风电功率预测误差解耦分析方法、处理器及存储介质技术

本发明专利技术涉及一种风电功率预测误差解耦分析方法，属于风电功率预测领域。方法包括基于风电场历史数据，获取风电预测误差解耦所需的数据；结合实际风电场预测流程，将风电预测分为数值天气预报、风

【技术实现步骤摘要】
风电功率预测误差解耦分析方法、处理器及存储介质


[0001]本专利技术涉及风电功率预测领域，特别涉及一种风电功率预测误差解耦分析方法、处理器及存储介质。

技术介绍

[0002]风能是一种重要的可再生清洁能源，储量丰富、分布广泛，因此风力发电已成为可再生能源发展和利用的一个重要的研究方向。然而，自然界的风资源具有随机性和间歇性等特性，随机的风速和风向导致风电机组的输出功率呈现明显的波动性，从而对电力系统电压和频率的稳定性产生极大威胁。当接入电力系统中的风电超过一定比例时，整个系统的安全稳定将面临巨大挑战。为有效消纳间歇性和随机性突出的风电等新能源，电力系统需增加额外的备用容量，导致电力系统总运行成本上涨。为降低电力系统备用容量的配置成本、提升电力系统整体运行的安全性和可靠性，如何准确预测风电功率是电力系统运行与控制领域亟待突破的重要难题。
[0003]现有风电功率预测技术难以精准刻画和表征风力发电的内在特性，预测结果不可避免存在误差。对风电功率预测的误差开展客观、全面的分析与评价，有助于识别风电功率预测过程中的关键影响因素和薄弱环节，进而指导现有风电预测技术进一步改进和优化，对提高风电功率预测精度具有重要意义。然而，现有风电预测误差分析方法未考虑气象数据等条件发生变化后，风电功率预测各环节误差的变化。在忽略误差变化特性的情况下，现有风电预测误差分析方法的可靠性将大打折扣。

技术实现思路

[0004]本专利技术实施例的目的是提供风电功率预测误差解耦分析方法、处理器及存储介质。
[0005]为了实现上述目的，本专利技术第一方面提供一种一种风电功率预测误差解耦分析方法，风电功率预测过程包括数值天气预报环节、风
‑
电转换模型环节以及预测结果校正环节，风电功率预测误差解耦分析方法包括：
[0006]从风电场历史运行数据中获取风电功率预测误差分析所需的数据，其中数据包括风电场实测天气数据、数值天气预报数据、装机容量、实时开机容量、计划开机容量、风电功率预测数据、风电场实际输出功率；
[0007]确定预测结果校正环节引起的第一目标误差；
[0008]根据所需的数据对风电场的风
‑
电转换模型进行拟合，以建立风电转换拟合模型；
[0009]将风电场实测天气数据输入至风电转换拟合模型，以得到真实气象条件下的模型输出；
[0010]根据装机容量、计划开机容量以及真实气象条件下的模型输出确定真实气象条件下的风电预测功率；
[0011]根据实时开机容量、计划开机容量以及真实气象条件下的风电预测功率确定真实
气象条件下的预测结果校正误差；
[0012]根据真实气象条件下的风电预测功率、风电场实际输出功率以及真实气象条件下的预测结果校正误差确定真实气象条件下的风
‑
电转换模型误差；
[0013]获取真实气象条件下的模型输出对应的数值天气预报下的模型输出；
[0014]根据真实气象条件下的模型输出、数值天气预报下的模型输出以及真实气象条件下的风
‑
电转换模型误差确定风
‑
电转换模型环节引起的第二目标误差；
[0015]根据风电功率预测数据、风电场实际输出功率、第一目标误差以及第二目标误差确定数值天气预报环节引起的第三目标误差；以及
[0016]根据第一目标误差、第二目标误差以及第三目标误差确定各个目标误差的占比。
[0017]在本专利技术实施例中，风电功率预测误差解耦分析方法，还包括：
[0018]根据各个目标误差的占比分析风电功率预测过程中的各个环节中造成误差的主要因素的环节。
[0019]在本专利技术实施例中，确定预测结果校正环节引起的第一目标误差包括：
[0020]根据风电功率预测数据、实时开机容量和计划开机容量确定等效风电功率预测值；
[0021]将风电功率预测数据减去等效风电功率预测值以得到第一目标误差。
[0022]在本专利技术实施例中，根据所需的数据对风电场的风
‑
电转换模型进行拟合，以建立风电转换拟合模型，包括：
[0023]根据装机容量、计划开机容量以及风电功率预测数据确定风
‑
电转换模型输出；
[0024]将数值天气预报数据作为风
‑
电转换模型输入，与风
‑
电转换模型输出形成训练集与测试集；
[0025]利用XGBoost对训练集进行训练，以拟合风
‑
电转换模型；
[0026]在训练完成后，使用测试集判断拟合的风
‑
电转换模型是否满足精度要求；
[0027]修改XGBoost的初始参数，重复对训练集进行训练，直至满足精度要求；
[0028]将满足精度要求的拟合的风
‑
电转换模型作为风电转换拟合模型。
[0029]在本专利技术实施例中，风
‑
电转换模型包括以下中的一者：
[0030]基于BP神经网络的风
‑
电转换模型、基于LSTM循环神经网络的风
‑
电转换模型以及基于CNN
‑
LSTM混合神经网络的风
‑
电转换模型。
[0031]在本专利技术实施例中，根据装机容量、计划开机容量以及真实气象条件下的模型输出确定真实气象条件下的风电预测功率，包括：
[0032]根据以下公式计算真实气象条件下的风电预测功率：
[0033][0034]其中，P
wind
是真实气象条件下的风电预测功率，C
′
o
是计划开机容量、C是装机容量，f
wind,m
是真实气象条件下的模型输出。
[0035]在本专利技术实施例中，根据实时开机容量、计划开机容量以及真实气象条件下的风电预测功率确定真实气象条件下的预测结果校正误差，包括：
[0036]根据以下公式计算真实气象条件下的预测结果校正误差：
[0037][0038]其中，E
wind,r
是真实气象条件下的预测结果校正误差，C
o
是实时开机容量，C
′
o
是计划开机容量，P
wind
是真实气象条件下的风电预测功率。
[0039]在本专利技术实施例中，根据真实气象条件下的风电预测功率、风电场实际输出功率以及真实气象条件下的预测结果校正误差确定真实气象条件下的风
‑
电转换模型误差，包括：
[0040]根据以下公式计算真实气象条件下的风
‑
电转换模型误差：
[0041]P
wind
＝P
m
+E
wind,m
+E
wind,r
[0042]其中，P
wind
是真实气象条件下的风电预测功率，P
m
是风电场实际本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电功率预测误差解耦分析方法，其特征在于，风电功率预测过程包括数值天气预报环节、风
‑
电转换模型环节以及预测结果校正环节，所述风电功率预测误差解耦分析方法包括：从风电场历史运行数据中获取风电功率预测误差分析所需的数据，其中所述数据包括风电场实测天气数据、数值天气预报数据、装机容量、实时开机容量、计划开机容量、风电功率预测数据、风电场实际输出功率；确定所述预测结果校正环节引起的第一目标误差；根据所需的数据对风电场的风
‑
电转换模型进行拟合，以建立风电转换拟合模型；将所述风电场实测天气数据输入至所述风电转换拟合模型，以得到真实气象条件下的模型输出；根据所述装机容量、所述计划开机容量以及真实气象条件下的模型输出确定真实气象条件下的风电预测功率；根据所述实时开机容量、所述计划开机容量以及真实气象条件下的风电预测功率确定真实气象条件下的预测结果校正误差；根据真实气象条件下的风电预测功率、所述风电场实际输出功率以及真实气象条件下的预测结果校正误差确定真实气象条件下的风
‑
电转换模型误差；获取真实气象条件下的模型输出对应的数值天气预报下的模型输出；根据真实气象条件下的模型输出、数值天气预报下的模型输出以及真实气象条件下的风
‑
电转换模型误差确定风
‑
电转换模型环节引起的第二目标误差；根据所述风电功率预测数据、所述风电场实际输出功率、所述第一目标误差以及所述第二目标误差确定所述数值天气预报环节引起的第三目标误差；以及根据所述第一目标误差、所述第二目标误差以及所述第三目标误差确定各个目标误差的占比。2.根据权利要求1所述的风电功率预测误差解耦分析方法，其特征在于，还包括：根据各个目标误差的占比分析风电功率预测过程中的各个环节中造成误差的主要因素的环节。3.根据权利要求1所述的风电功率预测误差解耦分析方法，其特征在于，所述确定所述预测结果校正环节引起的第一目标误差包括：根据所述风电功率预测数据、所述实时开机容量和所述计划开机容量确定等效风电功率预测值；将所述风电功率预测数据减去所述等效风电功率预测值以得到所述第一目标误差。4.根据权利要求1所述的风电功率预测误差解耦分析方法，其特征在于，所述根据所需的数据对风电场的风
‑
电转换模型进行拟合，以建立风电转换拟合模型，包括：根据所述装机容量、所述计划开机容量以及风电功率预测数据确定风
‑
电转换模型输出；将所述数值天气预报数据作为风
‑
电转换模型输入，与所述风
‑
电转换模型输出形成训练集与测试集；利用XGBoost对所述训练集进行训练，以拟合风
‑
电转换模型；在训练完成后，使用所述测试集判断拟合的风
‑
电转换模型是否满足精度要求；
修改XGBoost的初始参数，重复对训练集进行训练，直至满足精度要求；将满足精度要求的拟合的风
‑
电转换模型作为所述风电转换拟合模型。5.根据权利要求4所述的风电功率预测误差解耦分析方法，其特征在于，所述风
‑
电转换模型包括以下中的一者：基于BP神经网络的风
‑
电转换模型、基于LSTM循环神经网络的风
‑
电转换模型以及基于CNN
‑
LSTM混合神经网络的风
‑
电转换模型。6.根据权利要求1所述的风电功率预测误差解耦分析方法，其特征在于，根据所述装机容量、所述计划开机容量以及真实气象条件下的模型输出确定真实气象条件下的风电预测功率，包括：根据以下公式计算真实气象条件下的风电预测功率：其...

【专利技术属性】
技术研发人员：郝露茜，王玎，沈阳武，胡宇晗，呙虎，叶建兴，曾宪东，朱利鹏，李佳勇，沈非凡，何立夫，王小源，
申请(专利权)人：国网湖南省电力有限公司国家电网有限公司，
类型：发明
国别省市：