长短期结合的发电系统谐波预测方法及装置制造方法及图纸

本发明专利技术涉及一种长短期结合的发电系统谐波预测方法及装置，所述方法包括获取发电系统的长期谐波数据，根据季节和每日的天气类型对长期谐波数据进行聚类处理，确定每个类的典型日；确定与预测日的季节和天气预测类型相对应类的典型日，根据典型日的谐波数据与预测日的短期谐波数据，计算得到预测日的修正谐波预测值；基于修正谐波预测值和当日实际谐波值，得到新的修正谐波预测值，基于所述新的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。本发明专利技术能够将长短期的谐波数据相结合，通过层层递进优化和更新预测谐波数据，可有效提高预测精度，为电网谐波评估，谐波治理提供基础支撑。基础支撑。基础支撑。

【技术实现步骤摘要】
长短期结合的发电系统谐波预测方法及装置


[0001]本专利技术属于电力系统
，具体涉及一种长短期结合的发电系统谐波预测方法及装置。

技术介绍

[0002]风能和太阳能是除水电以外，规模较大、商业化发展前景较好、开发技术较为成熟可再生能源。积极开发利用风电、光伏等可再生能源资源，对调整能源结构、减少环境污染、应对气候变化等具有重要意义。
[0003]相关技术中，变换器设备中使用大量的电力电子器件，引入大量谐波会对电网设备(如变压器)存在诸多不利影响，威胁电网安全，而无法对电网谐波特性进行准确预测会影响电力系统的稳定运行。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种长短期结合的发电系统谐波预测方法及装置，以解决现有技术中无法对电网谐波特性进行准确预测的问题。
[0005]为实现以上目的，本专利技术采用如下技术方案：一种长短期结合的发电系统谐波预测方法，包括：
[0006]获取发电系统的长期谐波数据，根据季节和每日的天气类型对所述长期谐波数据进行聚类处理，确定每个类的典型日；
[0007]确定与预测日的季节和天气预测类型相对应类的典型日，根据所述典型日的谐波数据与预测日的短期谐波数据，计算得到预测日的修正谐波预测值；
[0008]基于所述修正谐波预测值和当日实际谐波值，得到新的修正谐波预测值，基于所述新的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。
[0009]进一步的，所述根据季节和每日的天气类型对所述长期谐波数据进行聚类处理，确定每个类的典型日，包括：
[0010]将所述长期谐波数据按照季节划分为四个数据集合；
[0011]结合每日的天气类型对四个所述数据集合进行划分，得到多个子集；
[0012]对每个所述子集中的日谐波数据进行聚类合并，得到聚类结果；
[0013]根据所述聚类结果，计算每个子集中包含天数最多的类的日累计谐波值，并按照从小到大的顺序排列，选择所述排列的中位数所对应的天为典型日。
[0014]进一步的，所述根据所述典型日的谐波数据与预测日的短期谐波数据，计算预测日的修正谐波预测值，包括：
[0015]计算所述典型日谐波数据与预测日的短期谐波数据的相似度，按照相似度由高到低的顺序选取前三个日谐波数据；
[0016]基于前三个日谐波数据计算预测日的初始谐波预测值；
[0017]求取所述典型日谐波数据与预测日的初始谐波预测日的平均值，将所述平均值作
为所述预测日的修正谐波预测值。
[0018]进一步的，采用以下方法计算所述典型日谐波数据与预测日的短期谐波数据的相似度，
[0019][0020]其中，Pcc为相似度，P
isea,j
为各季节下的各子类集合，i为具体的天，j为天气类型，P
iwek,n
为最近一周内第n天的谐波数据，其中谐波数据每15分钟间隔一个，因而每天96个。
[0021]进一步的，所述基于前三个日谐波数据通过以下方式计算预测日的初始谐波预测值，
[0022][0023][0024][0025]其中，P
iad
为基于相似度最高的三天数据预测值，w
r
为Pcc最大的三天对应的权重，d
r
为距离。
[0026]进一步的，基于当日实际谐波值和所述修正谐波预测值，得到新的修正谐波预测值，包括：
[0027]获取当日实际谐波值；
[0028]计算所述当日实际谐波值与所述修正谐波预测值之间的累计偏差；
[0029]将所述累计偏差与预设的触发阈值进行对比，判断所述累计偏差是否大于所述触发阈值；
[0030]如果所述累计偏差大于所述触发阈值，则对所述修正谐波预测值进行修正，得到新的修正谐波预测值，否则，保持所述修正谐波预测值。
[0031]进一步的，采用以下方式计算所述当日实际谐波值与所述修正谐波预测值之间的累计偏差，
[0032][0033]其中，Δ为累计偏差，T为某时段内的谐波值个数，P
ireal
为当日实际谐波值，Pinew为修正谐波预测值。
[0034]进一步的，采用以下方式对所述修正谐波预测值进行修正，得到新的修正谐波预测值，包括：
[0035][0036]其中，P
inew1
为新的修正谐波预测值，为偏差修正系数，取值范围为[
‑
1，1]。
[0037]进一步的，所述季节包括：春、夏、秋及冬；
[0038]所述天气类型包括：阴、晴、多云、晴转多云、雨夹雪、雷阵雨、小雨、大雨、中雨、暴雨、大雪、小雪、中雪及冰雹。
[0039]本申请实施例提供一种长短期结合的发电系统谐波预测装置，包括：
[0040]获取模块，用于获取发电系统的长期谐波数据，根据季节和每日的天气类型对所述长期谐波数据进行聚类处理，确定每个类的典型日；
[0041]计算模块，用于确定与预测日的季节和天气预测类型相对应类的典型日，根据所述典型日的谐波数据与预测日的短期谐波数据，计算得到预测日的修正谐波预测值；
[0042]修正模块，用于基于所述修正谐波预测值和当日实际谐波值，得到新的修正谐波预测值，基于所述新的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。
[0043]本专利技术采用以上技术方案，能够达到的有益效果包括：
[0044]本专利技术提供一种长短期结合的发电系统谐波预测方法及装置，本申请通过长期数据获取典型日也就能获得典型日的谐波数据，然后根据预测日的季节和天气预测类型找到相应的类的典型日，通过预测日最近的短期谐波数据，得到修正谐波预测值，然后根据当日的谐波数据对修正谐波预测值进行修正，得到新的修正谐波预测值，本申请能够将长短期的谐波数据相结合，通过层层递进优化和更新预测谐波数据，可有效提高预测精度，为电网谐波评估，谐波治理提供基础支撑。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]图1为本专利技术长短期结合的发电系统谐波预测方法的步骤示意图；
[0047]图2为本专利技术长短期结合的发电系统谐波预测方法的另一种流程示意图；
[0048]图3为本专利技术长短期结合的发电系统谐波预测方法的另一种流程示意图；
[0049]图4为本专利技术长短期结合的发电系统谐波预测方法的另一种流程示意图；
[0050]图5为本专利技术长短期结合的发电系统谐波预测装置的结构示意图；
[0051]图6为本专利技术长短期结合的发电系统谐波预测方法实施环境的硬件结构示意图。
具体实施方式
[0052]为使本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种长短期结合的发电系统谐波预测方法，其特征在于，包括：获取发电系统的长期谐波数据，根据季节和每日的天气类型对所述长期谐波数据进行聚类处理，确定每个类的典型日；确定与预测日的季节和天气预测类型相对应类的典型日，根据所述典型日的谐波数据与预测日的短期谐波数据，计算得到预测日的修正谐波预测值；基于所述修正谐波预测值和当日实际谐波值，得到新的修正谐波预测值，基于所述新的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。2.根据权利要求1所述的方法，其特征在于，所述根据季节和每日的天气类型对所述长期谐波数据进行聚类处理，确定每个类的典型日，包括：将所述长期谐波数据按照季节划分为四个数据集合；结合每日的天气类型对四个所述数据集合进行划分，得到多个子集；对每个所述子集中的日谐波数据进行聚类合并，得到聚类结果；根据所述聚类结果，计算每个子集中包含天数最多的类的日累计谐波值，并按照从小到大的顺序排列，选择所述排列的中位数所对应的天为典型日。3.根据权利要求1所述的方法，其特征在于，所述根据所述典型日的谐波数据与预测日的短期谐波数据，计算预测日的修正谐波预测值，包括：计算所述典型日谐波数据与预测日的短期谐波数据的相似度，按照相似度由高到低的顺序选取前三个日谐波数据；基于前三个日谐波数据计算预测日的初始谐波预测值；求取所述典型日谐波数据与预测日的初始谐波预测日的平均值，将所述平均值作为所述预测日的修正谐波预测值。4.根据权利要求3所述的方法，其特征在于，采用以下方法计算所述典型日谐波数据与预测日的短期谐波数据的相似度，其中，Pcc为相似度，Pisea,j为各季节下的各子类集合，i为具体的天，j为天气类型，P
iwek,n
为最近一周内第n天的谐波数据，其中谐波数据每15分钟间隔一个，因而每天96个。5.根据权利要求4所述的方法，其特征在于，所述基于前三个日谐波数据通过以下方式计算预测日的初始谐波预测值，计算预测日的初始谐波预测值，计算预测日的初始谐波预测值，其中，P
iad

【专利技术属性】
技术研发人员：奚鑫泽，邢超，李胜男，马红升，覃日升，许守东，陈勇，周鑫，徐志，何廷一，张丽，何鑫，孟贤，和鹏，向川，马遵，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：