[發(fā)明專利]一種風電功率組合預測方法

在審

• 申請?zhí)枺?/td>: 202011503970.5
• 申請日: 2020-12-18
• 公開（公告）號: CN112613655A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設計）人: 曹茜;胡志云;周紅蓮;王洪濤;董昱廷;付林;張瑞龍;王斌;陳誠;趙軍;華東
• 申請（專利權(quán)）人: 國網(wǎng)新疆電力有限公司經(jīng)濟技術(shù)研究院;國家電網(wǎng)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種風電功率組合預測方法，其特征在于，包括以下步驟：

S1，構(gòu)建權(quán)重序列優(yōu)化配置模型：以權(quán)重序列為變量，以單一風電功率預測值的加權(quán)組合與真實值間差值最小目標，構(gòu)建權(quán)重序列優(yōu)化配置模型，采用智能算法獲取權(quán)重序列配置結(jié)果；

S2，建立權(quán)重序列預測模型：以相鄰2個時段的風電出力值以及基于上述權(quán)重序列優(yōu)化配置模型得到的對應時段的權(quán)重序列配置結(jié)果為輸入與輸出，訓練獲取權(quán)重序列預測模型；

S3，預測風電功率：采用已訓練好的權(quán)重序列預測模型與單一風電功率預測模型，預測未來時段風電功率。

2.根據(jù)權(quán)利要求1所述的風電功率組合預測方法，其特征在于，所述步驟S1中，以權(quán)重序列為變量，以單一風電功率預測值的加權(quán)組合與真實值間差值最小目標，構(gòu)建權(quán)重序列優(yōu)化配置模型，采用智能算法獲取權(quán)重序列配置結(jié)果，具體包括：

S101，以k-1時段風電出力真實值P_k-1為樣本，形成x行列向量，采用n種單一風電功率預測方法，分別預測得到相鄰k時段的風電出力值均為y行列向量，并由此獲取該時段風電出力組合預測矩陣p'_k，p'_k為y行n列矩陣，如式1所示：

將組合預測矩陣p'_k按行劃分，得到y(tǒng)個n列的行向量，劃分如式2所示：

S102，以n行y列矩陣w_k為變量，將其按列劃分，得到y(tǒng)個n行列向量計算獲取k時段風電出力組合預測結(jié)果p_k，p_k為n階方陣，如式3所示：

S103，將k時段風電出力真實值序列P_k與風電出力組合預測結(jié)果p_k在對應時刻點作差，并取其絕對值之和最小為目標，構(gòu)建的權(quán)重序列優(yōu)化配置模型如式4所示：

S104，采用智能算法對公式4進行求解，其中求得行列向量為權(quán)重序列。

3.根據(jù)權(quán)利要求2所述的風電功率組合預測方法，其特征在于，所述步驟S2中，以相鄰2個時段的風電出力值以及基于上述權(quán)重序列優(yōu)化配置模型得到的對應時段的權(quán)重序列配置結(jié)果為輸入與輸出，訓練獲取權(quán)重序列預測模型，具體包括：

S201，依據(jù)步驟S101-S103所述的權(quán)重序列優(yōu)化配置模型及其求解方法，計算得到k時段與k+1時段的權(quán)重矩陣w_k與w_k+1；

S202，以k時段的風電出力真實值P_k與對應時段的權(quán)重矩陣w_k為輸入，以k+1時段的風電出力真實值P_k+1與對應時段的權(quán)重矩陣w_k+1為輸出，對BP神經(jīng)網(wǎng)絡進行訓練，獲取權(quán)重序列預測模型。

4.根據(jù)權(quán)利要求3所述的風電功率組合預測方法，其特征在于，所述步驟S3中，采用已訓練好的權(quán)重序列預測模型與單一風電功率預測模型，預測未來時段風電功率，具體包括：

S301，以k+1時段的風電出力真實值P_k+1為樣本，采用上述n種單一風電功率預測方法，分別預測得到k+2時段的并由上述公式1與公式2計算獲取y個n列的行向量

S302，仍以k+1時段的風電出力真實值P_k+1為樣本，采用步驟S201-S202所述的權(quán)重序列預測模型，計算獲取k+2時段的權(quán)重預測矩陣w_k+2，將其按列劃分得到y(tǒng)個n行列向量

S303，將由上述n種單一風電功率預測方法預測得到的經(jīng)加權(quán)組合，得到k+2時段的風電出力值p_k+2，如式5所示：

S304，重復上述步驟S301～S303，預測獲取未來時段風電出力值。

5.根據(jù)權(quán)利要求2所述的風電功率組合預測方法，其特征在于，所述智能算法為GA算法、PSO算法以及混沌算法中的一種或多種。