一种基于条件Copula函数的风电功率预测方法技术

本发明专利技术公开了一种基于条件Copula函数的风电功率预测方法，包括以下步骤：根据历史风电功率序列、天气因素序列确定区间分割数K、条件数t的取值范围；以PICP及PIAW为目标函数，利用NSGA

【技术实现步骤摘要】
一种基于条件Copula函数的风电功率预测方法


[0001]本专利技术属于新能源
，涉及一种基于条件Copula函数的风电功率预测方法。

技术介绍

[0002]风电是现今众多采用可再生能源发电中技术较为成熟并且具有大规模发展以及开发趋势的能源。电力系统被认为是一个庞大而复杂的动态系统。电网承担着平衡各个发、输、配、送、用电环节之间功率的重要责任。风电等新能源发电对当前的电力系统所造成的消极作用范围较大。风电场接入电网的容量越多，造成的相互影响越大，当并网容量达到一个临界值，将会给电力系统正常运行以及系统自身稳定性带来巨大的威胁。因此，电网在运行中，必须要控制风电对电网的注入功率。准确而有效的风电出力预测的具有以下几点意义：(1)按照风电预测曲线，可以针对机组的输出得到优化，以降低运行成本。(2)提高系统的安全、可靠性，改善风电的不确定性。(3)，国家电网公司预测风电出力值，以充分保证系统正常、安全、可靠与经济运行；风电场预测风电出力值，并加入电力市场参与投标。(4)对风电出力的预测也可以为风电场的正常运行和维修维护供给有益的、正面的参考建议。例如，当风电机组在进行维修不得不停机时，可根据预测结果来选择风电功率输出较小的时间进行。当某个时间段风力过强，会对风电机组造成破坏或损毁时，要做好事前预防工作。根据风电场的生产情况，随时对风电机组的运行状况进行灵活的调整，从而减少损耗，尽可能的提高其并网容量。而现有预测风电功率的方法预测精度较低。

技术实现思路

[0003]本专利技术的目的是提供一种基于条件Copula函数的风电功率预测方法，解决了现有技术中存在的预测精度低的问题。
[0004]本专利技术所采用的技术方案是，一种基于条件Copula函数的风电功率预测方法，包括以下步骤：步骤1、根据历史风电功率序列、天气因素序列确定区间分割数K、条件数t的取值范围；
[0005]步骤2、以PICP及PIAW为目标函数，利用NSGA-II多目标优化方法寻找区间分割数K、条件数t的非劣解集M；
[0006]步骤3、确定PIAW和PICP的权重，并通过加权计算得到非劣解集M中最优的区间分割数K、条件数t；
[0007]步骤4、利用步骤3得到的区间分割数K、条件数t进行风功率区间预测，得到待预测风电功率区间。
[0008]本专利技术的特点还在于：
[0009]步骤1具体包括：
[0010]步骤1.1、定义历史风电功率序列、天气因素序列历史风电功率序列、天气因素序列为X域内数值，并计算得到联合边缘分布函数F；
[0011]步骤1.2、将X域内的历史风电功率序列、天气因素序列通过联合边缘分布函数转化为F域内的数值，得到区间分割数K的取值范围[K
min
,K
max
]、条件数t的取值范围[t
min
,t
max
]。
[0012]步骤3具体包括：
[0013]步骤3.1、假设非劣解集M中共有n个元素M＝M1,M2,
…
M
n
，每个元素对应PICP下的值为x＝[x1，x2…
x
n
]，每个元素对应PIAW下的值为y＝[y1，y2…
y
n
]，分别利用公式(1)、公式(2)对PICP、PIAW进行标准化：
[0014][0015][0016]上式中：x
i
、y
i
为标准化之前的PICP、PIAW值，X
i
，Y
i
为标准化之后的PICP、PIAW值，n为非劣解集中的元素个数；
[0017]步骤3.2、利用公式(3)-(6)计算出PICP、PIAW对应的熵值e和熵权W：
[0018][0019][0020][0021][0022]步骤3.3、通过加权计算得到最后综合评价值P
i
：
[0023]P
i
＝W
x
X
i
+W
y
Y
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)；
[0024]非劣解集M中综合评价值P
i
最高的元素为最优的区间分割数K、条件数t。
[0025]步骤4具体包括：
[0026]步骤4.1、将历史风电功率序列、天气因素序列分解为t+1条相邻时段的风电功率序列，条件数t采用步骤3得到的；
[0027]步骤4.2、计算历史风电功率序列、天气因素序列的联合边缘分布函数F，并将X域内的风电功率实测数据通过联合边缘分布函数转化为F域内的数值；
[0028]步骤4.3、根据步骤3得到的区间分割数K构建待预测时段的条件Copula函数[F
t+1j
，p
j
]j＝1,2，
…
J
；
[0029]步骤4.4、在给定置信度水平β下，利用Copula函数计算待预测时段的区间预测上界S
l
、下界S
u
；
[0030]步骤4.5：通过求逆运算将预测上界S
l
、下界S
u
从F域转化为X域，得到待预测风电功率区间。
[0031]步骤5、采用PICP、PIAW两个指标对待预测风电功率区间进行评估。
[0032]本专利技术的有益效果是：
[0033]本专利技术的基于条件Copula函数的风电功率预测方法，以PIAW、PICP作为目标函数，采用遗传法得到条件数t、区间分割数K的非劣解集，并通过PIAW、PICP的权重选出最优条件数t、区间分割数K，进而得到准确的风电功率预测区间，能提升风电功率预测精度，减小与实际风功率的差距；将历史风电功率与天气因素结合起来建立条件Copula函数，通过多元分布的条件Copula函数从而刻画出各因素之间的相关关系。
附图说明
[0034]图1是本专利技术一种基于条件Copula函数的风电功率预测方法的流程图。
具体实施方式
[0035]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0036]一种基于条件Copula函数的风电功率预测方法，如图1所示，具体包括以下步骤：
[0037]步骤1、根据历史风电功率序列、天气因素序列确定区间分割数K、条件数t的取值范围；
[0038]步骤1.1、定义历史风电功率序列、天气因素序列为X域内数值，通过Matlab软件中sdensity()函数的得到联合边缘分布函数F；
[0039]步骤1.2、将X域内的历史风电功率序列、天气因素序列通过联合边缘分布函数转化为F域内的数值，得到区间分割数K的取值范围[K
min
,K
max
]、条件数t的取值范围[t
min
,t
max
]。
[0040]步骤2、以PICP及PIAW本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于条件Copula函数的风电功率预测方法，其特征在于，包括以下步骤：步骤1、根据历史风电功率序列、天气因素序列确定区间分割数K、条件数t的取值范围；步骤2、以PICP及PIAW为目标函数，利用NSGA-II多目标优化方法寻找所述区间分割数K、条件数t的非劣解集M；步骤3、确定所述PIAW和PICP的权重，并通过加权计算得到所述非劣解集M中最优的区间分割数K、条件数t；步骤4、利用步骤3得到的所述区间分割数K、条件数t进行风功率区间预测，得到待预测风电功率区间。2.根据权利要求1所述的一种基于条件Copula函数的风电功率预测方法，其特征在于，步骤1具体包括：步骤1.1、定义所述历史风电功率序列、天气因素序列历史风电功率序列、天气因素序列为X域内数值，并计算得到联合边缘分布函数F；步骤1.2、将X域内的所述历史风电功率序列、天气因素序列通过联合边缘分布函数转化为F域内的数值，得到区间分割数K的取值范围[K
min
,K
max
]、条件数t的取值范围[t
min
,t
max
]。3.根据权利要求1所述的一种基于条件Copula函数的风电功率预测方法，其特征在于，步骤3具体包括：步骤3.1、假设所述非劣解集M中共有n个元素M＝M1,M2,
…
M
n
，每个所述元素对应PICP下的值为x＝[x1，x2…
x
n
]，每个所述元素对应PIAW下的值为y＝[y1，y2…
y
n
]，分别利用公式(1)、公式(2)对所述PICP、PIAW进行标准化：(1)、公式(2)对所述PICP、PIAW进行标准化：上式中：x
i
、y
i
为标准化之前的PICP、PIAW值，X
i
，Y
i
为标准化之后的PICP、P...

【专利技术属性】
技术研发人员：张刚，解佗，张靠社，罗军刚，冯培基，吕蒙，解梦琰，徐奔奔，张丁予，徐睿，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：