一种基于多条件下的风电功率区间预测方法技术

本发明专利技术公开了一种基于多条件下的风电功率区间预测方法，包括下述步骤：(1)获取由风电功率历史数据形成的训练矩阵S和验证矩阵V：(2)根据Copula函数的经验分布函数对风电功率历史数据进行处理，获得风电功率分布函数的密度函数；(3)对所述密度函数c(Fm(xk,m))进行整数化处理后对历史数据的相似性进行充分筛选，获得条件离散矩阵L；(4)在置信水平β下，利用条件离散矩阵L对M时刻的风电功率区间进行预测。本发明专利技术充分挖掘风电功率历史数据相邻一个时刻、相邻两个时刻、相邻三个时刻之间的相依关系，对未来某时刻的风电功率区间进行预测，一定程度上能够准确地预测某地风电场的风电功率，一定条件下具有良好的适用性。

【技术实现步骤摘要】

本专利技术属于电力系统中新能源发电的风电功率预测
，更具体地，涉及一种基于多条件下的风电功率区间预测方法。
技术介绍
对风电功率进行准确预测，可使电力调度部门能够提前根据风电功率变化和范围及时调整调度计划，保证系统安全运行，减少系统的备用容量，降低电力系统运行成本，能够有效缓解风电波动性对电力系统的不利影响；同时准确的风电功率预测能减少弃风，充分利用风能资源，提高风电在电力系统中的占比。统计学方法是风电功率预测技术中常用的方法之一，主要思路是统计风电输出功率历史数据，分析相邻时刻之间的相依关系，一般根据t时刻的风电输出功率来预测t+1时刻(即待预测时刻)的风电输出功率。但现有方法中，主要考虑的是待预测时刻与其前一个时刻的相依关系，没有充分挖掘风电功率历史数据之间的内在规律，精度往往也不令人满意。
技术实现思路
针对现有技术的缺陷，本专利技术提供了一种基于多条件下的风电功率区间预测方法，其目的在于充分挖掘历史数据之间的内在联系及规律，提高风电功率区间预测精度。本专利技术提供了一种基于多条件下的风电功率区间预测方法，包括下述步骤：(1)根据风电功率历史数据获取风电功率分布函数，所述风电功率分布函数包括训练矩阵S和验证矩阵V；训练矩阵S用于对本文所提方法的训练，以便有更好的适应过程；验证矩阵V用于验证本文所提方法的有效性；(2)根据Copula函数的经验分布函数对风电功率历史数据进行处理，获得风电功率分布函数的密度函数；(3)对所述密度函数c(Fm(xk,m))进行整数化处理后对历史数据的相似性进行充分筛选，获得条件离散矩阵L；(4)在置信水平β下，利用条件离散矩阵L对M时刻的风电功率区间进行预测。更进一步地，其特征在于，步骤(1)具体为：(1.1)从风电功率历史数据中，选取N个连续M-1时段的风电功率时间序列数据组成风电功率训练矩阵S；(1.2)根据所选的所述训练矩阵S的时刻1，2，…，M-1，选取时刻M的风电功率时间序列数据组成风电功率验证矩阵V；其中，N为风电功率的序列数，M为每个风电功率序列中的时段数；V＝[v1,M…vu,M…vU,M]T，vu,M表示第u个风电功率序列M时刻的风电功率值，u为验证序列的风电功率个数，u＝1，2，…，U。更进一步地，步骤(2)具体为：(2.1)对风电功率序列S'＝{s1,…,sN本文档来自技高网...

【技术保护点】
一种基于多条件下的风电功率区间预测方法，其特征在于，包括下述步骤：(1)根据风电功率历史数据获取风电功率分布函数，所述风电功率分布函数包括训练矩阵S和验证矩阵V；(2)根据Copula函数的经验分布函数对风电功率历史数据进行处理，获得风电功率分布函数的密度函数；(3)对所述密度函数c(Fm(xk,m))进行整数化处理后对历史数据的相似性进行充分筛选，获得条件离散矩阵L；(4)在置信水平β下，利用条件离散矩阵L对M时刻的风电功率区间进行预测。

【技术特征摘要】
1.一种基于多条件下的风电功率区间预测方法，其特征在于，包括下
述步骤：
(1)根据风电功率历史数据获取风电功率分布函数，所述风电功率分
布函数包括训练矩阵S和验证矩阵V；
(2)根据Copula函数的经验分布函数对风电功率历史数据进行处理，
获得风电功率分布函数的密度函数；
(3)对所述密度函数c(Fm(xk,m))进行整数化处理后对历史数据的相似
性进行充分筛选，获得条件离散矩阵L；
(4)在置信水平β下，利用条件离散矩阵L对M时刻的风电功率区
间进行预测。
2.如权利要求1所述的风电功率区间预测方法，其特征在于，步骤(1)
具体为：
(1.1)从风电功率历史数据中，选取N个连续M-1时段的风电功率时
间序列数据组成风电功率训练矩阵S；
(1.2)根据所选的所述训练矩阵S的时刻1，2，…，M-1，选取时刻
M的风电功率时间序列数据组成风电功率验证矩阵V；
其中，S=s1,1...

【专利技术属性】
技术研发人员：黎静华，桑川川，兰飞，符子星，彭珊，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45