[發(fā)明專利]一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310041861.3
• 申請(qǐng)日: 2023-01-28
• 公開（公告）號(hào): CN115796231A
• 公開（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 彭燕;高川;肖科;黃巍;吳自厚
• 申請(qǐng)（專利權(quán)）人: 湖南賽能環(huán)測(cè)科技有限公司
• 主分類號(hào): G06N3/0442
• 分類號(hào): G06N3/0442;G06N3/084;G06F18/22;G06F18/23213;G06F18/213;G01P5/00;G06F123/02
• 代理公司: 長(zhǎng)沙大珂知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236
• 代理人: 伍志祥

本發(fā)明涉及風(fēng)速預(yù)測(cè)的技術(shù)領(lǐng)域，揭露了一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法，所述方法包括：對(duì)原始風(fēng)速序列數(shù)據(jù)進(jìn)行相似性類別聚類；對(duì)不同類別中的風(fēng)速序列數(shù)據(jù)進(jìn)行多尺度譜密度分解，得到若干風(fēng)速序列數(shù)據(jù)分解分量和殘余分量；將相似性較高的風(fēng)速序列數(shù)據(jù)分解分量進(jìn)行重構(gòu)合并；使用超短期風(fēng)速預(yù)測(cè)識(shí)別模型對(duì)重構(gòu)合并后的風(fēng)速序列數(shù)據(jù)分解分量以及殘余分量進(jìn)行風(fēng)速預(yù)測(cè)；將超短期風(fēng)速預(yù)測(cè)識(shí)別模型輸出的各分量的預(yù)測(cè)結(jié)果進(jìn)行疊加，得到超短期風(fēng)速預(yù)測(cè)結(jié)果。本發(fā)明將不同類別的風(fēng)速序列數(shù)據(jù)進(jìn)行分解，得到風(fēng)速序列在不同尺度的規(guī)律信息，利用超短期風(fēng)速預(yù)測(cè)識(shí)別模型對(duì)不同分解分量進(jìn)行預(yù)測(cè)，從而實(shí)現(xiàn)不同尺度的風(fēng)速序列預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)速預(yù)測(cè)的技術(shù)領(lǐng)域，尤其涉及一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法。

背景技術(shù)

近年來，我國(guó)風(fēng)電裝機(jī)容量迅速增長(zhǎng)，并網(wǎng)規(guī)模不斷擴(kuò)大。但由于風(fēng)能的間歇性和波動(dòng)性等特點(diǎn)導(dǎo)致并網(wǎng)回饋的電能會(huì)對(duì)電網(wǎng)的安全運(yùn)行產(chǎn)生負(fù)面影響，造成該影響的重要原因在于無法對(duì)風(fēng)能進(jìn)行快速精準(zhǔn)預(yù)測(cè)導(dǎo)致無法及時(shí)反饋控制，若不能減少風(fēng)力發(fā)電波動(dòng)帶來的負(fù)面影響，會(huì)對(duì)風(fēng)力發(fā)電產(chǎn)生較大影響。針對(duì)該問題，本發(fā)明提出一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法，緩解電力系統(tǒng)調(diào)峰、調(diào)頻的壓力，增強(qiáng)電網(wǎng)安全運(yùn)行穩(wěn)定性。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法，目的在于：利用相似性類別方法對(duì)原始風(fēng)速序列數(shù)據(jù)進(jìn)行聚類處理，將相似風(fēng)速數(shù)據(jù)合并為一類，并構(gòu)建風(fēng)速序列數(shù)據(jù)分解分量相似性度量模型，將所選取類別中相似性較高的風(fēng)速序列數(shù)據(jù)分解分量進(jìn)行重構(gòu)合并，減少數(shù)據(jù)維度，提高后續(xù)的風(fēng)速預(yù)測(cè)效率；利用多尺度譜密度分解方法將不同類別的風(fēng)速序列數(shù)據(jù)進(jìn)行分解，得到風(fēng)速序列在不同尺度的規(guī)律信息，其中不同的尺度分別代表長(zhǎng)期趨勢(shì)信息、周期信息以及噪聲信息，分解得到的風(fēng)速序列數(shù)據(jù)分解分量蘊(yùn)含了更多的風(fēng)速信息，利用超短期風(fēng)速預(yù)測(cè)識(shí)別模型對(duì)不同分解分量進(jìn)行預(yù)測(cè)，從而實(shí)現(xiàn)不同尺度的風(fēng)速序列預(yù)測(cè)，提高預(yù)測(cè)結(jié)果的準(zhǔn)確性，并將不同尺度的預(yù)測(cè)結(jié)果進(jìn)行疊加，得到最終的超短期風(fēng)速預(yù)測(cè)結(jié)果。

實(shí)現(xiàn)上述目的，本發(fā)明提供的一種時(shí)態(tài)分析的超短期風(fēng)速預(yù)測(cè)方法，包括以下步驟：

S1：采集原始風(fēng)速序列數(shù)據(jù)，并對(duì)原始風(fēng)速序列數(shù)據(jù)進(jìn)行相似性類別聚類，得到不同類別的風(fēng)速序列數(shù)據(jù)；

S2：分別對(duì)不同類別中的風(fēng)速序列數(shù)據(jù)進(jìn)行多尺度譜密度分解，得到若干風(fēng)速序列數(shù)據(jù)分解分量和殘余分量；

S3：選取最優(yōu)類別的風(fēng)速序列數(shù)據(jù)分解分量和殘余分量，構(gòu)建風(fēng)速序列數(shù)據(jù)分解分量相似性度量模型，將所選取類別中相似性較高的風(fēng)速序列數(shù)據(jù)分解分量進(jìn)行重構(gòu)合并，得到重構(gòu)合并后的風(fēng)速序列數(shù)據(jù)分解分量；

S4：構(gòu)建超短期風(fēng)速預(yù)測(cè)識(shí)別模型，使用該模型對(duì)重構(gòu)合并后的風(fēng)速序列數(shù)據(jù)分解分量以及殘余分量進(jìn)行風(fēng)速預(yù)測(cè)；

S5：將超短期風(fēng)速預(yù)測(cè)識(shí)別模型輸出的各分量的預(yù)測(cè)結(jié)果進(jìn)行疊加，得到超短期風(fēng)速預(yù)測(cè)結(jié)果。

作為本發(fā)明的進(jìn)一步改進(jìn)方法：

可選地，所述S1步驟中采集原始風(fēng)速序列數(shù)據(jù)，包括：

利用風(fēng)速傳感器采集原始風(fēng)速序列數(shù)據(jù)，所述原始風(fēng)速序列數(shù)據(jù)的格式為：

其中：

表示采集到時(shí)刻的風(fēng)速數(shù)據(jù)。

在本發(fā)明實(shí)施例中，所選取風(fēng)速傳感器為三杯風(fēng)速傳感器。

可選地，所述S1步驟中對(duì)原始風(fēng)速序列數(shù)據(jù)進(jìn)行相似性類別聚類，包括：

對(duì)原始風(fēng)速序列數(shù)據(jù)進(jìn)行相似性類別聚類，得到不同類別的風(fēng)速序列數(shù)據(jù)，所述相似性類別聚類流程為：

S11：從原始風(fēng)速序列數(shù)據(jù)中隨機(jī)選取k個(gè)時(shí)刻的風(fēng)速數(shù)據(jù)作為初始類別的中心點(diǎn)，計(jì)算原始風(fēng)速序列數(shù)據(jù)中所有非中心點(diǎn)到中心點(diǎn)的歐式距離，其中所述非中心點(diǎn)表示原始風(fēng)速序列數(shù)據(jù)中未被選取的n-k個(gè)時(shí)刻的風(fēng)速數(shù)據(jù)；

S12：將每個(gè)中心點(diǎn)構(gòu)建為聚類簇，將非中心添加到與自身距離最近的聚類簇中；