基于数据降维的海上风电功率预测方法技术

本发明专利技术公开了一种基于数据降维的海上风电功率预测方法，针对利用人工神经网络预测风电功率时输入数据维度过高，导致拟合困难，预测精度不理想的问题，考虑历史风电功率和风速两类数据，使用主成分分析对数据进行预处理，提取功率和风速的主成分以达到降维的目的，进而将降维后的数据作为神经网络输入，基于Elman神经网络建立风电功率预测模型。包括以下步骤：1)对风电功率、风速进行主成分分析；2)建立风电功率预测模型；3)算例分析验证。本发明专利技术方法可以提升风电功率预测精度，从而提高海上风电场AGC速度与精度，提升风电消纳能力，支撑海上风电场与电网的协调发展。撑海上风电场与电网的协调发展。撑海上风电场与电网的协调发展。

【技术实现步骤摘要】
基于数据降维的海上风电功率预测方法


[0001]本专利技术属于能源利用的
，具体涉及一种基于数据降维的海上风电功率预测方法。

技术介绍

[0002]近年来，传统的化石能源发电效率有所下降，占比逐渐减少，煤电、气电等传统化石能源逐步向以提供电力为主、电力为辅的备用保障型方向转变，新能源从提供电量补充逐步成为提供电量支撑的主体电源。风力发电有着自身独特的优势，在可再生能源领域中占有重要地位，具有重要的开发利用价值，受到了各国的普遍重视。
[0003]风电出力随机性大、波动性高、可预测性差，随着风电大规模集中式并网，风电对电网的渗透率不断提高，局部地区风电出力的频繁波动和不可控制有可能影响电网系统的正常运行。作为风电场有功功率控制分配策略的基础，风电功率预测不仅影响电力系统的功率平衡，也可以作为风电场出力可调裕度的判断依据。对电网来说，风电功率预测是电网安排发电调度的基础；对风电场来说，精准的风功率预测有助于合理分配机组出力，提高风电场有功出力可控性。
[0004]目前所提出的风电预测多因素统计方法大都需要庞大的历史数据或者多维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据降维的海上风电功率预测方法，其特征在于，该方法包括如下步骤：1)对风电功率、风速进行主成分分析；2)建立风电功率预测模型；3)算例分析验证。2.根据权利要求1所述的基于数据降维的海上风电功率预测方法，其特征在于，所述步骤1)中，对风电功率、风速进行主成分分析过程如下：主成分分析是一种常用的特征选择方法，将多维数据映射到少数几个维度，同时保留原始数据的大部分信息。目的是对数据进行降维，从而使计算的难度降低。对于一拥有a台风电机组，每个机组有b个时间点历史功率数据的海上风电场，其功率序列写成以下矩阵形式：其中，x1,x2,
…
,x
b
为每个时间点所有机组功率构成的列向量，维数为a。主成分分析是将X分解为主成分T和空间特征V，X＝VT
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)主成分分析具体步骤包括：101)首先对X进行处理形成矩阵Y，矩阵Y中的第i行第j列元素为：其中，x
ij
为原矩阵X中第i行第j列元素，为原矩阵第i行数据的平均值，a为机组数量，b为时间序列长度。102)计算Y的协方差矩阵R：R＝YY
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)103)计算矩阵R的特征根和特征向量，并按照大小进行排序，使特征根λ1≥λ2≥
…
≥λ
a
≥0，对应的主成分和特征向量做相应的变动。104)确定主成分的个数。计算方差贡献率，计算时使用特征根表示方差大小：方差贡献率的大小反映了主成分对原矩阵的描述能力，值越大则还原能力越强。前k个方差贡献率之和为前k个主成分的累计贡献率，值越大则利用前k个主成分还原的矩阵与原矩阵越接近。设置阈值，选取累计贡献率达到阈值的前k个主成分t1,t2,
…
,t
k
形成T，前k个特征向量v1,v2,
…
,v
k
形成V，
其中，y1,
…
,y
b
都是k维向量，v1,
…
,v
k
均为a维向量，将T作为输入数据进行功率预测。对于风速，采用同样的方法提取前l个...

【专利技术属性】
技术研发人员：梅睿，袁超，陈燕擎，唐一铭，钱鹏，杨春，
申请(专利权)人：江苏方天电力技术有限公司，
类型：发明
国别省市：