[發明專利]一種結合氣象因素的超短期風電場功率預測方法

有效

• 申請號: 202110081818.0
• 申請日: 2021-01-21
• 公開（公告）號: CN112733462B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 單錦寧;王洪哲;王榮茂;王琛淇;陳剛;王鑫;馬欣慰;趙琰;寧兆秋;馬艷娟
• 申請（專利權）人: 國網遼寧省電力有限公司阜新供電公司;國家電網有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N7/08;G06F111/06;G06F113/06
• 代理公司: 錦州遼西專利事務所(普通合伙) 21225
• 代理人: 李輝

一種結合氣象因素的超短期風電場功率預測方法，屬于電力系統發電功率預測技術領域，包括如下步驟：步驟一、對風電功率歷史數據、NWP氣象數據進行預處理，補齊缺失數據和修改異常數據；步驟二、生成風電功率預測模型；步驟三、利用訓練好的模型和未來NWP氣象數據進行未來的風電功率預測。本發明在迭代過程中使用混沌策略周期性地向種群中添加新的螢火蟲個體，從而提升超短期風電功率的預測精度，為電網部門的調度人員對短期的調度決策安排提供有利的依據。

技術領域

本發明屬于電力系統發電功率預測技術領域，具體涉及一種結合氣象因素的超短期風電場功率預測方法。

背景技術

近年來，我國風力發電發展迅速，截止2015年底，我國風電總裝機容量已經達到1.283億kW,連續4年居世界第一，到2020年我國風電裝機有望達2.4億kW以上。與水電、火電、核電等能源相比，風力發電主要由風速、風向、氣壓、溫度、濕度等自然條件決定，具有間歇性、波動性、隨機性的特點。大規模風電并網對電網的安全穩定運行帶來了挑戰，風電功率預測通過氣象預報數據、風電場歷史運行數據、風電場運行狀態數據等參數，預測風電出力變化趨勢，為電網安全、電力調度、電力運營帶來了積極的影響，在考慮氣象因素影響的條件下，單風電場的風電功率預測大多以該風電場SCADA提供的歷史風電功率數據和當地NWP系統提供的氣象數據為預測模型的訓練樣本數據，一般會在模型的建立上做出相應的改進和優化，以達到提升風電功率預測精度的目的，超短期風電功率預測的準確性關乎著電網調度部門的工作人員的決策部署，這對提高電網運行的穩定性和經濟型都有著重要的意義。目前，我國風電功率預測的準確性仍有著很大的上升空間。

門控循環單元神經網絡隸屬于循環遞歸神經網絡家族，是根據長短期神經網絡改進出的一種適用于短時間預測模型構建的神經網絡。它對比常用的BP神經網絡，GRU網絡的收斂速度更快且不容易發生像BP神經網絡在誤差反饋過程中出現的梯度消失和梯度爆炸的情況，主要原因是該網絡復雜的門控單元(細胞狀態)通過偏置和相關參數來實時和靈活的調整激活函數的輸入，進而控制門的開啟和關閉，保存和更新有用的信息，將過程中的梯度進行了抵消，使得GRU深度門控網絡具有高效的性能，適合于處理時間序列中間隔和延遲非常長的事件，如預測風速，入庫徑流，未來天氣狀況、溫度濕度等。

螢火蟲算法(Firefly?Algorithm，FA)是劍橋學者Yang于2008年提出的一種新穎的進化算法，隨著對FA研究的不斷深入，目前該算法已在數值優化、工程技術、資源管理等領域得到應用并取得了良好效果。相比于粒子群算法，螢火蟲算法能夠將種群細分為各個子群體，避免所有個體趨于一個最優值，從而陷入局部最優解。但其算法本身仍然具備其他種群優化算法的缺點。

發明內容

針對上述技術問題，本發明的提出種一種結合氣象因素的超短期風電場功率預測方法，以提高當前風電場所面臨的超短期風電功率預測精度不高的問題，利于其風電場參與風電并網調度，為電網部門的工作人員提供做出調度決策的準確依據。

本發明采用如下技術方案：

一種結合氣象因素的超短期風電場功率預測方法，包括如下步驟：

步驟一、對風電功率歷史數據、NWP氣象數據進行預處理，補齊缺失數據和修改異常數據；

步驟二、生成風電功率預測模型，包括以下步驟：

(1)利用pearson系數分析NWP數據和歷史功率數據之間的相關性，對NWP數據和歷史功率數據歸一化處理，提取相關性強的氣象數據作為模型的輸入，用于訓練預測模型；利用pearson系數對NWP系統提供的氣象數據和風電場SCADA數據采集系統提供的歷史功率數據做相關性分析，提取出的氣象因素包括風速、溫度、大氣密度、濕度分別構成與歷史功率數據具有相同時間步長的向量X和Y,然后利用pearson系數公式：