗糙集-支持向量機)的短期風電功率預測方法，屬于短期風電功率預測方法技術領域。

背景技術

能源是人類社會活動的重要物質基礎。伴隨著社會經濟的快速發(fā)展，人類社會對能源的需求和使用大量增加，傳統(tǒng)化石燃料的過度開采和利用造成了空氣污染和生態(tài)環(huán)境破壞。同時，由于傳統(tǒng)能源的有限性，我們正面臨著能源消耗危機。因此，發(fā)展和利用可再生能源在世界范圍內越來越受到關注。

風能作為清潔的可再生能源，因其易開發(fā)、成本低，正日益受到世界各國的重視。從環(huán)境和經濟方面的考慮，風力發(fā)電作為利用風能的有效方式，已成為各國促進能源結構調整的重要措施。風電本身受自然風影響而具有隨機性、波動性和間歇性，為大規(guī)模風電并網運行埋下了巨大的安全隱患。使用風電功率預測技術是解決風電并網消納問題的關鍵措施之一，能夠有效減少間歇性風能對電力系統(tǒng)運行的影響，并為電力部門制定發(fā)電計劃和調度決策提供參考。

針對短期風電功率的預測方法主要集中在尋求先進的優(yōu)化算法和預測模型上。隨著我國風電產業(yè)的迅猛發(fā)展，風場的數據集體量大，來源廣，但是由于棄風、限功率運行等問題，導致數據質量參差不齊，價值密度低。大量的風電場觀測資料不僅包含著冗余信息，而且影響預測模型的訓練效率。因此，在提高短期風電功率預測精度的方法上，以數據為導向的預測方式顯得尤為重要，以訓練樣本進行細化選取以增強模型對特定風況的代表性和適應性。

發(fā)明內容

本發(fā)明提出了一種基于相似日和FRS-SVM的短期風電功率預測方法，采用離散Fréchet距離作為相似性判據，定義預測日與歷史日之間的整體相似度公式，并以此匹配相似日樣本。相似日樣本縮減了樣本量，提高了建模數據的相似性。然后針對原始特征存在相互關聯(lián)、非線性和不相關性等特點，增加了訓練模型的復雜度，引入模糊粗糙集(FRS)方法消除冗余特征，優(yōu)化SVM模型的輸入。相似日方法和FRS方法同時在樣本數量和樣本特征2個層面對數據進行預處理，節(jié)約了SVM模型的訓練時間，提高了預測精度。

本發(fā)明為解決其技術問題采用如下技術方案：

一種基于相似日和FRS-SVM短期風電功率預測方法，包括以下步驟：

步驟1)采集影響風電功率的主要因素，包括風速v、風向d、氣溫t、氣壓p、濕度h氣象要素，以及同時刻的實測功率Power；

步驟2)結合周邊風場數據實測數據和中尺度WRF模式預報的氣象數據源對目標風場的異常數據進行修正；

步驟3)采用離散Fréchet距離作為風速、風向、溫度、氣壓、濕度時間序列的相似性判據來定義整體相似度，并依據整體相似度來匹配與預測日相似的歷史相似日，并將相似日樣本及其對應時刻的功率數據作為初始樣本；

步驟4)采用FRS方法對初始樣本中的風速、風向、溫度、氣壓、濕度特征進行約簡，并將剔除特征后的樣本作為最終的訓練樣本；

步驟5)采用SVM作為預測模型，建立相似日-FRS-SVM預測模型進行風電功率預測，將模型預測的結果與預測日實際功率進行對比。

步驟2)中，所述的異常數據的修正方法包括對異常值的剔除和缺失值的插補。