【技术实现步骤摘要】
一种考虑时空分布特征的风电功率多步预测方法
[0001]本专利技术涉及电力
，具体涉及一种考虑时空分布特征的风电功率多步预测方法。
技术介绍
[0002]近年来，随着化石能源的日益枯竭和低碳环保理念的普及，新能源发电尤其是风力发电所发挥的作用日益突显。作为风电并网的关键技术之一，风电功率预测是指：综合风电场的历史运行数据、机组数据、地理信息和数值天气预报(numerical weather prediction,NWP)数据等信息，结合预先搭建好的预测模型，对风电场未来一段时间的有功功率做出预测。然而，风力发电受气象和地理条件的影响较大，其出力具有很强的随机性、波动性和间歇性，这将给风电功率的精准预测带来巨大挑战。因此，实现风电功率的精准预测，从而辅助开展对风电的科学调度和控制，是推动风电大规模并网的重要前提和必要保证。
[0003]目前风电功率预测方法主要有物理方法、统计方法和人工智能方法。
[0004]物理方法主要是从风力发电的物理过程出发，结合风电场的地形信息和NWP数据，获得轮毂高度的风速后，再...
【技术保护点】
【技术特征摘要】
1.一种考虑时空分布特征的风电功率多步预测方法，其特征在于，包括：利用所获取的风电机组数据，对风电机组数据进行聚类，聚类成若干个机组群，以提取出风电场功率的空间分布特征；对每一个机组群的功率序列进行EEMD分解，得到若干个风电场功率子序列，提取出风电功率序列的时间分布特征；为每一个机组群的子序列分别建立编码器
‑
解码器多步预测网络模型，该网络模型由两个GRU网络组成，第一个网络用于提取输入功率序列的有效信息后将其编码成特征向量；第二个网络则对编码器传送过来的特征向量进行解码，获得预测功率序列；将各个机组群的预测功率进行重构，获得风电场总功率的预测曲线。2.如权利要求1所述的考虑时空分布特征的风电功率多步预测方法，其特征在于，所述风电机组数据包括风机功率、风速数据。3.如权利要求2所述的考虑时空分布特征的风电功率多步预测方法，其特征在于，所述利用所获取的风电机组数据，对风电机组数据进行聚类，聚类成若干个机组群包括：第一步：分别对风机功率、风速数据进行归一化处理；第二步：确定风电机组的特征向量选择全年观测的平均风速、风速标准差、平均功率和功率标准差作为单台风电机组的表征，因此每台风电机组的特征向量xi为4维向量，其表达式如下：x
i
＝[v
i,mean
,v
i,std
,p
i,mean
,p
i,std
]
T
(i＝1,2,...,N)第三步：k均值聚类：3
‑
1.确定距离公式选择欧式距离平方作为风电机组特征向量之间距离的衡量，计算公式如下：3
‑
2.预设聚类数分别为k1,k2,
…
,k
M
；3
‑
3.初始化：r＝1；3
‑
4.确定聚类数：k＝k
r
；3
‑
5.机组聚类问题转换成求解最优化问题：式中，C
r
为聚类数为k
r
时的分类结果，是第l个类的均值或中心，C
l
表示所有属于第l个类的风电机组集合；3
‑
6.计算聚类结果的轮廓系数：式中，a(x
i
)表示特征向量x
i
与其他各类样本的平均距离的最小值，b(x
i
)表示特征向量x
i
与同类内所有样本间距离的平均值；3
‑
7.令r:＝r+1，返回步骤3
‑
4；3
‑
8.遍历所有预设聚类数，选择轮廓系数高的结果作为最终的聚类结果；原始的N台风
电机组，聚类成k
*
个机组群；4.如权利要求3所述的考虑时空分布特征的风电功率多步预测方法，其特征在于，所述对风速数据进行归一化处理，计算公式如下：式中，v
i，t
和v
′
i，t
分别是第i台风电机组在时刻t的原始风速和归一化后的风速，V
i，min
＝min{v
i，1
，v
i，2
，...，v
i，T
}和V
i，max
＝max{v
i，1
，v
i，2
，...，v
i，T
}是第i台风电机组的最小和最大风速值，N是风电机组数量。5.如权利要求1或3所述的考虑时空分布特征的风电功率多步预测方法，其特征在于，所述对每一个机组群的功率序列进行EEMD分解包括：第一步：为第g个机组群原始功率序列x添加不同的白噪声h
i
，获得N
h
个添加噪声后的序列y
i
：y
i
＝x+h
i
(i＝1,2,...,N
h
)第二步：对N
h
个添加噪...
【专利技术属性】
技术研发人员：刘明波，张思毅，雷振兴，林舜江，谢敏，
申请(专利权)人：华南理工大学，
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。