[發明專利]一種基于Spark的PCFOA-KELM風功率預測方法及裝置

在審

• 申請號: 202111232892.4
• 申請日: 2021-10-22
• 公開（公告）號: CN114154679A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 經正俊;齊剛;宋坤;張世磊;馬馳源;吉書強;周安;倪曉鋒;王文貴;管超;甘露平
• 申請（專利權）人: 南京華盾電力信息安全測評有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/12;G06Q50/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 王麗霞

本發明公開了一種基于Spark的PCFOA?KELM風功率預測方法及裝置。方法包括：采集風電場中影響單臺風機風功率的氣象指標數據；利用Spark平臺對所述氣象指標數據進行預處理；將預處理后的氣象指標數據輸入預先訓練好的對應于所述單臺風機的KELM模型，所述KELM模型輸出所述單臺風機的風功率預測值；將風電場中所有風機的風功率預測值相加，得到風電場的總功率預測值。KELM模型是基于Spark平臺，利用風電場中影響單臺風機風功率的氣象指標和對應的風功率歷史數據作為訓練樣本對KELM模型進行訓練，并利用PCFOA算法對KELM模型進行參數尋優得到的。本發明能夠實現對風功率高效準確地預測，同時很好地提升了運行速度。

技術領域

本發明涉及一種基于Spark的PCFOA(并行混沌果蠅優化算法，ParallelChaoticFruit Fly Optimization Algorithm)-KELM(核極限學習機，Kernel ExtremeLearning Machine)風功率預測方法及裝置，屬于風力發電領域。

背景技術

風力發電受氣象因素影響，隨著季節和地理位置的不同，使得風電系統輸出功率具有波動性、隨機性和間歇性等特點。對風功率進行高精度預測，是評估風電場運行狀態的基礎，是電網規劃設計和調度運行的一項重要依據，對保障電網的安全穩定運行具有重要意義。

在風功率預測技術研究上，很多高校、企業和研究所等在著手進行，目前提出的風功率預測方法大致可分為：物理法和統計法兩類。

物理法是基于數值天氣預報NWP(Numerical Weather Prediction)和地勢信息等數據，通過仿真模型(如微觀氣象模型、CFD模型等)得到風速等數據，然后結合實際功率曲線獲得預測結果。該方法適用于地形復雜風電場，且不需要大量數據，但是計算非常復雜，由于NWP分辨率不容易達到使用要求，使得預測精度難以保證。統計法是利用機器學習方法，如神經網絡、支持向量機和時間序列法等，基于歷史數據建立預測模型進行預測。該方法可以自適應風電場位置，自適應減小誤差，但需要大量歷史數據，存在訓練尋優速度慢等問題。

隨著工業4.0時代的到來，大數據技術在智慧電廠中得到了越來越多的應用。鑒于風功率預測數據量大，數據類型復雜等特點，有學者提出將大數據技術運用其中，對大規模數據集進行處理，減少訓練和預測時間，提高預測準確率。

在基于大數據平臺進行建模的方案中，目前已有的方案為：通過Hadoop平臺對風功率預測輸入數據進行處理分析，然后結合利用BP神經網絡和SVM建立組合模型等進行建模預測；基于Hadoop平臺建立并行式的SVM模型，通過并行計算進行SVM尋優及功率預測。

就目前現有技術而言，一方面，傳統的物理法算法復雜度高，計算非常復雜，預測精度基本依賴于氣象數據預測情況，預測精度有待提高；而統計法需要對大量歷史數據進行處理，存在數據訓練尋優時間過長，難以滿足預測的及時性，進行實際應用。另一方面，在運用大數據技術進行風功率預測的算法中，未能充分利用大數據平臺的技術優勢，分別只是在數據的預處理或者并行模型計算上運用了大數據相關技術。此外，傳統的風功率預測是針對整個電廠進行預測，隨著風電場的擴建，由于各臺風機所處位置氣象條件和地理條件是有所差異，導致對整個風電場建模進行預測的精度不夠高。

發明內容

本發明的目的在于提供一種基于Spark的PCFOA-KELM風功率預測方法及裝置，以解決如何快速準確的進行風功率預測，在保障預測精度的同時提高運行速度的問題。

為實現上述目的，本發明采用如下技術方案：

一方面，一種基于Spark的PCFOA-KELM風功率預測方法，包括：

采集風電場中影響單臺風機風功率的氣象指標數據；

利用Spark平臺對所述氣象指標數據進行預處理；