一种基于多维气象因子相空间重构的风电出力超短期预测方法技术

本发明专利技术公开了一种基于多维气象因子相空间重构的风电出力超短期预测方法，包括：S1、基于多种气象数据进行多种气象因子的特征重构；S2、将多维气象因子的相关性分析；S3、将步骤S2中相关性大的气象因子中的冗余因子，进行冗余性分析，提取更具代表性的特征；S4、通过最小二乘支持向量机预测模型进行滚动预测策略的实时训练。根据本发明专利技术，保证在最大程度保留原始数据有效信息的同时，减低数据的噪声和冗余性，提高预测的速度和精度，提高了算法的收敛速度。速度。速度。

【技术实现步骤摘要】
一种基于多维气象因子相空间重构的风电出力超短期预测方法


[0001]本专利技术涉及新能源发电的
，特别涉及一种基于多维气象因子相空间重构的风电出力超短期预测方法。

技术介绍

[0002]随着世界环境污染问题和能源紧缺问题日趋严重，人们逐渐将目光转向清洁能源。风力发电作为新兴的新能源产业之一，装机总量和发电量不断攀升。但风电的不确定性和的间歇性，造成了大规模的弃风限电现象，给电网的平稳运行带来了不利影响。因此，如何有效地对风电场超短期出力进行预测，保证大规模、高容量的风电并网安全，成为了亟待解决的问题。
[0003]风电场具有历史出力数据以及风速、风向、气温、压强等多维气象数据，若输入气象变量数过低，则可能导致输入中不存在相关性大的特征，但也并非所有的气象因子都对风电预测具有重要影响，若引入了无关向量，则不仅增加了算法的复杂度，降低了时间效率，更可能导致预测精度受到不利影响。因此需要对气象数据进行互相关性分析，剔除不相关或微相关的气象因子，精简输入的数据集。同时，相关性大的气象因子之前，可能存在冗余因子，数据的冗余同样降低了计算的效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维气象因子相空间重构的风电出力超短期预测方法，其特征在于，包括：S1、基于多种气象数据进行多种气象因子的特征重构；S2、将多维气象因子的相关性分析；S3、将步骤S2中相关性大的气象因子中的冗余因子，进行冗余性分析，提取更具代表性的特征；S4、通过最小二乘支持向量机预测模型进行滚动预测策略的实时训练。2.如权利要求1所述的一种基于多维气象因子相空间重构的风电出力超短期预测方法，其特征在于，步骤S1中特征重构包括相空间重构与嵌入维数确定，其中相空间重构包括当拿到原始观测序列后，确定预测器输入序列的重构步长和数据间隔，即嵌入维数和延迟时间，将得到的输入输出对即特征序列，输入到预测器中进行模型的训练，最后得到预测结果...

【专利技术属性】
技术研发人员：周强，马彦宏，吕清泉，张健美，王定美，王艺颖，马明，沈润杰，
申请(专利权)人：国网甘肃省电力公司同济大学，
类型：发明
国别省市：