[發(fā)明專利]基于S變換的風電功率預測誤差分析與分類方法

有效

• 申請?zhí)枺?/td>: 202110360165.X
• 申請日: 2021-04-02
• 公開（公告）號: CN113033904B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設計）人: 齊先軍;張付華;張晶晶
• 申請（專利權）人: 合肥工業(yè)大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發(fā)明公開了一種基于S變換的風電功率預測誤差分析與分類方法，其步驟包括：1.計算風電功率預測誤差序列；2.利用S變換計算風電功率預測誤差的時頻譜；3.建立并計算基于時頻域的預測誤差分析指標；4.對風電功率預測誤差進行分類。本發(fā)明能夠展示風電功率預測誤差在時頻域的分布情況，從時頻角度提取風電功率預測誤差的特征，進而提出風電功率的橫向預測誤差與縱向預測誤差指標，并利用所提時頻指標對風電功率預測誤差進行分類。本發(fā)明能為分析與評估風電功率的預測誤差、評價與比較不同預測模型的預測效果提供重要參考。

技術領域

本發(fā)明涉及預測誤差分析與分類技術領域，特別是風電功率預測誤差的時頻分析與分類方法。

背景技術

準確的風電功率預測技術是減輕風電波動對電網調度的不利影響、保障電力系統(tǒng)安全可靠運行的關鍵。目前有多種風電功率預測模型，如時間序列預測模型、神經網絡預測模型、支持向量機預測模型等，這些模型從不同的角度利用歷史數(shù)據來預測未來的風電功率，預測誤差也各有不同。對風電功率預測誤差進行分析與分類是風電功率預測技術研究的一項重要內容。對預測誤差進行分析與分類，可以了解預測模型的運行情況，探究預測誤差的變化規(guī)律，識別不同預測模型的預測誤差分布特點。對不同預測方法、預測模型進行對比分析與分類，有利于預測模型與誤差估計模型的改進，從而提高預測精度，更好地利用預測結果服務生產實際。

風速的不確定性導致風電機組輸出的風電功率表現(xiàn)出強烈的隨機性、波動性與間歇性。風電功率是一種含有多種頻率成分的非平穩(wěn)信號，隨之產生的預測誤差信號也常伴有一定的非平穩(wěn)性。然而目前對預測誤差的分析還局限于時域上的統(tǒng)計指標，如平均誤差、平均相對誤差、平均絕對誤差、均方根誤差等，這些指標是對一段時間內預測誤差的統(tǒng)計分析，不能很好地分析具有時變特性的非平穩(wěn)信號，指標計算結果也僅能體現(xiàn)預測誤差在時域上的整體誤差水平，而無法體現(xiàn)非平穩(wěn)預測誤差信號的時變譜分布特征，不能深入洞悉預測誤差在幅值誤差和相位誤差上的時變規(guī)律，從而無法對風電功率預測誤差進行合理的分類，無法準確掌握預測誤差的數(shù)據特點，不利于建立有針對性的誤差評估模型，不利于預測精度的提高。

發(fā)明內容

本發(fā)明為了解決上述現(xiàn)有技術存在的不足之處，提出基于S變換的風電功率預測誤差分析與分類方法，以期能對風電功率預測誤差進行更加有效的分析與分類，從而有利于建立更加準確的預測誤差模型，以提高風電功率預測模型的精度。

為了達到上述目的，本發(fā)明采用的技術方案為：

本發(fā)明一種基于S變換的風電功率預測誤差分析與分類方法的特點是按照如下步驟進行：

步驟1：采集某風電場的實測風電功率序列{p_act(j)|j＝0,1,2,…,N-1}；根據風電場的歷史風電功率序列，利用預測模型得到預測風電功率序列{p_pre(j)|j＝0,1,2,…,N-1}；其中，j表示第j個采樣點；N表示采樣點總數(shù),且為偶數(shù)；p_act(j)表示第j個采樣點的實測風電功率，p_pre(j)表示第j個采樣點的預測風電功率；

利用式(1)計算第j個采樣點的風電功率預測誤差序列p_err(j)；

p_err(j)＝p_act(j)-p_pre(j)， j＝0,1,2,…,N-1 (1)

步驟2:利用式(2)對風電功率預測誤差序列{p_err(j)|j＝0,1,2,…,N-1}作離散S變換，得到預測誤差的時頻譜S_err[j,n]；