技术新讯 > 发电变电,配电装置的制造技术 > 一种两阶段的短期风电功率预测方法及装置  >  正文

一种两阶段的短期风电功率预测方法及装置

  • 国知局
  • 2024-07-31 17:27:43

本发明涉及智能电网,更具体的说是涉及一种两阶段的短期风电功率预测方法及装置。

背景技术:

1、风电功率预测是指以风电场的历史功率、历史风速、地形地貌、数值天气预报、风电机组运行状态等数据建立风电场输出功率的预测模型,以风速、功率或数值天气预报数据作为模型的输入,结合风电场机组的设备状态及运行工况,得到风电场未来的输出功率。其中,短期尺度(0-72小时)的风电功率预测,十分依赖天气预报提供的预测风速。

2、经典的风电功率曲线拟合技术有多项式回归模型、分段线性模型、logistic函数模型和非参数回归模型。但是,多项式回归模型、分段线性模型、logistic函数模型等无法考虑风电机组运行状态的不确定性;非参数回归模型如核密度估计方法在低风速段和近额定风速段的估计偏差较大,同时对局部异常值较为敏感;而机器学习等方法对数据质量和参数选择较敏感,对计算资源的要求较高。在天气预报不确定性方面,信号分解法和预测误差概率分布函数是最常用的工具。但是,信号分解法和概率分布函数也需要基于大量实际观测数据,同时容易受到离群值的影响。

3、因此,如何提高短期风电功率预测准确性是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此,本发明提供了一种两阶段的短期风电功率预测方法及装置,首先,在richards曲线中引入了不确定项,在表征风电功率s型的基本特征同时,表征了机组出力的不确定性;其次,通过在风速和功率预测2个环节,估计和校正系统预测偏差,实现了对最终预测结果的优化,从而提高短期风电功率预测准确性。

2、为了实现上述目的,本发明提供如下技术方案:

3、本发明公开了一种两阶段的短期风电功率预测方法,如图1所示,具体步骤如下:

4、数据输入:按照设定的采样间隔,采集初始预测风速、实测风速、实际功率,得到输入数据;

5、数据核验:检测所述输入数据是否合格,若合格则进行预处理,否则发出警告;

6、预测风速校正:根据预处理后的初始预测风速和实测风速,利用第一系统偏差公式,计算预测风速偏差;根据所述预测风速偏差校正初始预测风速,得到校正预测风速;

7、功率预测和校正:根据所述校正预测风速,利用改进的richards模型计算初始预测功率;根据所述初始预测功率和所述实际功率,利用第二系统偏差公式,计算功率预测偏差;根据所述功率预测偏差校正初始预测功率,得到校正预测功率;

8、数据输出:检测所述校正预测功率是否合格,若合格则按照设定的间隔输出校正预测功率。

9、进一步的,所述初始预测风速和所述实测风速由位于安全ⅲ/ⅳ区的天气预报工作站经反向隔离装置输入,所述实际功率由位于安全ⅱ区的功率预测工作站经正向隔离装置输入。

10、进一步的,所述数据核验中,合格率计算公式为:

11、

12、其中,n总为检测时间段内采样点的总个数,n缺测点为检测时间段内缺测点的总个数,n离群点为检测时间段内的离群点的总个数;当合格率大于等于90%则进行数据预处理,否则发出警告;

13、所述检测时间段内的离群点为所述实际风速和所述实际功率的滑动相关系数rvp中的突变点,所述滑动相关系数rvp计算公式为:

14、

15、式中,vi和pi分别是实测风速和实际功率的时间序列在宽度为k的滑动窗口的值,和为对应滑动窗口内点的平均值;在检测窗口向前滑动的过程中,使得滑动相关系数小于0.9的点,记为突变点。

16、进一步的,所述预处理为:采用邻近加权平均法生成不合格数据点的替换值,并替换所述不合格数据点;

17、所述替换值的计算公式为:

18、

19、式中,y为替换值,y-2,y-1,y1和y2是不合格点y0邻近的4个点值,w-2,w-1,w1和w2是对应邻近点的权重值。

20、进一步的,所述第一系统偏差公式为:

21、

22、式中,e为初始预测风速和实测风速系统偏差,n为风速时间序列长度,vi、v'i分别为i时刻的实测风速、初始预测风速;

23、所述校正初始预测风速,包括:采用arima(p,d,q)模型,估计风速预测偏差ew的时间序列,根据ew的时间序列和所述初始预测风速计算校正预测风速v″i,具体计算公式为:

24、

25、

26、式中,φi为自回归项系数,表示时间序列之前观测值的影响;p为自回归项数;q为滑动平均项数;d为序列平稳化所需的差分次数;l为滞后算子l(yt)=yt-1,lk是滞后算子的k次幂,表示yt滞后k个时间步,lk(yt)=yt-k;θi为滑动平均项系数,表示前q个随机冲击对当前值的影响;εt为随机误差项。

27、进一步的,所述初始预测功率的计算公式为:

28、

29、式中,p'i表示根据i时刻的初始预测功率,pmax为风机额定功率,a为形状参数,e为自然常数,v″i为校正预测风速,v0为风机的切入风速,k为尺度函数,用于表征不同风速下机组出力的不确定性,其表达式为:

30、

31、式中,σ为尺度参数,x为风速的波动区间;

32、所述第二系统偏差公式为:

33、

34、式中,e'为初始预测功率和实测功率系统偏差,n'为功率时间序列长度,pi、p'i分别为i时刻的实测功率、初始预测功率;

35、所述校正初始预测功率,包括:采用arima(p,d,q)模型,估计功率预测偏差ep的时间序列,根据ep的时间序列和所述初始预测功率计算校正预测功率p″i,具体计算公式为:

36、

37、

38、式中,φi为自回归项系数,,表示时间序列之前观测值的影响;p为自回归项数;q为滑动平均项数;d为序列平稳化所需的差分次数;l为滞后算子l(yt)=yt-1,lk是滞后算子的k次幂,表示yt滞后k个时间步,lk(yt)=yt-k;θi为滑动平均项系数,表示前q个随机冲击对当前值的影响;εt为随机误差项。

39、进一步的,所述数据输出中,输出合格率计算公式为:

40、

41、其中,n'总为预测时间段内输出时间点总个数,n'缺测点为预测时间段内缺失点的总个数,n'离群点为预测时间段内的离群点的总个数;当合格率小于95%则发出警告,大于等于90%则通过反向隔离装置,将功率预测结果输出至功率预测工作站,并由功率预测工作站上送到调度中心;

42、所述预测时间段内的离群点为所述校正预测风速和所述校正预测功率的滑动相关系数r中的突变点,所述滑动相关系数r的计算公式为:

43、

44、式中,v″i和p″i分别是校正预测风速和校正预测功率的时间序列在宽度为k的滑动窗口的值,和为对应滑动窗口内点的平均值;在检测窗口向前滑动的过程中,使得滑动相关系数小于0.9的点,记为突变点。

45、本发明还公开了一种两阶段的短期风电功率预测装置,包括:

46、数据输入模块:按照设定的采样间隔,采集初始预测风速、实测风速、实际功率,得到输入数据;

47、数据核验模块:检测所述输入数据是否合格,若合格则进行数据预处理,否则发出警告;

48、预测风速校正模块:根据预处理后的初始预测风速和实测风速,利用第一系统偏差公式,计算预测风速偏差;根据所述预测风速偏差校正初始预测风速,得到校正预测风速;

49、功率预测和校正模块:根据所述校正预测风速,利用改进的richards模型计算初始预测功率;根据所述初始预测功率和所述实际功率,利用第二系统偏差公式,计算功率预测偏差;根据所述功率预测偏差校正初始预测功率,得到校正预测功率;

50、数据输出模块:检测所述校正预测功率是否合格,若合格则按照设定的间隔输出校正预测功率。

51、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种两阶段的短期风电功率预测方法及装置,基于改进的richards模型,在保证风电功率曲线的基本s型特征的同时,考虑了机组运行状态的不确定性,同时通过两阶段系统偏差校正,抑制了风电预测流程中的偏差传播,在保证预测准确率的同时,增强了功率预测结果的稳定性和现场适用性;并且,本发明提出的装置是一个独立模块,通过正反向隔离装置接入功率预测系统,保证了关键数据的安全,兼容已有的预测系统。本发明同时适用于单机和整站的短期风电功率预测校正,可提高预测准确率和稳定性,提高风电场售电收益,降低电网运行成本和运行风险。

本文地址:https://www.jishuxx.com/zhuanli/20240731/175622.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。