一种风电出力的智能预测方法技术

本发明专利技术涉及一种风电出力的智能预测方法，包括步骤：步骤S1.收集风电出力功率和气象指标数据；步骤S2.对收集的数据进行移动平滑处理；步骤S3.构建支持向量回归机模型，将经过移动平滑处理后的风电出力功率作为输出变量，将经过移动平滑处理后的气象指标数据作为输入变量，对支持向量回归机模型进行训练；步骤S4.对支持向量回归机模型的参数进行优化，再重新利用步骤S3中的输入变量和输出变量对模型进行训练；步骤S5.获取待预测的气象数据，移动平滑处理后输入经过优化并重新训练的支持向量回归机模型，得到风电出力功率预测值。本发明专利技术能够实现对短期风电出力功率的精确预测。

An intelligent prediction method for wind power output

The invention relates to a prediction method of wind power intelligent comprises the following steps: step S1. collection of wind power output power and meteorological index data; step S2. the data collected for smoothing processing; step S3. construct support vector regression model, the wind power smoothing after processing power output as output variables, the the meteorological index data smoothing processed as input variables, the support vector regression model for training; parameters of support vector regression model to optimize the step S4., again using the input and output variables in step S3 model training; step S5. meteorological data acquisition forecast, mobile smoothing after input after optimization and re training support vector regression model, get the predictive value of wind power output power. The present invention can accurately predict the output power of short-term wind power.

【技术实现步骤摘要】
一种风电出力的智能预测方法
本专利技术涉及风力发电的
，尤其涉及一种风电出力的智能预测方法。
技术介绍
风力发电是目前可再生能源发电技术中较为成熟，并具有大规模开发条件和商业前景的发电方式之一。随着电力十三五规划中对加大可再生能源发电占比的要求，未来风力发电将进一步得到长足发展。然而，风电出力受风速的影响较大，风速的不稳定性造成了风电出力的间歇性和不确定性，因此增加了电网计划和调度的难度。一方面对电网的安全稳定运行带来看挑战，另一方面，由此带来的旋转备用容量的增加提高了风力发电的运营整体成本。因而，对风电出力进行准确预测就尤为重要。准确合理的风电出力预测可以为风电场的运营计划及电网的调度安排提供必要的支持，对于降低电网运营风险、降低风电场发电及电网调度成本具有较大的作用和意义。目前，针对风电出力的预测方法是在考虑风速等气象因素的基础上根据历史数据进行仿真拟合得出未来的风电出力情况。预测方法分为传统预测方法如趋势外推、线性回归及智能预测方法如神经网络等。传统预测方法通过不同的数学公式来拟合和研究风电出力的历史变化规律，根据用电量的发展趋势来达到预测风电出力的目的。智能预测方法则是本文档来自技高网...

【技术保护点】
一种风电出力的智能预测方法，其特征在于，包括以下步骤：步骤S1.收集风电出力功率和气象指标数据；步骤S2.对收集的数据进行移动平滑处理；步骤S3.构建支持向量回归机模型，将经过移动平滑处理后的风电出力功率作为输出变量，将经过移动平滑处理后的气象指标数据作为输入变量，对支持向量回归机模型进行训练；步骤S4.对支持向量回归机模型的参数进行优化，再重新利用步骤S3中的输入变量和输出变量对模型进行训练；步骤S5.获取当前的气象数据，移动平滑处理后输入经过优化并重新训练的支持向量回归机模型，得到风电出力功率预测值。

【技术特征摘要】
1.一种风电出力的智能预测方法，其特征在于，包括以下步骤：步骤S1.收集风电出力功率和气象指标数据；步骤S2.对收集的数据进行移动平滑处理；步骤S3.构建支持向量回归机模型，将经过移动平滑处理后的风电出力功率作为输出变量，将经过移动平滑处理后的气象指标数据作为输入变量，对支持向量回归机模型进行训练；步骤S4.对支持向量回归机模型的参数进行优化，再重新利用步骤S3中的输入变量和输出变量对模型进行训练；步骤S5.获取当前的气象数据，移动平滑处理后输入经过优化并重新训练的支持向量回归机模型，得到风电出力功率预测值。2.根据权利要求1所述的风电出力的智能预测方法，其特征在于，所述气象指标数据包括平均气压、海平面气压、平均气温、最高气温、最低气温、相对湿度、2分钟平均风速、2分钟平均风向、10分钟平均风向、10分钟平均风速、10分钟最大风速时风向、10分钟最大风速、10分钟最大风速时间的历史基础数据。3.根据权利要求1所述的风电出力的智能预测方法，其特征在于，步骤S2中，通过构建移动平均模型进行移动平滑处理。4.根据权利要求1所述的风电出力的智能预测方法，其特征在于，步骤S3中，训练支持向量回归机模型之前，还包括：对输入变量及输出变量收集的样本数据进行归一化处理。5.根据权利要求4所述的风电出力的智能预测方法，其特征在于，所述归一化处理采用极值法。6.根据权利要求1所述的风电出力的智能预测方法，其特...

【专利技术属性】
技术研发人员：赵欣，李昌陵，刘金朋，贾政豪，何琳，杨书英，杨亚丽，陈超，
申请(专利权)人：国网新疆电力公司经济技术研究院，国家电网公司，华北电力大学，北京华电卓越科技有限公司，
类型：发明
国别省市：新疆,65