一种基于单风机建模的短期功率预测方法及系统技术方案

本发明专利技术提出一种基于单风机建模的短期功率预测方法及系统，采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；获得场内k类风机组质心处的气象因素；根据气象因素和实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值。本发明专利技术考虑了决定风电场风速特性的风机分布和海拔高度因素，采用模糊C均值聚类的方法将风机群进行区域划分，并分区建模，最后将各区域预测功率进行组合预测，得到全场预测功率，经实际测试，该方法稳定、可靠，可以明显提高预报准确度。

【技术实现步骤摘要】
一种基于单风机建模的短期功率预测方法及系统
本专利技术属于新能源风力发电领域，特别是涉及到一种基于单风机建模的短期功率预测方法及系统。
技术介绍
大规模风电接入对系统调峰的影响尤为突出，系统调峰问题己成为影响电网接纳风电能力的主要因素之一，而导致调峰问题的主要原因是风电的的随机波动性和不可控性，无法预知未来风电出力的大小和变化趋势，造成电力系统运行人员无法应对剧烈的风电波动而快速准确地做出调度控制和电力交易的决策响应。因此，对风电功率进行准确的预测，能够有效缓解大规模风电并网给电力系统运行带来的强不确定性，可以提高风电在电力市场中的竞争力，具有十分重要的意义。按照预测模型的特点可以将风电功率预测方法划分为物理方法、统计学习方法和组合方法。传统的预测方法因考虑因素单一，精度的提升空间有限，在这种预测过程中仅考虑了有限的信息源，使预测方法相对容易实现，但是这些方法忽略了风电场区域内的地理地形、气象、环境以及风电机组之间的空间相关关系等因素的影响，尤其是大型风电场或复杂地形风电场的覆盖范围大，或地形复杂，地势起伏，造成风电场内各处风速与风向变化大，一般情况下，山顶和山丘上的风要比山背处和背风山谷中的风大得多，因此，在进行风功率建模时应充分考虑地形对风的影响；因此风电功率预测方法有待于进一步完善和扩充，预测精度也有待于进一步提高。
技术实现思路
本专利技术提出一种基于单风机建模的短期功率预测方法及系统，既减少单风机的不确定性和复杂性，又充分考虑场内的不同风特性，功率预测精度得到明显改进。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于单风机建模的短期功率预测方法，包括：S1、采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；S2、根据聚类中心的经纬度坐标，将高精度ＮＷＰ数据，通过空间双线性插值方法，得到场内k类风机组质心处的气象因素；S3、基于风机数据，将每类风电机组的风机风速的平均值作为该区域的实测风速，风机功率的总和作为该区域的实际功率；S4、根据S2中提供的气象因素和S3中提供的实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；S5、以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值。进一步的，步骤S1中划分k类风机组的具体方法包括：S101、获取风电场各风机的经度、纬度和海拔高度信息，并以风电场中心点为原点建立直角坐标系，根据风电场中心坐标和风机经纬度坐标信息，转换成直角坐标系中的位置信息，即距风电场中心的横向距离和纵向距离，进行归一化处理成代表风机分布特征的数据集；S102、对聚类质心进行初始化处理，即随机分配确定隶属度矩阵；S103、计算每个聚类簇的质心，并将数据样本并入与之欧氏距离最短的那个质心的簇内；S104、计算聚类中心和隶属度，更新聚类中心和簇隶属度，判断新的聚类中心与原聚类中心是否相等，若相等，则迭代结束；若不相等，回到S103，继续迭代，直到计算结果收敛，即聚类中心不再变动；S105、记录聚类中心，并将其特征转换成经纬度坐标；S106、记录各簇所包含的风点机组的编号，每个簇的风机划分成一个区域。进一步的，步骤S3所述风机数据为经过预处理的风机数据，所述预处理过程包括：S301、根据风机状态数据，将停电检修、限电时段的异常数据直接剔除；S302、将连续3个以及3个以上相同的数值进行剔除；S303、对不合理数据进行剔除。优选的，步骤S4所述功率预测模型的建立方法包括：S401、将S2中提供的气象因素作为特征量，以及S3中提供的实际风速作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-风速预测模型，得到预测风速；S402、将S2中提供的气象因素与S401中构建的预测风速一起作为特征量，以及S3中提供的实际功率作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-功率预测模型。进一步的，步骤S5所述最优权重的获取方法包括：S501、将各类风机组的预测功率按照风机容量与全场装机容量的比例归算至全场功率，获得k组功率预测结果；S502、k组功率预测结果，权重系数设置为0~1.2，间隔为0.01；S503、对权重系数遍历，进行组合预测，且每组权重系数总和的范围为0.85~1.15；S504、采用偏差作为平均组合预测模型的性能的指标，根据偏差公式计算不同组合预测的误差；其中，n为样本个数，为实测功率，为组合预测功率；S505、将误差最小值所对应的权重系数作为模型参数保存。本专利技术另一方面还提供了一种基于单风机建模的短期功率预测系统，包括：聚类模块，用于采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；气象数据模块，用于根据聚类中心的经纬度坐标，将高精度ＮＷＰ数据，通过空间双线性插值方法，得到场内k类风机组质心处的气象因素；风机数据模块，基于风机数据，将每类风电机组的风机风速的平均值作为该区域的实测风速，风机功率的总和作为该区域的实际功率；预测模块，用于根据气象数据模块提供的气象因素和风机数据模块提供的实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；组合预测模块，以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值。进一步的，聚类模块包括：分布特征模块，用于获取风电场各风机的经度、纬度和海拔高度信息，并以风电场中心点为原点建立直角坐标系，根据风电场中心坐标和风机经纬度坐标信息，转换成直角坐标系中的位置信息，即距风电场中心的横向距离和纵向距离，进行归一化处理成代表风机分布特征的数据集；初始化模块，用于对聚类质心进行初始化处理，即随机分配确定隶属度矩阵；质心计算模块，用于计算每个聚类簇的质心，并将数据样本并入与之欧氏距离最短的那个质心的簇内；聚类中心模块，用于计算聚类中心和隶属度，更新聚类中心和簇隶属度，判断新的聚类中心与原聚类中心是否相等，若相等，则迭代结束；若不相等，回到S103，继续迭代，直到计算结果收敛，即聚类中心不再变动；坐标转换模块，用于记录聚类中心，并将其特征转换成经纬度坐标；区域划分模块，用于记录各簇所包含的风点机组的编号，每个簇的风机划分成一个区域。进一步的，所述风机数据模块包括预处理单元，所述预处理单元用于风机数据的预处理，根据风机状态数据，将停电检修、限电时段的异常数据直接剔除；将连续3个以及3个以上相同的数值进行剔除；对不合理数据进行剔除。优选的，所述预测模块包括：风速预测单元，用于将气象数据模块提供的气象因素作为特征量，以及将风机数据模块提供的实际风速作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP本文档来自技高网...

【技术保护点】
1.一种基于单风机建模的短期功率预测方法，其特征在于，包括：/nS1、采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；/nS2、根据聚类中心的经纬度坐标，将高精度ＮＷＰ数据，通过空间双线性插值方法，得到场内k类风机组质心处的气象因素；/nS3、基于风机数据，将每类风电机组的风机风速的平均值作为该区域的实测风速，风机功率的总和作为该区域的实际功率；/nS4、根据S2中提供的气象因素和S3中提供的实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；/nS5、以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值。/n

【技术特征摘要】
1.一种基于单风机建模的短期功率预测方法，其特征在于，包括：
S1、采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；
S2、根据聚类中心的经纬度坐标，将高精度ＮＷＰ数据，通过空间双线性插值方法，得到场内k类风机组质心处的气象因素；
S3、基于风机数据，将每类风电机组的风机风速的平均值作为该区域的实测风速，风机功率的总和作为该区域的实际功率；
S4、根据S2中提供的气象因素和S3中提供的实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；
S5、以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值。


2.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S1中划分k类风机组的具体方法包括：
S101、获取风电场各风机的经度、纬度和海拔高度信息，并以风电场中心点为原点建立直角坐标系，根据风电场中心坐标和风机经纬度坐标信息，转换成直角坐标系中的位置信息，即距风电场中心的横向距离和纵向距离，进行归一化处理成代表风机分布特征的数据集；
S102、对聚类质心进行初始化处理，即随机分配确定隶属度矩阵；
S103、计算每个聚类簇的质心，并将数据样本并入与之欧氏距离最短的那个质心的簇内；
S104、计算聚类中心和隶属度，更新聚类中心和簇隶属度，判断新的聚类中心与原聚类中心是否相等，若相等，则迭代结束；若不相等，回到S103，继续迭代，直到计算结果收敛，即聚类中心不再变动；
S105、记录聚类中心，并将其特征转换成经纬度坐标；
S106、记录各簇所包含的风点机组的编号，每个簇的风机划分成一个区域。


3.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S3所述风机数据为经过预处理的风机数据，所述预处理过程包括：
S301、根据风机状态数据，将停电检修、限电时段的异常数据直接剔除；
S302、将连续3个以及3个以上相同的数值进行剔除；
S303、对不合理数据进行剔除。


4.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S4所述功率预测模型的建立方法包括：
S401、将S2中提供的气象因素作为特征量，以及S3中提供的实际风速作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-风速预测模型，得到预测风速；
S402、将S2中提供的气象因素与S401中构建的预测风速一起作为特征量，以及S3中提供的实际功率作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-功率预测模型。


5.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S5所述最优权重的获取方法包括：
S501、将各类风机组的预测功率按照风机容量与全场装机容量的比例归算至全场功率，获得k组功率预测结果；
S502、k组功率预测结果，权重系数设置为0~1.2，间隔为0.01；
S503、对权重系数遍历，进行组合预测，且每组权重系数总和的范围为0.85~1.15；
S504、采用偏差作为平均组合预测模型的性能的指标，根据偏差公式计算不同组合预测的误差；



其中，n为样本个数，为实测功率，为组合预测功率；
S505、将误差最小值所对应的权重系数作为模型参数保存。

【专利技术属性】
技术研发人员：向婕，雍正，吴媛，
申请(专利权)人：国能日新科技股份有限公司，
类型：发明
国别省市：北京;11