【技术实现步骤摘要】
一种考虑风电上网负荷限制的风力发电机功率预测方法
[0001]本专利技术涉及风功率预测
，具体地说，涉及一种考虑风电上网负荷限制的风力发电机功率预测方法。
技术介绍
[0002]随着清洁能源(如风能、太阳能等)的大力发展，在一定程度上缓解了能源紧张、环境恶化的局面，但是其自身的波动性和随机性给电网安全稳定运行带来了极大的挑战。另外，风电机组运行具有的随机性和间接性严重影响风电的大规模并网消纳，导致了严重的弃风问题。风功率预测可以弥补风电不稳定的缺点，有利于电网更加合理地安排调度计划，有效地缓解弃风问题。风功率预测的精度对于风电系统意义重大，提高风功率预测的精度，不仅能够有效的减少系统运行的待机时间，从而能够降低系统的运行成本，同时也确保了电能的稳定性。
[0003]现有技术对风功率的预测研究主要是通过事先预测风功率以进行风机的控制，风功率预测一般包括数学统计方法和神经网络方法，其中数学统计方法主要采用数学思想，通过观察数据间存在的内在规律进行预测，此类方法主要有时间序列、支持向量机、卡尔曼滤波等。神经网络方法具...
【技术保护点】
【技术特征摘要】
1.一种考虑风电上网负荷限制的风力发电机功率预测方法，其特征是，它包括以下步骤：1)获取风场风机的实际数据以及现场功率调度指令收集风电场中单台风机的原始风功率时间序列，建立数据集Pi(t)，i＝1,2,
…
,n；2)数据预处理(a)基于拉伊达准则的异常值剔除拉依达准则是一种基于统计分析的数据预处理方法，采用拉依达准则来识别原始风功率数据的奇异值点，并对奇异值点进行剔除处理，计算式为：计算风功率时间序列P
i
(t)的算术平均值(t)的算术平均值当平均值已知时，按照贝塞尔公式计算出标准偏差σ：风功率标准区间I为：若原始数据在标准区间I之内，则判定数据为正常值；反之，若原始数据在I之外，则判定原始风功率数据为奇异值点，并将奇异值点从原始数据中给予剔除；(b)基于插值法的数据填充对于数据缺失部分的解决方法分为删除缺失的数据值和对缺失数据部分进行填充处理，利用删除缺失的数据值使数据集重构，由于风功率本质上是一个连续的时间序列，为了不破坏其连续性采用插值法对缺失的数据进行填补处理；首先，若仅缺失一个数据值时，插值法的基本原理为利用相邻两点的值计算中间点的值，其计算式为：式中，P
i
‑1(t)为前一时刻风功率值，P
i+1
(t)为后一时刻风功率值；其次，若缺失两个集及两个以上数据点时，插值法的基本原理为将前一时刻的数据值作为缺失部分的数据；(c)线性函数归一化在不改变数据本身的数值排序的情况下，消除数据集中的量纲误差，将不同样本的量纲级别统一缩减在[0,1]之间，计算式为：式中，p'为风功率归一化后的数据，p为经过异常值剔除和数据填充后的数据值，p
min
为一列数据中的最小值，p
max
为一列数据中的最大值；3)分解风功率序列
为进一步剔除选定输入序列中所含有的无用输入信息，提取建模所需特征信息，利用变分模态分解(VMD)，针对输入进行特征分解，提取包含的趋势信息，将目标变量分解为多个有限带宽本征模态函数分量(Intrinsic Mode Function,IMF)，通过分解，原始变量中隐含的信息将被提取出来，具体方法是，利用Hilbert变换计算相关的解析信号，从而得到单侧频谱；将模态的频谱移至基带，利用调谐到各自的估计中心频率；通过解调信号梯度的欧氏距离内积来估计每个IMF的带宽；所得到的约束变分问题为：所得到的约束变分问题为：式中，*为卷积；i为分解个数，i＝1,2,3,...,k；f为输入的原始信号；u
i
为分量；通过加入二次罚项和拉格朗日乘子将式(6)
‑
式(7)约束问题转化为非约束问题，并使用交替方向乘子法求最优解；增广拉格朗日公式如下：式中，α为二次惩罚项；β为拉格朗日乘子；4)利用样本熵重新融合子序列将样本熵值相近的子序列重构为新的序列，设样本熵为SampEn(N,m,r)，其中，L指样本数据的长度，m指维数，r指相似容限，风功率序列p(t)的样本熵值计算步骤为：
①
设P(t)为P(1)，P(2)，
…
，P(L)，将序列组成m维矢量Um(i)，其中，i＝1,2,3,...
【专利技术属性】
技术研发人员：李民，黄久平，王德玉，王秋强，步兵，高云峰，王丽平，王逸非，于洁，张欢，郑松松，唐振浩，高旭，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。