基于卡尔曼滤波器对于风力发电预测数据的自动校准方法技术

本发明专利技术公开了基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，包括采集S电站发电功率的风机总有功数据；计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；算出K时间点的最优预测功率值；根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。通过电站上报的发电功率和系统预测的发电功率来估算出最优的风力发电预测数据，与其他预测系统预测的数据相比较，排除气象因素对预测结果的影响，即环境稳定的情况下，卡尔曼滤波器对数据的预测更精准，更偏向于实际数据。

An Automatic Calibration Method for Wind Power Prediction Data Based on Kalman Filter

The invention discloses an automatic calibration method for wind power prediction data based on Kalman filter, which includes collecting total active power data of wind turbines of S power station, calculating total active power of wind turbines at K time point, estimating the optimal total active power of wind turbines at that time point, calculating the optimal predictive power value of K time point, and calculating the optimal predictive power value according to Kalman filter. The covariance is reserved for the last time, and the optimal power value of each time point in a short time can be estimated quickly and infinitely close to the actual power. The optimal forecast data of wind power generation is estimated by the power reported by the power station and the power predicted by the system. Compared with the data predicted by other prediction systems, the Kalman filter is more accurate in predicting the data and more inclined to the actual data when the environment is stable, excluding the influence of meteorological factors on the forecast results.

【技术实现步骤摘要】
基于卡尔曼滤波器对于风力发电预测数据的自动校准方法
本专利技术属于电力系统信息
，具体涉及一种基于卡尔曼滤波器对于风力发电预测数据的自动校准方法。
技术介绍
当前，随着智能电网的快速发展，其的结构日益复杂、规模日益扩大，因此，与之相应的调度自动化系统也需要具备超大规模电网的数据处理、计算和预测能力。目前对于风力发电预测数据没有统一标准、预测数据与实际值偏差较大，且一些电站上报的数据差距较大，风力发电预测数据需要比较精准的数据来展示其发电数据的时间曲线。同时，由于电网规模的庞大，我们现在需要更准确地对风力发电预测数据的自动校准，来提前预知未来几天内风力发电的情况，及时处理即将发生的意外情况，改善各风力发电厂的工作效率，提高风力能源的利用率。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于卡尔曼滤波器对于风力发电预测系统数据的自动校准方法。通过系统的预测数据，结合卡尔曼滤波器的预测方法，不断的把covariance(协方差)递归，从而估算出最优的风力发电预测数据。。为实现上述技术目的，本专利技术采取的技术方案为：基于卡尔曼滤波器对于风力发电预测数据的自本文档来自技高网...

【技术保护点】
1.基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，其特征在于：包括以下步骤：步骤1：采集S电站风机总有功数据；步骤2：计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；步骤3：算出K时间点的最优预测功率值；步骤4：根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。

【技术特征摘要】
1.基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，其特征在于：包括以下步骤：步骤1：采集S电站风机总有功数据；步骤2：计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；步骤3：算出K时间点的最优预测功率值；步骤4：根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。2.根据权利要求1所述的基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，其特征在于：步骤1所述采集S电站发电功率的风机总有功数据具体实现步骤如下：步骤1-1：采集S电站上报的短期内...

【专利技术属性】
技术研发人员：陆晓，雷震，金鑫，尹飞，顾俊，李剑，祝永晋，严佳欣，张鸿鸣，王松，戴炀，蒋超，
申请(专利权)人：江苏方天电力技术有限公司，国网江苏省电力有限公司，国家电网公司，
类型：发明
国别省市：江苏,32