[發明專利]基于爬坡事件特征識別的風電功率短期預測方法和系統

在審

• 申請號: 202110098335.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112766583A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 崔楊;陳正洪;何英杰;李芬;熊雄;楊戈;許沛華;徐濤濤
• 申請（專利權）人: 湖北省氣象服務中心（湖北省專業氣象服務臺）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

基于爬坡事件特征識別的風電功率短期預測方法和系統，預測方法包括以下步驟：利用最優旋轉門算法識別出歷史風電功率中具有爬坡趨勢的功率段；利用移動滑窗算法進行爬坡趨勢段的整合，識別爬坡事件；對識別出的爬坡事件進行分類；建立風電功率爬坡事件預測模型，進行爬坡事件功率預測；建立短期風電功率預測模型，獲取初步風電功率預測結果；利用爬坡事件功率預測結果對初步風電功率預測結果進行訂正，得到最終的短期風電功率預測結果。本發明結合風電爬坡事件識別進行風電功率短期預測，能夠準確的預測出因轉折性天氣、極端氣候事件造成的風電功率爬坡事件，從而有效提高風電功率短期預測準確率。

技術領域

本發明屬于風電功率預測領域，具體涉及一種基于爬坡事件特征識別的風電功率短期預測方法和系統。

背景技術

風電作為可再生能源，在全球范圍內已得到了大力的發展。隨著風電在電網中滲透率的提高，其隨機性和波動性會嚴重影響電力系統的安全和穩定運行，因此，開展風電功率預測非常重要。對于電網側來說，準確的功率預測結果能夠指導電網提前預留旋轉備用容量，及時調峰，保障電網的安全穩定運行。風電功率預測有助于風電企業合理安排檢修計劃，提高經濟效益和盈利能力。此外，風電作為并網電源，需要參與日前電力市場競價，因此，對風電功率預測的依賴性和需求度越來越高。根據國家能源局的相關文件，具備風電功率預測已經成為風電場發電并網運行的強制性要求。風電場需要每日向電網申報發電計劃，上報功率預測結果，如果預測誤差不達標，風電場將面臨高額的經濟懲罰。

風電功率預測的準確性通常基于精準的數值天氣預測和功率預測方法。然而，隨著天氣條件、風電機組運行等不確定性因素的增加，關于風電功率預測準確性的提高逐漸進入瓶頸。傳統的風電功率預測方法通常基于單一的機器學習方法或統計學方法，由于大氣系統的噪聲環境和混沌特性，傳統方法難以識別短期風電功率預測中固有的非線性和高度復雜特性，且當數據量較大時，容易出現陷入局部極小值，收斂速度困難等問題，訓練過程容易出現震蕩，并導致預測結果不穩定。已有研究表明風電功率爬坡事件是造成電網安全事故的重要因素之一，也是影響風電功率預測準確率的主要因素之一，以往的風電功率預測方法難以準確預測出爬坡事件。準確識別爬坡事件特征，將有利于開展風電功率預測。但現有的風電功率爬坡事件識別方法要么過于復雜導致算法執行效率過低，要么識別精度不高，從而影響后續的功率預測精度。因此，探尋更加準確有效的風電功率預測方法具有重要的現實意義。

[1]葉林,路朋,滕景竹,等.考慮風電功率爬坡的功率預測-校正模型[J].電力系統自動化,2019,43(06)：70-79.

[2]李俊卿,李秋佳.基于Kriging和長短期記憶網絡的風電功率預測方法[J].太陽能學報,2020,41(11)：241-247.

[3]崔楊,陳正洪,許沛華.基于機器學習的集群式風光一體短期功率預測技術[J].中國電力,2020,53(03)：1-7.

發明內容

本發明的目的在于針對上述現有技術中風電功率爬坡事件識別方法復雜且識別精度不高的問題，提供一種基于爬坡事件特征識別的風電功率短期預測方法和系統，能夠有效提高短期風電功率預測準確率，并適用于多種地形和氣候條件下的風電功率預測。

為了實現上述目的，本發明有如下的技術方案：

一種基于爬坡事件特征識別的風電功率短期預測方法，包括以下步驟：

步驟一、利用最優旋轉門算法識別出歷史風電功率中具有爬坡趨勢的功率段；

步驟二、利用移動滑窗算法進行爬坡趨勢段的整合，識別爬坡事件；

步驟三、對識別出的爬坡事件進行分類；

步驟四、建立風電功率爬坡事件預測模型，進行爬坡事件功率預測；