[發(fā)明專利]基于時空相關性的風電集群功率預測方法

有效

• 申請?zhí)枺?/td>: 202110532494.8
• 申請日: 2021-05-17
• 公開（公告）號: CN113159452B
• 公開（公告）日: 2022-03-01
• 發(fā)明（設計）人: 張家安;劉東;王軍燕;夏云鵬
• 申請（專利權）人: 河北工業(yè)大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 天津翰林知識產(chǎn)權代理事務所(普通合伙) 12210
• 代理人: 張國榮

本發(fā)明公開了一種基于時空相關性的風電集群功率預測方法，該預測方法分析了風電集群中風電場之間的時空相關性，應用多種類型相關性計算方法進行計算，引入Shapley值法進行加權，使相關性評價更加全面，更加精確的計算風電集群中的相關性。該預測方法考慮影響發(fā)電功率的多種因素，將多種因素融合在一起，使風電集群整體時空相關性特征得到提取，從而達到直接風電集群功率預測的效果，避免了現(xiàn)有方法疊加預測造成誤差隨之疊加的弊端，提高了預測精度。此外，應用卷積神經(jīng)網(wǎng)絡提取風電集群的關鍵時空相關特征，達到降低維度的目的，使風電集群的時空相關特征可以直接輸入進神經(jīng)網(wǎng)絡中，與風電集群功率相對應，更加方便的進行風電集群發(fā)電功率預測，使預測精度更高。

技術領域

本發(fā)明屬于風力發(fā)電領域，具體涉及基于時空相關性的風電集群功率預測方法，根據(jù)風電集群相關歷史數(shù)據(jù)，對風電集群發(fā)電功率進行準確預測。

背景技術

近年來風力發(fā)電在全球得到了蓬勃的發(fā)展，大規(guī)模的風電機組分布在各個地區(qū)，隨著低風速風電機的普及，在風速較小的地區(qū)也可以安裝大規(guī)模的風電機組。隨著大規(guī)模風電場的建設，風電集群也就此形成，一個地區(qū)風電集群包括多個風電場，而大規(guī)模的風電場并網(wǎng)，對電網(wǎng)安全和調度形成了較強的影響。

對于大規(guī)模風電場并網(wǎng)，風電集群功率預測是提高電力系統(tǒng)安全與經(jīng)濟性的有效方法。目前疊加法是應用最為廣泛的方法，也就是對集群內(nèi)的所有風電場進行功率預測，將結果簡單累加求和，但顯然這種方法會造成誤差疊加，預測精度較低。基于此，文獻《彭小圣,樊聞翰，王勃等.基于改進空間資源匹配法的風電集群功率預測技術[J].電力建設,2017,38(07):10-17》中應用了基于空間資源匹配法的風電集群功率預測方法。核心思想為將風電集群中所有的風電場看成一個空間資源集合。風機出力與風速的三次方成正比，因此空間資源最重要的參數(shù)為風速。該方法將每時刻集群風速矩陣作為空間資源矩陣，通過計算歷史空間資源矩陣和待預測時刻空間資源矩陣的歐氏距離，獲取與待預測時刻空間資源相似度高的歷史數(shù)據(jù)集合。基于該歷史數(shù)據(jù)集合，通過加權平均的方式，計算得到待預測時刻的風電集群功率。但這種方法只考慮風速對功率的影響，沒有考慮其他因素，所以預測精度也不是很高。

發(fā)明內(nèi)容

本發(fā)明的目的在于，提供一種風電集群功率預測方法，該方法通過根據(jù)風電集群中相關性特征，進行風電集群發(fā)電功率的準確預測。

為實現(xiàn)本發(fā)明目標，采用以下技術方案：設計基于時空相關性的風電集群功率預測方法，其特征在于，該方法包括以下步驟：

步驟一：選用Pearson線性相關系數(shù)ρ_p、Kendall秩相關系數(shù)ρ_k、Spearman秩相關系數(shù)ρ_s作為關系參數(shù)，對目標風電集群中任意兩個不同風電場的歷史數(shù)據(jù)進行上述三種相關系數(shù)計算；結合Shapley值法，求取上述三種相關系數(shù)的權值：以相關系數(shù)值與1的差值作為權值計算準則，三種相關系數(shù)所有組合的相關性差值為P(p)、P(k)、P(s)、P(p,k)、P(p,s)、P(k,s)、P(p,k,s)，其中：

三種相關系數(shù)的Shapley值為：

三種相關系數(shù)對應的權值為：

式中，σ_p為Pearson線性相關系數(shù)對應的權值；σ_k為Kendall秩相關系數(shù)對應的權值；σ_s為Spearman秩相關系數(shù)對應的權值；