[發(fā)明專利]一種基于灰度共生矩陣的短期風速預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011292598.8
• 申請日: 2020-11-18
• 公開（公告）號: CN112801332A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計）人: 張峰;謝斌鑫;錢宇;許欣宇;伍紹鋮;謝誠;宋珊珊
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司江陰市供電分公司;國家電網(wǎng)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06T7/45;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種用于風電機組風速預(yù)測的方法，提供了一種能夠?qū)︼L能的屬性進行更準確表征的良好模型。該方法的主要步驟包括：一、采集風電機組端風速數(shù)據(jù)，構(gòu)建基礎(chǔ)的基于時間序列的風速原始數(shù)據(jù)集；二、對原始數(shù)據(jù)集進行歸一化處理，采用基于灰度共生矩陣的紋理特征提取方法，對風速時間圖像進行特征提取；三、采用BP神經(jīng)網(wǎng)絡(luò)對步驟二提取的特征向量進行訓(xùn)練建模，得到小時風速預(yù)測模型；四、采用風速預(yù)測模型進行風速預(yù)測，得到未來數(shù)小時的風速預(yù)測數(shù)據(jù)。該模型基于風速圖像特性更準確的表征了其隨機性及不穩(wěn)定性的特點，提高風速預(yù)測的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種風電場短期風速預(yù)測方法，尤其是涉及一種基于灰度共生矩陣(GLCM-BP，GLCM為灰度共生矩陣；BP為多層前饋神經(jīng)網(wǎng)絡(luò))模型對短期風速進行預(yù)測的方法，屬于風電技術(shù)領(lǐng)域。

背景技術(shù)

目前，新能源的發(fā)展越來越受到世界各國的重視，且它的諸多優(yōu)點也決定其在未來人類社會能源結(jié)構(gòu)中將逐步取代傳統(tǒng)化石能源而占據(jù)主導(dǎo)地位。風能因其資源豐富、開發(fā)潛力大、分布廣、儲量大、綠色清潔環(huán)保無污染等特點成為近幾年全球發(fā)展最快的新能源，據(jù)有關(guān)資料統(tǒng)計，我國的風力發(fā)電量可滿足6％的用電需求。

受地域條件和氣象因素的影響，風能資源具有的不確定性和間歇性特點，導(dǎo)致分布式新能源發(fā)電系統(tǒng)的輸出功率表現(xiàn)出不同程度的波動和閃變，進而引發(fā)電網(wǎng)電壓和頻率的波動，影響電網(wǎng)的安全穩(wěn)定運行。因此，有效預(yù)測短期內(nèi)風速變化有助于風電系統(tǒng)的穩(wěn)定運行，提高風電高滲透率地區(qū)電網(wǎng)穩(wěn)定性。

發(fā)明內(nèi)容

本發(fā)明的目的在于考慮到風速的非線性及不穩(wěn)定性，提供一種提高風速預(yù)測模型的準確性的基于灰度共生矩陣的短期風速預(yù)測方法。其中，灰度共生矩陣 (GLCM)是一種常用的通過研究灰度的空間相關(guān)性來描述圖像紋理特征的方法。 BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，其非線性映射能力和自學(xué)習(xí)能力強，適合求解內(nèi)部機制復(fù)雜的問題。

為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是提供了一種基于灰度共生矩陣的短期風速預(yù)測方法，包含有以下步驟：

步驟一：采集風電機組端風速數(shù)據(jù)，構(gòu)建基礎(chǔ)的基于時間序列的風速原始數(shù)據(jù)集；

步驟二：對原始數(shù)據(jù)集進行歸一化處理，采用基于灰度共生矩陣的紋理特征提取方法對風速數(shù)據(jù)時間圖像進行特征提取；

步驟三：采用BP神經(jīng)網(wǎng)絡(luò)算法對步驟二提取的特征向量進行訓(xùn)練建模，得到風速預(yù)測模型；

步驟四：采用風速預(yù)測模型進行風速預(yù)測，得到短期的風速預(yù)測數(shù)據(jù)；隨后根據(jù)預(yù)測的風速值為風電場運行提供決策支持。具體對于風電場而言，風機端控制系統(tǒng)可以根據(jù)預(yù)測的風速提前進行變槳動作或進行風能捕獲最大化調(diào)節(jié)；對于電網(wǎng)調(diào)度而言，通過預(yù)測風速估算風電場出力情況，進行人為或自動干預(yù)作出最優(yōu)調(diào)度決策。

所述步驟一中，對原始風速數(shù)據(jù)集進行統(tǒng)計，劃分部分做為訓(xùn)練集樣本，部分做為測試集樣本；

所述步驟二中，對原始數(shù)據(jù)集進行歸一化處理從而消除由于數(shù)據(jù)量綱不同帶來的誤差，根據(jù)歸一化后的數(shù)據(jù)作出v_t-t圖像。采用基于灰度共生矩陣的紋理特征描述法對v_t-t圖像進行特征提取，其主要內(nèi)容如下：

灰度共生矩陣是圖像的一種二階統(tǒng)計量。給定一副數(shù)字圖像I(x，y)，其灰度級為L，則灰度共生矩陣P(x，y)為I(x，y)中沿方向θ，間隔為d的兩個像素點對(i，j)的統(tǒng)計數(shù)目n。P(x，y)的尺寸為L×L，n為灰度共生矩陣在P(i，j)的像素值，選擇θ＝0°、45°、90°、135°四個方向分別生成灰度共生矩陣。