一种基于SVM的高原山区的风电功率预测方法和装置制造方法及图纸

本发明专利技术公开了一种基于SVM的高原山区的风电功率预测方法，首先获取与高原地区对应的风速数据，然后对风速数据以天为单位进行第一聚类，得到多类第一风速样本数据，其次，再对各类第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据，将各类第二风速样本数据作为风电功率预测的最终风速样本数据，以对高原山区的风电功率进行预测，能够同时利用以风速相似的天为单位和以风速相似的连续几天的时间段为单位的风速数据对高原地区不同位置的风机的风电功率进行预测，达到了对高原地区不同位置的风机的风电功率进行精确预测的目的。本发明专利技术还公开了一种基于SVM的高原山区的风电功率预测装置，效果如上。

【技术实现步骤摘要】
一种基于SVM的高原山区的风电功率预测方法和装置
本专利技术涉及电力
，特别涉及一种基于SVM的高原山区的风电功率预测方法和装置。
技术介绍
风电功率预测指的是对平原地区或者高原地区的风机的出力功率进行预测，一般情况下，风机的出力功率和风速之间具有比例关系，在得知风速数据后便能对风机的出力功率进行预测。目前对高原山区的风电功率的预测采用的方法是相似日方法，对于相似日方法是根据预测日期的风速、风向、温度和湿度等物理量的特性，从历史数据中选取与预测日期相似的m个日期作为预测样本，以对风电功率进行预测；该种方法能横向考虑日的相似性规律，即将风速相似的日期的风速作为风电功率预测的预测样本，但是由于大气运动是一个长期连续渐变的过程，仅采用风速相似的日期的风速作为风电功率预测的样本，风电功率的预测精度较低。此外，对于高原山区，由于高原山区的山脉不处于同一水平线，因此高原山区地形受回风影响较大，处于高原山区的不同地形类型的风机的出力功率会受到回风的影响，若将某一测风塔测得的数据作为处于高原山区的不同位置处的风机的风速，则对各风机的风电功率预测将会产生较大的误差，即风电功率的预测精度较低。因此，如何针对处于高原地区不同位置的风机的风电功率进行预测，提高风电功率预测的精确度是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于SVM的高原山区的风电功率预测方法和装置，针对处于高原地区不同位置的风机的风电功率进行预测，提高了风电功率预测的精确度。为实现上述目的，本专利技术实施例提供了如下技术方案：第一，本专利技术实施例提供了一种基于SVM的高原山区的风电功率预测方法，包括：获取与高原山区对应的风速数据；对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据；将各类所述第二风速样本数据作为所述风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测。优选的，所述对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据具体包括：选取与所述风速数据对应的风速特征矢量；对所述风速特征矢量进行最大最小归一化，得到归一化风速数据；利用K-means聚类算法对所述归一化风速数据进行第一聚类。优选的，所述利用K-means对所述归一化风速数据进行第一聚类包括：确定所述K-means聚类算法的初始聚类数和第一目标函数，所述第一目标函数具体为所述归一化风速数据至与所述归一化样本数据对应的聚类中心的欧式距离的平方和最小；根据所述初始聚类数计算所述归一化风速数据的初始化聚类中心，得到第一聚类数；从所述第一聚类数对应的聚类中心中选取最大初始化聚类中心，将所述最大初始化聚类中心分裂为两个聚类中心，得到第二聚类数；计算所述归一化风速数据至所述最大初始化聚类中心的欧式距离，将所述欧式距离满足预设要求的归一化风速数据归为一类，重复迭代直至满足所述目标函数。优选的，所述对各类所述第一风速样本数据利用SVM以连续预设天数为单位进行第二聚类包括：确定所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段；确定所述SVM的判决函数；利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数，得到所述以预设天数为单位的多类第二样本风速数据。优选的，所述利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数包括：利用所述第一风速样本数据中的风速特征矢量确定第二目标函数；将所述第二目标函数转换为对偶函数；求解所述对偶函数的向量，利用所述向量求解所述SVM的判决函数。第二，本专利技术实施例提供了一种基于SVM的高原山区的风电功率预测装置，包括：获取模块，用于获取与高原山区对应的风速数据；第一聚类模块，用于对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；第二聚类模块，用于对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据，将各类所述第二风速样本数据作为所述风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测。优选的，所述第一聚类模块包括：选取单元，用于选取与所述风速数据对应的风速特征矢量；归一化单元，用于对所述风速特征矢量进行最大最小归一化，得到归一化风速数据；第一聚类单元，用于利用K-means聚类算法对所述归一化风速数据进行第一聚类。优选的，所述第二聚类模块包括：第一确定单元，用于确定所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段；第二确定单元，用于确定所述SVM的第二目标函数；求解单元，用于利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数，得到所述以预设天数为单位的多类第二样本风速数据。优选的，所述第一聚类单元包括：确定子单元，用于确定所述K-means聚类算法的初始聚类数和第一目标函数，所述第一目标函数具体为所述归一化风速数据至与所述归一化样本数据对应的聚类中心的欧式距离的平方和最小；第一计算子单元，用于根据所述初始聚类数计算所述归一化风速数据的初始化聚类中心，得到第一聚类数；选取子单元，用于从所述第一聚类数对应的聚类中心中选取最大初始化聚类中心，将所述最大初始化聚类中心分裂为两个聚类中心，得到第二聚类数；第二计算子单元，用于计算所述归一化风速数据至所述最大初始化聚类中心的欧式距离，将所述欧式距离满足预设要求的归一化风速数据归为一类，重复迭代直至满足所述目标函数。第三，本专利技术实施例提供了另一种基于SVM的高原山区的风电功率预测装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序以实现以上任一种提到的基于SVM的高原山区的风电功率预测方法的步骤。可见，本专利技术实施例公开的一种基于SVM的高原山区的风电功率预测方法，首先获取与高原地区对应的风速数据，然后对风速数据以天为单位进行第一聚类，得到多类第一风速样本数据，其次，再对各类第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据，将各类第二风速样本数据作为风电功率预测的最终风速样本数据，以对高原山区的风电功率进行预测，因此，采用本方案，能够同时利用以风速相似的天为单位和以风速相似的连续几天的时间段为单位的风速数据对高原地区不同位置的风机的风电功率进行预测，考虑到了大气的连续性对高原地区不同位置的风机的风电功率的影响。达到了对高原地区不同位置的风机的风电功率进行精确预测的目的。此外，本专利技术实施例还公开了一种基于SVM的高原山区的风电功率预测装置，效果如上。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例公开的一种基于SVM的高原山区的风电功率预测方法流程示意图；图2为本专利技术实施例公开的一种基于SVM的高原山区的风电功率本文档来自技高网...

【技术保护点】
1.一种基于SVM的高原山区的风电功率预测方法，其特征在于，包括：获取与高原山区对应的风速数据；对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据；将各类所述第二风速样本数据作为所述风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测。

【技术特征摘要】
1.一种基于SVM的高原山区的风电功率预测方法，其特征在于，包括：获取与高原山区对应的风速数据；对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据；对各类所述第一风速样本数据基于SVM以连续预设天数为单位进行第二聚类，得到多类第二风速样本数据；将各类所述第二风速样本数据作为所述风电功率预测的最终风速样本数据，以对所述高原山区的风电功率进行预测。2.根据权利要求1所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述对所述风速数据以天为单位进行第一聚类，得到多类第一风速样本数据具体包括：选取与所述风速数据对应的风速特征矢量；对所述风速特征矢量进行最大最小归一化，得到归一化风速数据；利用K-means聚类算法对所述归一化风速数据进行第一聚类。3.根据权利要求2所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述利用K-means对所述归一化风速数据进行第一聚类包括：确定所述K-means聚类算法的初始聚类数和第一目标函数，所述第一目标函数具体为所述归一化风速数据至与所述归一化样本数据对应的聚类中心的欧式距离的平方和最小；根据所述初始聚类数计算所述归一化风速数据的初始化聚类中心，得到第一聚类数；从所述第一聚类数对应的聚类中心中选取最大初始化聚类中心，将所述最大初始化聚类中心分裂为两个聚类中心，得到第二聚类数；计算所述归一化风速数据至所述最大初始化聚类中心的欧式距离，将所述欧式距离满足预设要求的归一化风速数据归为一类，重复迭代直至满足所述目标函数。4.根据权利要求1所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述对各类所述第一风速样本数据利用SVM以连续预设天数为单位进行第二聚类包括：确定所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段；确定所述SVM的判决函数；利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数，得到所述以预设天数为单位的多类第二样本风速数据。5.根据权利要求4所述的基于SVM的高原山区的风电功率预测方法，其特征在于，所述利用所述第一风速样本数据中的风速特征矢量和所述第一风速样本数据中的连续天数时间段求解所述SVM的判决函数包括：利用所述第一风速样本数据中的风速特征矢量确定第二目标函数；将所述第二目标函数转换为对偶函数；求解所述对偶函数的向量，利用所述向量求...

【专利技术属性】
技术研发人员：言缵弘，马溪原，雷金勇，胡洋，于海洋，练依情，郭晓斌，袁智勇，周长城，郭祚刚，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：广东,44