本发明专利技术公开一种基于PASDA和FTS的风电爬坡事件识别方法，首先将时间分辨率为15分钟的风电功率数据通过不同的滤波方法预处理，减少噪声和不合理数据影响；进而将预处理后的数据投入基于常规旋转门算法的参数自适应改进模型中，在保留功率数据波动趋势和降低压缩误差的基础上将数据量压缩到最低，提高识别的反应速度；随后对压缩后的数据进行波动趋势特征提取和筛选，消除bump事件等降低识别精度的事件所代表的的波动趋势特征，获得具有上/下爬坡趋势的风电功率数据集；最后基于三种常见定义的不同时间和阈值条件，识别获得风电爬坡事件的数量结果和起止时间结果。通过本发明专利技术方法可以提高爬坡事件识别方法的适用范围，提高识别精度，具有推广价值。具有推广价值。具有推广价值。
【技术实现步骤摘要】
一种基于PASDA和FTS的风电爬坡事件识别方法
[0001]本专利技术涉及一种基于参数自适应旋转门PASDA(Parameter AdaptiveSwinging Door Algorithm)和波动趋势筛选FTS(Fluctuation Trend Selection) 的风电爬坡事件识别方法，属于新能源功率预测领域。
技术介绍
[0002]未来我国将构建以新能源为主体的新型电力系统。2021年我国风电新增装机容量4757万千瓦，占全国新增装机的27％，全国风电平均利用率已达96.9％。风力发电具有不确定性、间歇性和随机性，短时间内风力大幅波动的现象称作风电爬坡事件。风电爬坡事件常由阵风、雷暴、气旋等极端天气引起，严重威胁到电力系统的可靠和经济运行。风电爬坡事件使得在管理和调度风力发电时必须调节传统发电机的输出。因此，更好地预测和检测爬坡事件对于电力系统运营决策非常重要。
[0003]目前针对风电爬坡事件的预测主要有两种途径，一种是通过相关气象数据或数据挖掘算法直接对爬坡事件进行预测，称之为直接法，另一种是基于风电功率的预测结果，实现对爬坡事件的预测，称之为间接法。直接法较为直观且准确度高，但依赖于大量的历史爬坡数据来训练模型，爬坡事件历史样本的准确性和充裕度会直接影响到预测的效果；间接法是目前爬坡预测的主流方法，因其可以从提高风电功率预测精度和提高爬坡事件识别精度两个方向来提高风电爬坡事件的预测精度，具有更广阔的研究背景。目前研究多集中在提高风电功率预测精度的角度，较少针对爬坡事件的识别，故现有的风电爬坡事件识别方法精度尚且存在提升空间。
技术实现思路
[0004]本专利技术的目的是提供一种基于PASDA和FTS的风电爬坡事件识别方法，以解决上述
技术介绍
中存在的问题，PASDA(Parameter AdaptiveSwinging Door Algorithm)为参数自适应旋转门的缩写，FTS(FluctuationTrend Selection)为波动趋势筛选的缩写，本专利技术的识别方法可以更好地捕捉到代表事件发生的特征，从具有上爬坡和下爬坡波动趋势的集合中获得满足不同爬坡定义和识别条件的风电爬坡事件和事件起止时间，为提高风电爬坡事件预测准确度打下基础。
[0005]本专利技术的目的由以下技术措施实现：
[0006]一种基于PASDA和FTS的风电爬坡事件识别方法，包括以下步骤：
[0007]S1：获取时间分辨率为15分钟的风电场功率数据，通过数种滤波方法，分别对原始功率数据进行预处理，选择其中滤波效果最好的滤波方法，并获得经过最佳滤波预处理后的风电功率数据；
[0008]S2：将经过S1预处理后的风电功率数据投入基于常规旋转门算法SDA (Swinging Door Algorithm)的参数自适应改进模型中，在尽可能保留数据波动趋势的情况下降低了压缩误差，完成对风电功率数据的压缩处理，获得经过参数自适应旋转门压缩后的风电功
率数据；
[0009]S3：对经过S2压缩处理后的风电功率数据进行风波动趋势特征筛选，根据判定规律为每段风过程赋予相应的波动趋势，随后消除降低识别精度的bump事件所代表的波动趋势特征，获得合并波动趋势特征后具有上/下爬坡趋势的风电功率数据；
[0010]S4：对经过S3趋势判定后的风电功率数据进行爬坡事件的识别，基于三种常见定义的不同时间和阈值条件，识别获得风电爬坡事件的数量结果和起止时间结果。
[0011]进一步地，S1步骤中，数种滤波方法分别为：小波包滤波、Haar/db/sym 小波滤波、MEEMD滤波和smooth滤波，具体通过信噪比SNR (Signal
‑
to
‑
noise ratio)、波形相似参数NCC(Normalized CorrelationCoefficient)、均方误差MSE(Mean Square Error)的滤波评价指标确定上述数种滤波方法中哪种滤波方法为最佳方法，并输出经过该最佳方法预处理后的风电功率数据。
[0012]进一步地，S2的具体步骤包括：
[0013]S2.1：根据初始参数进行常规旋转门压缩，判断风电功率数据是否在门的张开范围内，若是，则保持门控参数，推进一个风电功率数据继续判断；若否，则转入S2.2进一步计算风电功率数据段的压缩误差；
[0014]S2.2：计算上一个压缩点到该风电功率数据点的压缩误差，判断压缩误差是否在给定阈值范围内；若是，则记录该风电功率数据点为压缩点，并将所有的符合要求的风电功率数据进行集合，得到经过参数自适应旋转门压缩后的风电功率数据集合；若否，则转入S2.3自适应地修改门控参数；
[0015]S2.3：若计算压缩误差大于给定误差阈值，则相应减小门控参数，若计算误差小于给定误差阈值，则相应增大门控参数；修改门控参数后，退回一个数据，重新进行旋转门算法的压缩判断，循环S2.1步骤直至所有风电功率数据都得到判断，完成风电功率数据压缩；
[0016]进一步地，S3的具体步骤包括：
[0017]S3.1：设置额定装机容量的2％为风波动趋势的判定条件；
[0018]S3.2：相邻风电功率数据点间，前一个风电功率数据减后一个风电功率数据的功率差值大于额定装机容量的2％，则判定两风电功率数据点间的波动趋势为
‑
1；相邻风电功率数据点间功率数据之差的绝对值小于额定装机容量的2％，则判定两风电功率数据点间的波动趋势为0；相邻风电功率数据点间，后一个风电功率数据减前一个风电功率数据的功率差值大于额定装机容量的2％，则判定两风电功率数据点间的波动趋势为+1；
[0019]S3.3：消除代表bump事件的波动特征趋势，将波动趋势持续为+1的数据段中存在的少量0趋势或
‑
1趋势更改为+1趋势，将波动趋势持续为
‑
1 的数据段中存在的少量0趋势或+1趋势更改为
‑
1趋势，完成风波动趋势特征筛选过程。
[0020]进一步地，S4的步骤包括：
[0021]S4.1：合并波动趋势特征到经过参数自适应旋转门压缩后的风电功率数据集合中，构建具有上/下爬坡趋势的数据集；
[0022]S4.2：关于风电爬坡事件的三种常见定义分别是：(1)一段时间内风电功率起止时间差值的绝对值大于指定阈值；(2)一段时间内风电功率最大值和最小值的差值大于指定阈值；(3)一段时间内风电功率起止时刻差值的绝对值与检测时长之比大于指定阈值；
[0023]S4.3：依据S4.2三种常见爬坡事件的定义，基于用户所需的具体时间和阈值条件，
完成对风电爬坡事件的识别。
[0024]本专利技术达到的有益效果是：本专利技术方法通过不同模型的数据预处理，平滑了风电波动曲线，减少了噪声和不合理数据影响；通过在常规旋转门算法的基础上加入参数自适应选择的机制，给予核心参数适当改变的范围，在保留功率数据波动趋势和降低压缩误差的情况下，将数据量压缩到最本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于PASDA和FTS的风电爬坡事件识别方法，其特征在于按以下步骤进行：S1：获取时间分辨率为15分钟的风电场功率数据，通过数种滤波方法，分别对原始功率数据进行预处理，选择其中滤波效果最好的滤波方法，并获得经过最佳滤波预处理后的风电功率数据；S2：将经过S1预处理后的风电功率数据投入基于常规旋转门算法SDA的参数自适应改进模型中，在尽可能保留数据波动趋势的情况下降低了压缩误差，完成对风电功率数据的压缩处理，获得经过参数自适应旋转门压缩后的风电功率数据；S3：对经过S2压缩处理后的风电功率数据进行风波动趋势特征筛选，根据判定规律为每段风过程赋予相应的波动趋势，随后消除降低识别精度的bump事件所代表的波动趋势特征，获得合并波动趋势特征后具有上/下爬坡趋势的风电功率数据；S4：对经过S3趋势判定后的风电功率数据进行爬坡事件的识别，基于三种常见定义的不同时间和阈值条件，识别获得风电爬坡事件的数量结果和起止时间结果。2.根据权利要求1中所述一种基于PASDA和FTS的风电爬坡事件识别方法，其特征在于：所述S1步骤中，数种滤波方法分别为：小波包滤波、Haar/db/sym小波滤波、MEEMD滤波和smooth滤波，具体通过信噪比SNR、波形相似参数NCC、均方误差MSE的滤波评价指标确定上述数种滤波方法中哪种滤波方法为最佳方法，并输出经过该最佳方法预处理后的风电功率数据。3.根据权利要求1中所述一种基于PASDA和FTS的风电爬坡事件识别方法，其特征在于：所述S2的具体步骤包括：S2.1：根据初始参数进行常规旋转门压缩，判断风电功率数据是否在门的张开范围内，若是，则保持门控参数，推进一个风电功率数据继续判断；若否，则转入S2.2进一步计算风电功率数据段的压缩误差；S2.2：计算上一个压缩点到该风电功率数据点的压缩误差，判断压缩误差是否在给定阈值范围内；若是，则记录该风电功率数据点为压缩点，并将所有的符合要求的风电功率数据进行集合，得到经过参数自适应旋转门压缩后的风电功率数据集合；若否，则转入S2.3自适应地修改门控参数...
【专利技术属性】
技术研发人员：漆炜之，熊予涵，车建峰，彭小圣，霍雪松，郝雨辰，戴强晟，柴赟，
申请(专利权)人：中国电力科学研究院有限公司，
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。