【技术实现步骤摘要】
本专利技术属于电力信息
，其涉及，其基于提升小波、LS-SVM和误差预测。
技术介绍
风能是理想的清洁能源，风能发电避免了火力发电对大气的污染、水力发电对生态环境的影响。随着风电技术的不断发展和风电场的规模不断增大，为了保证电力系统的稳定运行和供电可靠性，必须对风电系统进行有效的规划和调度。由于风电本身所特有的间歇性和不确定性，增加了电网调度的难度，为了解决风电场的发电量不确定问题，电网必须提供足够的旋转备用容量，而旋转备用容量的增加间接地增加了风力发电的整体运营成本，所以需要对风电场的输出功率进行预测，通过对风电场发电量进行准确的预测，可以大 幅降低电网旋转备用容量，从而有效降低风力发电系统的运行成本，为电网调度运行提供可靠依据。一个准确度高的风电负荷预测方法是非常关键的。负荷预测的核心问题是预测的技术方法，或者说是预测的数学模型。随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样的负荷预测方法不断涌现，从经典的单耗法，统计分析法，到目前的灰色预测法，专家系统发和模糊数学法，甚至到神经网络法，优选组合法和小波分析法，它们各自有各自的研究...
【技术保护点】
一种风力发电短期负荷预测方法，基于提升小波、最小二乘支持向量机和误差预测，其特征在于，包括以下步骤：S1：原始数据的预处理：去除原始数据中的错误数据；S2：建立提升小波变换的数学模型，将记录的功率数据看作离散的数据序列，根据建立的提升小波变换进行二层分解，可以得到高频数据序列D1、D2和低频数据序列A2；S3：将需要的数据序列归一化；S4：建立最小二乘支持向量机数学模型；S5：将步骤S3中得到的归一化后的A2数据序列、气温、风向角、风速一起输入到步骤S4中建立的最小二乘支持向量机数学模型中，其中的3/4的A2数据作为训练样本，其余的作为测试样本；在最小二乘支持向量机模型中训...
【技术特征摘要】
【专利技术属性】
技术研发人员：王昕，郑益慧，李立学，温锦斌，张忠保，邵凤鹏，柳杨，
申请(专利权)人：上海交通大学，吉林省电力有限公司延边供电公司，国家电网公司，
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。