【技术实现步骤摘要】
本专利技术属于风电功率预测
，尤其涉及。
技术介绍
风能是一种清洁的可再生能源，由于具有较好的经济效益和社会效益，风力发电已经受到世界各国的高度重视。由于风的不可控制性，对风电功率的预测显得尤为重要，尤其是风电功率短期预测能有效的减轻风电并网对整个电网的影响，有利于电力系统调度部门更加合理地安排调度计划。目前风电功率的预测方法可以分为两类一类是数值天气预报方法，另一类是基于历史数据的预测方法。基于数值天气预报就是利用气象部门提供的数值天气预报模型，对风电场或附近某个点的天气情况(如风速、风向、气温等参数)进行预测，建立模型，对风电功率进行预测。风电场短期功率预测模型可以分为统计模型和物理模型两类。统计模型方法是在系统的输入(数值天气预报模型、风电场的测量数据等)和风电场的功率之间建立一种映射关系。物理模型方法就是建立风电厂当地的数值天气预报模型，其特点是不需要大量的预测数据，但建立的模型比较粗糙，预测精度差。基于历史数据的预测方法是根据风电功率的历史数据，直接建立风电功率的预测模型，常见的方法包括持续性算法、线性回归模型、自适应模糊逻辑算法等，但是模型中...
【技术保护点】
１．一种风电功率短期预测方法，其特征该方法包括以下步骤：步骤１：采集预测日之前３０小时的风速信息和对应的风电功率数据，形成样本集；步骤２：对样本集进行数据预处理，采用基于脊波变换的方法对得到的样本集去噪；步骤３：利用量子进化算法选择最优样本；步骤４：将选择出的最优样本作为直推支持向量机ＴＳＶＭ的训练样本进行训练，利用训练好的直推支持向量机进行风电功率预测。
【技术特征摘要】
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。