一种基于组合预测模型的风电出力与光伏出力评估的方法技术

本发明专利技术属于新能源并网技术控制领域，应用于新能源场站并网技术，具体涉及一种基于组合预测模型对风电出力与光伏出力进行评估的方法。包括：数据相关性及耦合性量化分析；数据的分解与变换；模型的训练与预测；得出最终结果：将各个子序列的预测结果进行重构，得到最终的预测值，进行误差分析。本发明专利技术是是一种预测更容易，且不易造成数据丢失，因此可有效提高出力超短期预测精度的基于组合预测模型对风电出力与光伏出力进行评估的方法。出力与光伏出力进行评估的方法。出力与光伏出力进行评估的方法。

【技术实现步骤摘要】
一种基于组合预测模型的风电出力与光伏出力评估的方法


[0001]本专利技术属于新能源并网技术控制领域，应用于新能源场站并网技术，具体涉及一种基于组合预测模型对风电出力与光伏出力进行评估的方法。

技术介绍

[0002]源于风光电源的强随机性和波动性特点，电网调度运行中如何充分考虑其不确定性并筹措灵活资源以应对，成为重大的技术挑战。而新能源场群发电能力评估，成为把握新能源电源的资源和出力特性的重要手段，也是调度辅助决策的核心基础。目前新能源场群环境观测、发电运行监测等信息彼此孤立，新能源场群发电能力评估精度和实效性难以满足调度运行需要。同时，基于黑盒理论的新能源发电能力评估方法，其评估过程不可参与，因此亟需一种可实时模拟新能源场站出力过程的仿真技术手段，如果没有准确的预测，很可能威胁到电网的稳定性。太阳能和风能资源的可变性和与预测相关的不确定性是维护电网稳定所必须解决的大多数问题的根源。
[0003]自然资源的可变性和预测的不确定性间接导致了电力系统中运营储备的存在，以解决需求与生产之间的差异。资源的可变性会导致斜坡事件，大型工厂无法跟上事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于组合预测模型的风电出力与光伏出力评估的方法，其特征在于；包括：S1.数据相关性及耦合性量化分析；S2.数据的分解与变换；S3.模型的训练与预测；S4.得出最终结果：将各个子序列的预测结果进行重构，得到最终的预测值，进行误差分析。2.根据权利要求1所述的一种基于组合预测模型的风电出力与光伏出力评估的方法，其特征在于：所述数据相关性及耦合性量化分析包括：从波动性和相关性两个维度分析环境因素间的耦合关系，使用时间滞后互相关(TCLL)方法得到变量间的局部相关性系数，通过基于Pearson相关性系数的相关性分析算法对多维气象因子进行分析，提取其中相关性较大的气象因子组成气象数据输入序列。3.根据权利要求1所述的一种基于组合预测模型的风电出力与光伏出力评估的方法，其特征在于：所述数据的分解与变换包括：对不平稳的时序输入数据通过CEEMDAN(自适应完备总体经验模态分解算法)进行数据分解，分离成多个平稳的子序列，对分解后得到的多个IMF分量使用游程统计法分为高频、中频、低频三个频段，基于各频段的波动特点和变化规律分频段建立预测模型。4.根据权利要求1所述的一种基于组合预测模型的风电出力与光伏出力评估的方法，其特征在于：所述模型的训练与预测包括：基于每个频段分量序列使用训练集分别建立起训练子模型，应用LSTM
‑
BP、GA
‑
BP、GA
‑
ACO其中的一种或者多种优化算法对其模型参数进行优化，在滚动训练同时利用交叉验证集实时计算误差评价指标，若不满足各误差评价指标，重新训练该层次子模型。5.根据权利要求4所述的一种基于组合预测模型的风电出力与光伏出力评估的方法，其特征在于：选取LSTM
‑
BP混合模型优化算法进行参数优化，其中LSTM
‑
BP混合模型由LSTM和BP神经网络组成，LSTM组件的输入集A主要包括连续时序数据及周期时序数据，作为主要输入；BP神经网络输入数据集B包括气象数据，作为辅助输入；LSTM的...

【专利技术属性】
技术研发人员：吕清泉，周强，赵龙，王定美，沈渭程，张珍珍，张彦琪，张健美，张睿骁，高鹏飞，李津，袁琛，张金平，刘丽娟，郑翔宇，李文君，朱宏毅，陈柏旭，王晟，刘海伟，
申请(专利权)人：国网甘肃省电力公司国家电网有限公司，
类型：发明
国别省市：