基于固有时间尺度分解的风功率短期预测方法及系统技术方案

本公开公开了基于固有时间尺度分解的风功率短期预测方法及系统，包括：将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。

【技术实现步骤摘要】
基于固有时间尺度分解的风功率短期预测方法及系统
本公开涉及可再生能源、风能预测领域，特别是涉及基于固有时间尺度分解的风功率短期预测方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。随着经济发展、社会进步，传统能源进一步枯竭，燃烧传统能源对环境的污染破坏进一步加重，人们将目光投向了可再生能源。风能作为一种清洁能源，因为其安装成本低，发电效率较高，得到了快速的发展，世界各地风电装机量逐年提高。然而，风电来源于风能，由于风力不稳定，导致风电场的功率出力不稳定，风电并网就成为了很大的问题。因此，为了更好的控制风电场的功率出力，就需要对风功率进行准确稳定的预测。对于风功率的预测，主要有两种主要方法：物理方法和统计方法。物理方法利用卫星和地面设备所测量的数据，根据风电场所在的地理位置和风机叶片所在的高度，来进行风功率的预测；统计方法则是根据风电场风功率的历史数据和当前数据，来进行预测。物理方法是在宏观角度来进行预测，由于其预测范围较大，对于特定位置的风电场而言，预测精度不是很高，并且所需要的通信能力和处理能力较高，不是最佳选择。相比之下，统计方法则更加准确，且成本较低。在实现本公开的过程中，专利技术人发现现有技术中存在以下技术问题：对于统计方法来预测风功率，国内外做了很多研究，方法也有很多，主要包括：持续模型，自回归移动平均模型，卡尔曼滤波器，模糊预测，人工神经网络以及支持向量机等，但这些方法准确度并不是十分高，为了提高准确性，信号分解方法如小波分解、经验模态分解等被用来作预处理，结合各种预测方法来进行风功率预测。
技术实现思路
为了解决现有技术的不足，本公开提供了基于固有时间尺度分解的风功率短期预测方法及系统；利用固有时间尺度分解算法对历史数据进行分解，求每个分量的反向差分，形成训练数据，使用最小二乘支持向量机对训练数据进行训练，得出预测函数，然后输入当前数据来进行风功率预测，可以更准确，更稳定的预测风功率。第一方面，本公开提供了基于固有时间尺度分解的风功率短期预测方法；基于固有时间尺度分解的风功率短期预测方法，包括：将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。第二方面，本公开提供了基于固有时间尺度分解的风功率短期预测系统；基于固有时间尺度分解的风功率短期预测系统，包括：分解模块，其被配置为：将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；预测模块，其被配置为：将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。第三方面，本公开还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。第五方面，本公开还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。与现有技术相比，本公开的有益效果是：1)本公开所使用的分解算法是固有时间尺度分解算法，是一种可以将实际信号分解成一些具有实际物理的意义的分量，对每个分量分别进行处理，具有现实的物理意义，这样的分解方法使得风功率预测具有很好的预测基础，可以通过多个分量的预测提高预测精度。2)本公开所使用的学习算法是最小二乘支持向量机，可以对具有实际物理意义的分量的后向差分建立预测模型，最小二乘支持向量机可以很好的学习历史数据，建立高纬度的预测模型，可以大大提高每个分量预测的准确度。3)本公开所使用的训练样本是各个分量的后向差分数值，所要预测的数值也是该数值，后向差分可以减去各类干扰和偏移量，使得预测结果更加符合实际情况。4)本公开在风功率短期预测方面具有很好的准确性和稳定性，对于现代风电场的控制具有重要意义，并且可以降低风电并网带来的冲击性。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为本公开实施例一的流程图；图2(a)-图2(f)为本公开实施例一的风功率序列的固有时间尺度分解结果；图3(a)-图3(c)为本公开实施例一的本公开方法的风功率单步预测结果及误差分析。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。实施例一本实施例提供了基于固有时间尺度分解的风功率短期预测方法；如图1所示，基于固有时间尺度分解的风功率短期预测方法，包括：S101：将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；S102：将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。作为一个或多个实施例，所述方法还包括：S103：当待进行风功率预测时间点的风功率预测值预测出来后，将滑动窗口滑动一步，产生一组新的历史数据，对新的历史数据分解得到新的分量，对新的分量进行处理得到新的后向差分，将滑动窗口内的本文档来自技高网...

【技术保护点】
1.基于固有时间尺度分解的风功率短期预测方法，其特征是，包括：/n将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；/n将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。/n

【技术特征摘要】
1.基于固有时间尺度分解的风功率短期预测方法，其特征是，包括：
将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；
将滑动窗口内若干个历史时间点的各个固有旋转分量后向差分数值和残差分量的后向差分数值，均输入到预训练好的分类模型中，输出待预测时间点各个固有旋转分量后向差分预测值和残差分量的后向差分预测值；根据预测值，得到待进行风功率预测时间点的风功率预测值。


2.如权利要求1所述的方法，其特征是，所述方法还包括：
当待进行风功率预测时间点的风功率预测值预测出来后，将滑动窗口滑动一步，产生一组新的历史数据，对新的历史数据分解得到新的分量，对新的分量进行处理得到新的后向差分，将滑动窗口内的时间点对应的后向差分输入到预先训练好的分类器中，输出下一个时间点的后向差分预测值，进而得到下一个时间点的风功率预测值。


3.如权利要求1所述的方法，其特征是，待预测数据集，包括：待进行风功率预测时间点前的设定时间段的历史风功率时间序列。


4.如权利要求1所述的方法，其特征是，将获取的待预测数据集中的历史风功率时间序列，基于固有时间尺度分解算法进行分解，得到固有旋转分量和残差分量；具体步骤包括：依据信号自身局部时间尺度的特点，自适应的将原始信号分解成具有物理含义基函数，将基函数从原信号中分离出来得到若干个不同频率固有旋转分量和一个残余分量。


5.如权利要求1所述的方法，其特征是，所述与训练好的分类模型；训练步骤包括：
构建训练集，将训练集中前N-1个历史时间点的各个分量的后向差分值，和第N个历史时间点的各个分量的后向差分值，均输入到分类模型中进行训练，得到训练好的分类模型。


6.如权利要求1所述的方法，其特征是，所述训练集，构建步骤包括：...

【专利技术属性】
技术研发人员：韩兴磊，刘烨，汤磊，孙伟涛，彭寅，孙振海，宋彦臻，文宏成，闫新，宫邦润，滕奇君，
申请(专利权)人：国网山东省电力公司青岛供电公司，国家电网有限公司，
类型：发明
国别省市：山东;37