一种风电出力区间组合预测方法技术

本发明专利技术公开了一种风电出力区间组合预测方法，针对风力发电受到自然风风速波动影响存在较大不确定性的问题以及预测时间提前所导致的预测精度下降的问题，对风电出力进行范围预测，并基于三种方法实现风电出力预测范围的组合整定，分别基于风速变化比率、基于预测值变化率、基于实际功率优化值三种不同方法得到风电出力的预测区间范围，随后根据历史风电出力数据选择各时段内最优的风电出力预测区间。本发明专利技术方法综合风速变化比率、预测值变化率、实际功率等风电出力的不同参数，并从中选取最优的预测区间，有利于实现更加准确的风电出力预测。

【技术实现步骤摘要】

本专利技术涉及风力发电出力预测领域，具体而言涉及到基于风速不确定区间预测的风电出力预测，并基于三种不同方法建立风电出力区间组合预测模型。
技术介绍
风力发电是清洁发电的主要途径，然而风力发电受到自然风风速的影响，存在很大的不确定性。准确的风电预测是提高风能利用效率的有效途径，也是保证风电接入下电网平衡的重要手段。风力发电企业可以利用预测结果合理安排检修，提高风电场容量系数，降低发电成本。风电出力大小受到天气、季节等因素的影响很大，主要影响因素有：风速；空气密度；风向。其中，对风电出力影响最大的是风速，自然风风速是不恒定的，短时间内变化可能很大，对于风电出力预测是很不利的。目前主要的风电预测方法有：时间序列预测方法、回归分析方法、灰色理论方法、专家系统法、支持向量机等。时间序列预测方法根据历史数据建立数学模型，对未来的目标数据进行预测；回归分析方法，利用数理统计对变量的观测数据进行分析并确定变量间关系；灰色理论方法主要用于对噪声污染过的数据建模；专家系统法通过运用储存的专家知识和经验来推理并决策；支持向量机基于统计学习和结构风险最小化原理。除上述方法外，人工神经网络也在风电预测中应用广泛。人工神经网络是具有自学习，自组织和自适应能力的一个非线性动力学系统。该方法利用过去数据对神经网络的神经元间的权值进行不断修正，从而获得较为理想的预测模型。大量神经元构成的网络系统可以实现非线性映射、分类识别、优化计算等功能，适于求解风电出力预测问题。
技术实现思路
专利技术目的：为了对风电出力进行更加准确的预测，本专利技术提出了一种风电出力区间组合方法，能够提高风电出力区间预测的精度。技术方案：为实现上述目的，本专利技术的风电出力区间组合方法，包括以下步骤：(1)对于某一地区以预设的周期划分风电出力区间的预测时段；(2)采集各时段的风电出力历史数据以及风电场各风速采集点的风速数据；(3)对于某一预测时段，利用所采集到的风速数据分别基于风速变化率方法、预测值变化率方法对风电出力预测范围进行整定，利用所采集到的风电出力历史数据基于实际功率方法对风电出力预测范围进行优化；(4)利用该预测时段上一时段的风电场出力的实际数据和预测数据对三种方法的预测精度进行分析并选择该预测时段的最佳预测方法，将对应的风电出力预测区间作为组合预测的风电出力预测区间。具体地，步骤(3)中在某一预测时段利用所采集到的风速数据基于风速变化率对风电出力预测范围进行整定，包括以下步骤：1)计算该预测时段的上一时段的风速序列中各时刻与其前一时刻的风速数据之间的风速变化比率，形成上一时段的风速变化率序列；2)基于BP神经网络运算，利用该上一时段的风速序列预测该预测时段中各时刻的风速数据，获取该预测时段的风速变化率序列；3)对该预测时段的风速变化率序列中的风速变化率按照等长度划分风速变化率区间，对落在各区间内的风速变化率进行统计得到概率最大的风速变化率区间，将该区间的中间值作为风速不确定区间系数，对于该预测时段的某个时刻，将该时刻的实测风速乘以该不确定区间系数进行风速整定，得到下一时刻风电场出力的预测区间为：Ψ(v×(1-d),t)≤Pt+1≤Ψ(v×(1+d),t)Ψ表示t时刻风速与t+1时刻风电场出力之间的非线性映射关系，该非线性映射关系通过BP神经网络运算得出。具体地，步骤(3)中在某一预测时段利用所采集到的风速数据基于预测值变化率对风电出力预测范围进行整定，包括以下步骤：1)计算该预测时段的上一时段中各时刻输出功率的变化率；2)利用上一时段中各时刻的输出功率变化率以及输出功率预测该预测时段中各时刻的输出功率；3)计算该预测时段中各时刻的输出功率变化率并按照等长度划分输出功率变化率区间，将落在各区间内的输出功率变化率进行统计得到概率最大的区间，将该区间的上界作为功率整定参数δ；4)利用功率整定参数δ对风电场出力进行整定，得到该预测时段中的某一时刻k+1风电场出力的预测区间Θ为：Θ＝[(1-δ)·p(k+1)，(1+δ)·p(k+1)]。具体地，步骤(3)中在某一预测时段基于实际功率对风电出力预测范围进行优化，包括以下步骤：1)利用风电出力历史数据和风速数据对BP神经网络进行训练；2)利用训练好的BP神经网络依次获取该预测时段中各未知时刻的输出功率预测值；3)对于该预测时段的某一未知时刻，计算该未知时刻的上一时刻输出功率实际值和输出功率预测值之间的差值，作为该时刻的优化参数δ，利用优化参数δ对该时刻的输出功率预测值进行优化，得到该时刻的风电场出力的预测区间，对于某个未知时刻k的风电场出力的预测区间为：Θk＝[(1-δ)·pk，(1+δ)·pk]。上述步骤(4)中利用该预测时段上一时段的风电场出力的实际数据和预测区间对三种方法的预测精度进行分析并选择该预测时段的最佳预测方法，具体为：统计上一时段中各时刻风电场出力的实际数据分别落入三种方法预测区间的总数，将总数最大对应的方法作为该预测时段的最佳预测方法。有益效果：本专利技术中的风电出力区间组合方法首先分别基于风速变化比率、基于预测值变化率、基于实际功率优化值三种不同方法利用神经元网络模型以及序列模型得到风电出力的预测区间范围，随后根据历史风电出力数据选择各时段内最优的风电出力预测区间，并对各时段预测基于历史数据选取最优的预测方法，免除了独立使用其中某个预测方法存在一定局限性的缺点，有利于提高风电出力区间预测的精度；本专利技术中的风电出力区间组合方法针对风电出力不确定性，以出力区间预测代替传统风电确定性预测，更加适应风电出力的偶然性特点；可针对不同的地理环境、风电场装机情况进行分析研究，具有较强的适应性，对于风电出力区间预测方法的改进及推广具有较好的增益效果。附图说明图1为本专利技术中的风电出力区间组合预测方法的流程图；图2为基于实际功率的风电出力预测范围优化流程图；图3为实施例1中基于风速变化比率方法在预测时段中实现95％～105％风速区间风电场出力预测结果；图4为实施例1中基于预测值变化率方法在预测时段中的风电出力区间预测结果；图5为实施例1基于实际功率的风电出力预测范围优化整定方法在预测时段中的风电出力预测范围优化结果。具体实施方式下面结合实施案例对本专利技术方法作更进一步的说明。如图1所示，本专利技术中的风电出力区间组合预测方法包括以下步骤：(1)划分风电出力区间预测时段，采集各时段的风电出力历史数据以及风电场各风速采集点的风速数据。风电场出力主要受到风速的影响，风速存在较大不确定性，但对于同一地区同时段(季节)的风速，存在一定的规律，因此，将需要进行风电出力区间预测的时段加以划分，主要基于相同季节(月份)以及相同时段(日期)，不同地区季节划分存在差异，时段划分采用2-4天为一周期。例如：对于某一地区，以8月的1号至4号作为一个时段，以5号至9号作为一个时段，以4天为一个周期依次类推。(2)利用所采集的风电场各风速采集点的风速数据，分别采用三种不同方法对风电场出力区间进行预测，预测时采用前一时段数据预测后一时段：a)基于风速变化比率的风电出力预测范围整定风电场出力预测的准确度与风速预测的准确度息息相关，为了对风电场出力范围进行界定，可首先对风速变化进行预测，基于风速变化预测区间范围实现对风电场出力区间预测。定义风速变化率： 本文档来自技高网...

【技术保护点】
一种风电出力区间组合预测方法，其特征在于，包括以下步骤：(1)对于某一地区以预设的周期划分风电出力区间的预测时段；(2)采集各时段的风电出力历史数据以及风电场各风速采集点的风速数据；(3)对于某一预测时段，利用所采集到的风速数据分别基于风速变化率方法、预测值变化率方法对风电出力预测范围进行整定，利用所采集到的风电出力历史数据基于实际功率方法对风电出力预测范围进行优化；(4)利用该预测时段上一时段的风电场出力的实际数据和预测数据对三种方法的预测精度进行分析并选择该预测时段的最佳预测方法，将对应的风电出力预测区间作为组合预测的风电出力预测区间。

【技术特征摘要】
1.一种风电出力区间组合预测方法，其特征在于，包括以下步骤：(1)对于某一地区以预设的周期划分风电出力区间的预测时段；(2)采集各时段的风电出力历史数据以及风电场各风速采集点的风速数据；(3)对于某一预测时段，利用所采集到的风速数据分别基于风速变化率方法、预测值变化率方法对风电出力预测范围进行整定，利用所采集到的风电出力历史数据基于实际功率方法对风电出力预测范围进行优化；(4)利用该预测时段上一时段的风电场出力的实际数据和预测数据对三种方法的预测精度进行分析并选择该预测时段的最佳预测方法，将对应的风电出力预测区间作为组合预测的风电出力预测区间。2.根据权利要求1所述的风电出力区间组合预测方法，其特征在于，步骤(3)中在某一预测时段利用所采集到的风速数据基于风速变化率对风电出力预测范围进行整定，包括以下步骤：1)计算该预测时段的上一时段的风速序列中各时刻与其前一时刻的风速数据之间的风速变化比率，形成上一时段的风速变化率序列；2)基于BP神经网络运算，利用该上一时段的风速序列预测该预测时段中各时刻的风速数据，获取该预测时段的风速变化率序列；3)对该预测时段的风速变化率序列中的风速变化率按照等长度划分风速变化率区间，对落在各区间内的风速变化率进行统计得到概率最大的风速变化率区间，将该区间的中间值作为风速不确定区间系数，对于该预测时段的某个时刻，将该时刻的实测风速乘以该不确定区间系数进行风速整定，得到下一时刻风电场出力的预测区间为：Ψ(v×(1-d),t)≤Pt+1≤Ψ(v×(1+d),t)Ψ表示t时刻风速与t+1时刻风电场出力之间的非线性映射关系，该非线性映射关系通过BP神经网络运算得出。3.根据权利要求1所述的风电出力区间组合预测方法，其特征在于，...

【专利技术属性】
技术研发人员：李扬，吴奇珂，宋天立，陈昕儒，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32