[發(fā)明專利]一種結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)預(yù)測(cè)算法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210256315.7
• 申請(qǐng)日: 2022-03-16
• 公開（公告）號(hào): CN114386718A
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 李智歡;劉淼;張俊峰
• 申請(qǐng)（專利權(quán)）人: 廣州兆和電力技術(shù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06N20/20;G06N5/00;H02J3/00;H02J3/38
• 代理公司: 杭州寒武紀(jì)知識(shí)產(chǎn)權(quán)代理有限公司 33271
• 代理人: 于金鳳

本發(fā)明公開了一種結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)預(yù)測(cè)算法，包括以下步驟：步驟一：進(jìn)行風(fēng)電功率預(yù)測(cè)特征分析，分析的數(shù)據(jù)包括風(fēng)電功率的不確定性、條件性與地域性；步驟二：對(duì)風(fēng)力發(fā)電影響因素分析，其具體分析過(guò)程如下：在整個(gè)風(fēng)力發(fā)電系統(tǒng)中，風(fēng)機(jī)將空氣的動(dòng)能轉(zhuǎn)化為其軸系上的機(jī)械能，并傳送到風(fēng)力發(fā)電機(jī)轉(zhuǎn)子軸上，最后轉(zhuǎn)化為電能，這是實(shí)現(xiàn)能量轉(zhuǎn)換的第一個(gè)環(huán)節(jié)步；步驟驟三：結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)動(dòng)態(tài)預(yù)測(cè)模型，即獲取到BP?PSO混合神經(jīng)網(wǎng)絡(luò)模型，其通過(guò)給定一組輸入值和輸出值作為訓(xùn)練數(shù)據(jù)。本發(fā)明能夠采用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，通過(guò)誤差判別函數(shù)，動(dòng)態(tài)調(diào)整模型參數(shù)，實(shí)現(xiàn)對(duì)風(fēng)電功率的動(dòng)態(tài)預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)力發(fā)電領(lǐng)域，具體涉及一種結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)預(yù)測(cè)算法。

背景技術(shù)

在建設(shè)新型電力系統(tǒng)的政策影響下，風(fēng)力能源被大規(guī)模地開發(fā)利用，風(fēng)電設(shè)備裝機(jī)的總?cè)萘匡@著提升，但也給風(fēng)電并網(wǎng)帶來(lái)了的難題。風(fēng)電場(chǎng)的輸出功率與風(fēng)能直接相關(guān)，由于風(fēng)力具有隨機(jī)性、波動(dòng)性以及不確定性等特點(diǎn)，因此風(fēng)力發(fā)電具有較強(qiáng)的隨機(jī)性和波動(dòng)性。雖然風(fēng)電作為非水清潔能源具有顯著的優(yōu)勢(shì)，可以有效緩解傳統(tǒng)化石能源的枯竭及環(huán)境污染，減少碳排放，但是因其反調(diào)峰性、波動(dòng)性以及間歇性等特征，大大增加了風(fēng)電并網(wǎng)的難度。隨著全社會(huì)對(duì)電能質(zhì)量的重視程度持續(xù)提升，電力系統(tǒng)的穩(wěn)定運(yùn)行被提高到了新的高度，因此，風(fēng)力發(fā)電功率預(yù)測(cè)是保障高比例新能源電力系統(tǒng)安全穩(wěn)定運(yùn)行的必要前提。從風(fēng)電場(chǎng)自身角度而言，準(zhǔn)確的功率預(yù)測(cè)結(jié)果可以提供風(fēng)電場(chǎng)的運(yùn)維水平，降低棄風(fēng)率；從電力系統(tǒng)角度來(lái)看，可靠的功率預(yù)測(cè)結(jié)果能有有效降低風(fēng)力發(fā)電功率的不確定性及其所帶來(lái)的不利影響，有助于調(diào)度部門制定和及時(shí)調(diào)整調(diào)度計(jì)劃，減少系統(tǒng)旋轉(zhuǎn)備用容量，降低運(yùn)營(yíng)成本。源端逐年攀升的風(fēng)電并網(wǎng)比例使得當(dāng)前電網(wǎng)的不確定性增強(qiáng)，為保證電能質(zhì)量和電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行，對(duì)風(fēng)力發(fā)電功率的預(yù)測(cè)精度提出了更高的要求，亟需探索風(fēng)力發(fā)電功率預(yù)測(cè)方法，實(shí)現(xiàn)對(duì)風(fēng)電發(fā)電功率的高精度預(yù)測(cè)，目前風(fēng)電功率預(yù)測(cè)方法大多基于歷史數(shù)據(jù)的Markov模型、持續(xù)性模型、回歸預(yù)測(cè)法、人工神經(jīng)網(wǎng)絡(luò)(artificialneural networks，ANN)法以及灰色預(yù)測(cè)法等，但受限于風(fēng)電場(chǎng)物理模型和氣象預(yù)報(bào)信息的精度，預(yù)測(cè)效果并不是很理想。迄今為止，在對(duì)風(fēng)電場(chǎng)輸出功率預(yù)測(cè)模型進(jìn)行動(dòng)態(tài)調(diào)整方面的研究很少，所用模型以數(shù)值天氣預(yù)報(bào)為基礎(chǔ)建立相應(yīng)的模型，如基于BP人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測(cè)系統(tǒng)、基于粒子群優(yōu)化的短期風(fēng)功率預(yù)測(cè)方法、基于混沌DNA遺傳算法與PSO組合優(yōu)化的短期風(fēng)電功率預(yù)測(cè)模型等。

這些風(fēng)電場(chǎng)輸出功率的預(yù)測(cè)模型都有一個(gè)共同的缺陷，當(dāng)模型一旦確定下來(lái)，在之后的預(yù)測(cè)過(guò)程中，不論出現(xiàn)什么情況都將繼續(xù)沿用該模型。沒(méi)有考慮到由于訓(xùn)練數(shù)據(jù)與實(shí)時(shí)測(cè)量數(shù)據(jù)間的關(guān)聯(lián)性變?nèi)酰F(xiàn)有的訓(xùn)練模型已經(jīng)不適應(yīng)現(xiàn)階段的預(yù)測(cè)工作而導(dǎo)致預(yù)測(cè)誤差增大。因此，本發(fā)明提出一種結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)預(yù)測(cè)算法，采用粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，通過(guò)誤差判別函數(shù)，動(dòng)態(tài)調(diào)整模型參數(shù)，實(shí)現(xiàn)對(duì)風(fēng)電功率的動(dòng)態(tài)預(yù)測(cè)。

發(fā)明內(nèi)容

本發(fā)明提供了一種結(jié)合粒子群神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)輸出功率短時(shí)預(yù)測(cè)算法。

本發(fā)明是通過(guò)以下技術(shù)方案解決上述技術(shù)問(wèn)題的，本發(fā)明包括以下步驟：

步驟一：進(jìn)行風(fēng)電功率預(yù)測(cè)特征分析，分析的數(shù)據(jù)包括風(fēng)電功率的不確定性、條件性與地域性；

步驟二：對(duì)風(fēng)力發(fā)電影響因素分析，其具體分析過(guò)程如下：在整個(gè)風(fēng)力發(fā)電系統(tǒng)中，風(fēng)機(jī)將空氣的動(dòng)能轉(zhuǎn)化為其軸系上的機(jī)械能，并傳送到風(fēng)力發(fā)電機(jī)轉(zhuǎn)子軸上，最后轉(zhuǎn)化為電能，這是實(shí)現(xiàn)能量轉(zhuǎn)換的第一個(gè)環(huán)節(jié)；

風(fēng)能功率可由式(1)表示，本質(zhì)上是一種動(dòng)能：

(1)

其中，為時(shí)間，為空氣密度，為進(jìn)入風(fēng)機(jī)槳葉掃掠面之前的風(fēng)速，掃風(fēng)面積，為空氣質(zhì)量，為空氣流動(dòng)能。

風(fēng)機(jī)槳葉在轉(zhuǎn)動(dòng)過(guò)程中，會(huì)存在能量的損失，即并不是所有風(fēng)能都能夠被風(fēng)電機(jī)捕獲，結(jié)合(1)式，可推出風(fēng)電機(jī)捕獲的風(fēng)能：

(2)

(3)