单风力发电机的风电功率预测方法技术

本发明专利技术公开了一种单风力发电机的风电功率预测方法，包括：从历史数据库中提取长度为L的数据片段，确定当前时间点T之前的特征片段核心库，其中，L为大于或等于1的整数；采用聚类算法对所述特征片段核心库进行聚类，形成w个聚类子集和w个聚类中心，其中所述w为大于或等于1的整数；根据所述w个聚类中心和当前时刻片段的中心，确定预测时间点T+1的功率P(T+1)，所述当前时刻片段为时间点T-Z至T时间点代表的时间段，其中1≤Z≤L。根据本发明专利技术提供的单风力发电机的风电功率预测方法，能够可靠有效地预测风电功率。

【技术实现步骤摘要】

本专利技术涉及风力发电技术，尤其涉及一种。
技术介绍
风力发电已经成为近几年来发展最为迅速的可再生能源，未来风电将占世界电力供应的12%以上。但是，由于风的波动性和间歇性，风力发电的典型特征就是不可控，大容量风电场的接入会对电网运行产生很大的负荷甚至危险。随着风电容量不断加大、电量需求逐渐饱和，电力市场将逐步要求风电企业竞价上网和提前进行发电量预测。为提升电网接纳风电的能力，保障电网安全，对风力发电机功率进行预测是十分必要并且意义重大。 目前解决该问题的主要方法包括物理方法与统计方法。前者必须具有详细的风场地形图、风机布置坐标和风电功率曲线等数据，且程序复杂，这类方法包括微观气象模型。计算流体力学模型，这些技术中微观选址经常被使用。后者程序简单但波动性较大，主要包括NN(神经网络)、SVM(支持向量机)等技术。其中统计方法多用于风电功率的短时预测，这是因为历史数据中潜在着一些有意义的模式，可用于识别气象变化的短时规律，而基于这些模式有可能对未来的气象情况进行推测。现有的基于统计的短时预测方法，将风速的变化视为一个随机过程，使用时间序列统计模型对其拟合，但由于风速本身的特性使这些预测模型无法抓住局部特征，难以做到全局平稳，进而无法刻画风速变化的各个情况，例如，忽略风向变化的影响，预测效果难以令人满意。
技术实现思路
本专利技术提供一种，用以可靠有效地预测风电功率。本专利技术实施例提供一种，包括步骤a :从历史数据库中提取长度为L的数据片段，确定当前时间点T之前的特征片段核心库，其中，L为大于或等于I的整数；步骤b :采用聚类算法对所述特征片段核心库进行聚类，形成w个聚类子集和w个聚类中心，其中，w为大于或等于I的整数；步骤c :根据所述w个聚类中心和当前时刻片段的中心，确定预测时间点T+1的功率P (T+1)，所述当前时刻片段为时间点T-Z至T时间点代表的时间段，其中I彡Z彡L。如上所述的方法,优选地,还包括步骤d:将所述时间点T+1更新为当前时间点，重复步骤C，直至预测出所要预测的时间点的功率。如上所述的方法，优选地，所述历史数据库的数据以数据类别为坐标轴，数据类别的数量为V，所述V为大于或等于I的整数。如上所述的方法，优选地，所述数据类别包括风速、风向、气温、气压和功率中的至少一个。如上所述的方法，优选地，所述步骤a具体包括步骤ai :从所述历史数据库中提取长度为L的S个数据片段；步骤a2 :采用预设模型确定每个所述数据片段的mX V个特征值；步骤a3 :将mXV个特征值作为特征片段，S个特征片段形成初始特征片段核心库；步骤a4 :对所述初始特征片段核心库进行扩展，形成所述特征片段核心库；其中，所述S和m均为大于或等于I的整数。如上所述的方法，优选地，对所述初始特征片段核心库进行扩展，形成所述特征片 段核心库的步骤包括步骤a41 :根据预设的扩展比例e对所述特征片段中的数据点进行扩展形成候选片段，并根据预设的参数比例系数P和特征明显度选取部分候选片段加入到初始特征片段核心库中；步骤a42:重复步骤a41，直至扩展次数达到最大迭代次数r，根据所述预设的参数比例系数P和特征明显度选取部分候选片段加入到初始特征片段核心库中，形成所述特征片段核心库。如上所述的方法，优选地，所述确定每个所述数据片段的mXV个特征值采用的预设模型是ARMA (p，q)模型。如上所述的方法，优选地，在确定每个所述特征片段的mXV个特征之前，还包括根据公式木-cPixt-I_L - (PpXt—p =St- d'st—' -L - dqst_q^ 定 ARMA (p, q)模型的 p、q值，其中，X是数据点类别值阶数为p、q的自回归滑动平均序列，e代表零均值、方差是O2的平稳白噪声。如上所述的方法，优选地，m = p+q+Y，其中Y为预设的特征片段的特征子片段的个数，Y为大于或等于I的整数。如上所述的方法，优选地，所述m个特征值分别为灼、炉2…; 0 p 0 2. . . 0 ,;以及Y个特征子片段的平均值。如上所述的方法,优选地,步骤b所采用的聚类算法为K-means算法或Kohonen算法。如上所述的方法，优选地，所述步骤c包括采用预设模型确定当前时刻片段的中心，并确定w个聚类中心与所述当前时间片段的中心的权值Ii1、n2、n3......nw以及每个所述聚类中心的功率P1、P2、P3......Pw ；预测时间点T+1 对应的 P(T+1)功率为 H1XP^n2XVn3XP3+. nwXPw。如上所述的方法，优选地，确定当前时刻片段的中心采用的预设模型是ARMA(p，q)模型。本专利技术提供的，能够可靠有效地预测风电功率。附图说明图I为根据本专利技术实施例一的预测风电功率的方法流程图；图2为根据本专利技术实施例一的对初始特征片段核心库进行扩展以形成特征片段核心库的方法流程图。具体实施例方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面，提供根据本专利技术的的实施例。这里的“单风力发电机”指的是单个风力发电机，即针对一台风力发电机的风电功率进行预测。实施例一如图I所示，为根据本专利技术实施例一预测时间点T+1的功率P(T+1)的方法流程图，其中T为当前时间点。 步骤101，从历史数据库中提取长度为L的数据片段，确定当前时间点T之前的特征片段核心库，其中，L为大于或等于I的整数；步骤102，采用聚类算法对特征片段核心库进行聚类，形成w个聚类子集和w个聚类中心，其中，w为大于或等于I的整数；步骤103，根据w个聚类中心和当前时刻片段的中心，确定预测时间点T+1的功率P(T+1)，当前时刻片段为时间点T-Z至T时间点代表的时间段，其中I彡Z彡L。所谓特征片段核心库，即包括由数据片段的特征值组成的特征片段的数据库，该数据库与数据类别相关。例如，每个特征值为以数据类别为坐标轴的数据点。所谓当前时刻片段的中心指的是，根据数据类别采用预设模型求得的中心。例如，预设模型可以采用ARMA(p,q)模型，求出该当前时刻片段的特征值，这些特征值即可以设定为当前时刻片段的中心。当然，本领域的技术人员还可以采用其它现有技术求得当前时刻片段的中心，在此不再进行赘述。需要指出的是，上述的预测时间点T+1指的是历史数据库中数据点的位置。例如，历史数据库中的数据点是以10分钟为间隔的数据点，当前数据点所代表的时间点为T，那么T+1代表的是10分钟之后的时间点，T+2代表的是20分钟之后的时间点，T-I就代表10分钟之前的数据点。类似地，如果历史数据库中的数据点是以I小时为间隔的数据点，当前数据点所代表的时间点为上午8点，那么T+1就代表时间点为上午9点，T+2就代表时间点为上午10点，T-I就代表上午7点。以此类推。当所需要预测的时间点并非是当前时间点的下一个时间点时，需要将所需要预测的时间点的前一个时间点预测出来。即，将时间点T+1更新为当前时间点，重复步骤C，直至预测出所要预测的时间点的功率。所要预测的时间点较佳的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单风力发电机的风电功率预测方法，包括 步骤a :从历史数据库中提取长度为L的数据片段，确定当前时间点T之前的特征片段核心库，其中，L为大于或等于I的整数； 步骤b :采用聚类算法对所述特征片段核心库进行聚类，形成w个聚类子集和w个聚类中心，其中，w为大于或等于I的整数； 步骤c :根据所述w个聚类中心和当前时刻片段的中心，确定预测时间点T+1的功率P(T+1)，所述当前时刻片段为时间点T-Z至T时间点代表的时间段，其中I彡Z彡L。2.根据权利要求I所述的方法，其特征在于，还包括 步骤d:将所述时间点T+1更新为当前时间点，重复步骤c，直至预测出所要预测的时间点的功率。3.根据权利要求2所述的方法，其特征在于，所述历史数据库的数据以数据类别为坐标轴，数据类别的数量为V，所述V为大于或等于I的整数。4.根据权利要求3所述的方法，其特征在于，所述数据类别包括风速、风向、气温、气压和功率中的至少一个。5.根据权利要求I 4中任一项所述的方法，其特征在于，所述步骤a具体包括 步骤％ :从所述历史数据库中提取长度为L的S个数据片段； 步骤a2 :采用预设模型确定每个所述数据片段的mXV个特征值； 步骤a3 :将mX V个特征值作为特征片段，S个特征片段形成初始特征片段核心库； 步骤a4 :对所述初始特征片段核心库进行扩展，形成所述特征片段核心库； 其中，所述S和m均为大于或等于I的整数。6.根据权利要求5所述的方法，其特征在于，对所述初始特征片段核心库进行扩展，形成所述特征片段核心库的步骤包括 步骤a41 :根据预设的扩展比例e对所述特征片段中的数据点进行扩展形成候选片段，并根据预设的参数比例系数P和特征明显度选取部分候选片段加入到初...

【专利技术属性】
技术研发人员：侯伟，甘家飞，王颖，
申请(专利权)人：华锐风电科技集团股份有限公司，
类型：发明
国别省市：