The invention belongs to the technical field of wind power generation, in particular to a confidence interval prediction method of wind power output based on Bootstrap. Firstly, the least square method is used to fit the generating power, and the error of wind power is calculated according to the curve fitted. Then, the error power is classified according to the wind speed, and the Bootstrap algorithm is used to estimate the confidence interval of the classified error power. From the statistical point of view, the distribution rule of generating data is excavated. The prediction result is more accurate and has practical significance. It can accurately predict wind power generation at different wind speeds.
【技术实现步骤摘要】
基于Bootstrap的风电输出功率置信区间预测方法
本专利技术属于风力发电
,尤其涉及一种基于Bootstrap的风电输出功率置信区间预测方法。
技术介绍
风机输出功率与风速有关,且具有随机性和波动性,精准地预测风机输出功率可能出现的范围可以为含有风电的清洁能源电网的规划、运行和稳定分析提供有力支撑。概率预测方法可分为参数预测和非参数预测两大类。参数预测是在假设预测目标服从某种概率分布的前提下,根据历史数据对预测目标进行检验和预测,其效果受限于所假设的分布类型是否与预测目标的分布形式相匹配。但已有的研究结果表明,风机输出功率往往不服从典型的概率分布类型,制约了该类方法的普适性;非参数预测方法无需考虑预测目标的概率分布类型,有效地避免了分布类型选择不当而带来的建模误差。较为成熟的非参数预测方法包括分位点回归、核密度估计和自适应重采样等方法。分位点回归的预测结果与回归函数的选择有关;核密度估计方法需要大量的样本数据,且不易寻找出最佳窗口宽度;自适应重采样的分布函数是通过对多个经验分布函数加权得到的,预测效果受样本影响较大,泛化能力较差。随着计算机运算速度和运算能力的快速增长,面向应用和涉及大量模拟计算的模拟抽样统计推断方法得以实现。其中,Bootstrap方法作为一种增广样本统计方法,以原始数据为基础,另辟蹊径,在其范围内作有放回的再抽样,无需对统计量的分布类型进行假设,也无需增加新的观测数据,即可得到较准确的检验及推理结果,解决了许多传统的统计难题。本设计因此提出了基于Bootstrap非参数概率统计方法计算风机输出功率偏差子集的概率置信区间的方法, ...
【技术保护点】
1.基于Bootstrap的风电输出功率置信区间预测方法,其特征在于,包括以下步骤:步骤1、从风电厂获取发电数据,对数据进行清洗,提取实际风力发电机在线检测设备记录的历史数据;抽取正常运行状态下的历史记录,构建风机输出功率预测的训练样本和测试样本集;步骤2、使用最小二乘法对风机输出功率拟合,得出其特征曲线,将特征曲线上的点与实际输出功率做差求出误差功率。步骤3、对误差功率样本进行统计分析,根据样本与风速的关系,将样本划分成若干个子集。步骤4、确定风速区间后,对不同的区间进行置信区间估计。步骤5、进行发电出力预测;已知某天风速,预测其发电出力情况,根据风速情况确定检验数据所属风速类别,从而确定其所属发电数据类别,返回对应的置信区间,即为该天的发电出力预测。
【技术特征摘要】
1.基于Bootstrap的风电输出功率置信区间预测方法,其特征在于,包括以下步骤:步骤1、从风电厂获取发电数据,对数据进行清洗,提取实际风力发电机在线检测设备记录的历史数据;抽取正常运行状态下的历史记录,构建风机输出功率预测的训练样本和测试样本集;步骤2、使用最小二乘法对风机输出功率拟合,得出其特征曲线,将特征曲线上的点与实际输出功率做差求出误差功率。步骤3、对误差功率样本进行统计分析,根据样本与风速的关系,将样本划分成若干个子集。步骤4、确定风速区间后,对不同的区间进行置信区间估计。步骤5、进行发电出力预测;已知某天风速,预测其发电出力情况,根据风速情况确定检验数据所属风速类别,从而确定其所属发电数据类别,返回对应的置信区间,即为该天的发电出力预测。2.根据权利要求1所述的基于Bootstrap的风电输出功率置信区间预测方法,其特征在于:步骤1中,历史数据包括风速、风向角、环境温度、机舱温度、有功功率和风机运行状态;数据采样周期为1min,记录长度一整年;风机运行状态包括:故障、暂停、待机、运行、维护和通讯中断。3.根据权利要求1所述的基于Bootstrap的风电输出功率置信区间预测方法,其特征在于:步骤3中,按风力等级将样本划分成6个子集;子集区间如表1所示:表1风速分类4.根据权利要求1所述的基于Bootstrap的风电输出功率置信区间预测方法,其特征在于:步骤4中,采用Bootstrap方法对各子集和全集进行概率置信区间估计。5.根据权利要求1所述的基于Bootstrap的风电输出功率置信区间预测方法,其特征在于:所述步骤2中,最小二乘法求取特征曲线包括以下步骤:步骤2-1、给定一系列的测点(xi,yi)要求在...
【专利技术属性】
技术研发人员:马少华,王楚迪,蔡志远,刘志党,
申请(专利权)人:沈阳工业大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。