【技术实现步骤摘要】
本专利技术属于电力系统新能源预测，具体涉及一种考虑风电场时空相关性及预测误差分布特性的风电功率预测方法。
技术介绍
1、在“双碳”目标的指引下，新型电力系统快速发展，其主要表现特征之一为风电、光伏等可再生能源在电力系统发电中的比例越来越高。与传统发电方式相比，风力发电具有很强的波动性、随机不确定性，准确可靠的预测可以有效减小这些特性给电力系统带来的不利影响。通过提前预测风电的波动和量化不确定性水平，合理安排运行模式和对策，提高电力系统的安全性和可靠性。在风电集群中，不同风电场风速预测准确率水平可能存在较大的差异，不同时间-空间情景下风电功率的规律也存在差异，同时不同风速水平下风电预测误差的分布特性也存在很大差异，而目前预测方法未能充分考虑这些差异，针对这些问题提出对应解决方案。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提出一种考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，该方法基于时间-空间相关性计算和集成模型，克服在不同时空条件下风电出力的差异性，提高预测...
【技术保护点】
1.一种考虑考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于，考虑风电出力在时间上和空间上的相关性，基于皮尔逊相关系数，计算不同时间延迟下的风电功率相关性、以及集群内目标风电场与其他风电场功率和风速之间的相关性，得到最佳时延和空间相关性排序；基于最佳时延和空间相关性排序，采用混合集成风电功率确定性预测模型进行风电功率确定性预测；建立历史相似数据集对预测误差进行统计分析得到误差分布特征，基于所述误差分布特征对风电功率确定性预测结果进行补偿。
2.根据权利要求1所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于，所述...
【技术特征摘要】
1.一种考虑考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于，考虑风电出力在时间上和空间上的相关性，基于皮尔逊相关系数，计算不同时间延迟下的风电功率相关性、以及集群内目标风电场与其他风电场功率和风速之间的相关性，得到最佳时延和空间相关性排序；基于最佳时延和空间相关性排序，采用混合集成风电功率确定性预测模型进行风电功率确定性预测；建立历史相似数据集对预测误差进行统计分析得到误差分布特征，基于所述误差分布特征对风电功率确定性预测结果进行补偿。
2.根据权利要求1所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于，所述考虑风电出力在时间上和空间上的相关性，基于皮尔逊相关系数，计算不同时间延迟下的风电功率相关性、以及集群内目标风电场与其他风电场功率和风速之间的相关性，得到最佳时延和空间相关性排序，具体方法为：
3.根据权利要求2所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述计算不同时间延迟下的风电功率的皮尔逊相关系数，具体方法为：
4.根据权利要求2所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述基于皮尔逊相关系数，计算集群内目标风电场与其他风电场功率和风速之间的相关性，其计算方法为：
5.根据权利要求2所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述基于最佳时延和空间相关性排序，采用混合集成风电功率确定性预测模型进行风电功率确定性预测，具体方法为：
6.根据权利要求5所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述混合集成风电功率确定性预测模型的构建方法为：引入极限学习机、长短期记忆递归神经网络、梯度提升决策树和随机森林，构建混合集成风电功率确定性预测模型，具体方法为：
7.根据权利要求1所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述建立历史相似数据集对预测误差进行统计分析得到误差分布特征，基于所述误差分布特征对所述风电功率确定性预测结果进行补偿，具体方法为：
8.根据权利要求7所述的考虑风电场时空相关性及预测误差分布特性的风电功率预测方法，其特征在于：所述利用聚类算法，从历史风电数据集筛选与所测...
【专利技术属性】
技术研发人员：万灿，陈燕惠，原凯，侯若松，岳晨昕，安佳坤，杨书强，郭伟，赵子珩，
申请(专利权)人：浙江大学，
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。