基于风速、风向信息的风电功率预测方法技术

本发明专利技术涉及基于风速、风向信息的风电功率预测方法，包括以下步骤：对风电场的历史风力数据及实际风功率出力数据进行搜集整理；进行归一化预处理后作为训练样本，然后进行相似性分析和聚类分析，将特征属性相类似的数据对象划分到同一类，采用K均值聚类算法分别计算出每一类数据的聚类中心；采用自回归模型结构预测出预测日当天的有功功率平均值，将其与每一类中的风速、风向数据结合共同作为输入，预测日当天的实测有功功率数据作为输出进行建模，建立不同类的风电功率预测模型；再根据预测日当天的归一化日向量，判断与预测日的归一化日向量相似度最高的一类，利用该类风电功率预测模型获得预测日当天的风电预测功率。预测精度高，可靠性高。

【技术实现步骤摘要】

本专利技术涉及风电场发电功率预测技术，特别是一种基于风速、风向信息的风电功率预测方法。
技术介绍
风能是一种典型的无污染可再生能源，由于其资源丰富，具备大规模开发的条件，因此受到广泛地关注，成为未来能源的主要形式，风能的开发和利用已成为我国最为重要的可再生能源发展方向。随着风电累计装机容量的逐渐提高，其发电出力的随机性和波动性对并网后电网平衡的影响越来越明显。为了保证电网的稳定运行和供电系统的可靠性，必须对供电系统进行有效的计划和调度，因此需要对风力发电功率进行准确预测，这直接关系到电网的供需平衡，也直接影响着并网系统的运营成本。2011年，国家能源局发布了《风电厂功率预测预报管理暂行办法》，强制风电场安装风力发电功率预测系统，而2012年1月1日以来，未按要求报送风力发电功率预报结果的风电场也不允许并网运行。在制定发电计划和安排调度时，需保证发电系统具有较强的复合跟踪能力，能够适应分钟级或小时级的负荷波动，从而要求系统有足够的旋转备用容量，因此需要对风力发电机和风电场的发电功率进行超短期(<4h)和短期(<72h)的预测，而准确的风电功率预测可以在保证供电系统的平稳与安全的前提下降低风电成本，可以达到提高风电价值的目的。由此可见风力发电功率预测的重要性。
技术实现思路
本专利技术的目的是为了提供一种可靠性高的基于风速、风向信息的风电功率预测方法，利用风速、风向信息实现超短期或短期风电功率预测。<br>本专利技术的技术方案是：一种基于风速、风向信息的风电功率预测方法，包括以下步骤：步骤一、对风电场的历史风力数据及相对应的实际风功率出力数据进行搜集整理，其中历史风力数据包括测风塔获得的不同高度的风速、风向信息，实际风功率出力数据为风电场实时传输的实际有功功率；步骤二、对所述风电场的历史风力数据以及相对应的实际风功率出力数据进行归一化预处理后作为训练样本，然后按照时间顺序对不同时间点的风速、风向和相对应的实际有功功率的归一化数据序列进行相似性分析和聚类分析，将特征属性相类似的数据对象划分到同一类，采用K均值聚类算法在确定最终分类数K后，分别计算出每一类数据的聚类中心；步骤三、提取训练日之前的历史实际有功功率，采用自回归模型结构预测出训练日当天的有功功率平均值，将其与每一类中的风速、风向数据结合共同作为输入，训练日当天的实测有功功率数据作为输出进行建模，通过对每一类数据样本的训练，建立不同类的风电功率预测模型，即建立K个风电功率预测模型；步骤四、提取预测日当天的风速、风向及预测的有功功率平均值的归一化数据，组成预测日当天的归一化日向量，分别计算该归一化日向量与K类中每一类聚类中心的相似性参数，判断与预测日的归一化日向量相似度最高的一类，利用该类风电功率预测模型获得预测日当天的风电预测功率。上述的基于风速、风向信息的风电功率预测方法，步骤二中进行相似性分析的方法是采用皮尔逊积矩相关系数来定量描述相似性的大小，所述皮尔逊积矩相关系数的计算公式如下：R=E(XY)-E(X)E(Y)E(X2)-E2(X)E(Y2)-E2(Y)]]>其中，E代表数学期望；X和Y分别代表不同日的风速和风向数据构成的归一化日向量；R代表相关系数，取值范围为-1～1；|R|＜0.4为低度线性相关；0.4≤|R|＜0.7为显著线性相关；0.7≤|R|＜1为高度线性相关。上述的基于风速、风向信息的风电功率预测方法，所述K均值聚类算法的具体步骤为：a、将所有数据分为K个初始类，选取K个样本点为初始聚类中心，记为z1(l),z2(l),…,zk(l)，其中，初始值l＝1；b、按照最近邻规则将所有样本分配到各聚类中心所代表的K类ωj(K)中，各类所包含的样本数为Nj(l)，其中，准则函数为欧氏距离，定义式为：d=(Σk=1m(x(k)-y(k))2)12]]>式中，d——代表不同日归一化日向量X、Y间的欧氏距离；m——向量X和Y的维数；x和y——向量X、Y的子向量；c、计算各类均值向量，并将该向量作为新的聚类中心：式中，j＝1,2,…,k；i＝1,2,…,Nj(l)；d、若zj(l+1)≠zj(l)，表示聚类结果并不是最佳的，则返回b，继续迭代计算；若zj(l+1)＝zj(l)，迭代过程结束，此时的聚类结果就是最优聚类结果。上述的基于风速、风向信息的风电功率预测方法，K＝5。上述的基于风速、风向信息的风电功率预测方法，步骤三中的自回归模型结构的具体表达式为：其中，pt代表训练日的有功功率平均值；pt-1、pt-2分别代表训练日前两日的有功功率平均值；为自回归模型参数，{εt本文档来自技高网...

【技术保护点】
一种基于风速、风向信息的风电功率预测方法，包括以下步骤：步骤一、对风电场的历史风力数据及相对应的实际风功率出力数据进行搜集整理，其中历史风力数据包括测风塔获得的不同高度的风速、风向信息，实际风功率出力数据为风电场实时传输的实际有功功率；步骤二、对所述风电场的历史风力数据以及相对应的实际风功率出力数据进行归一化预处理后作为训练样本，然后按照时间顺序对不同时间点的风速、风向和相对应的实际有功功率的归一化数据序列进行相似性分析和聚类分析，将特征属性相类似的数据对象划分到同一类，采用K均值聚类算法在确定最终分类数K后，分别计算出每一类数据的聚类中心；步骤三、提取训练日之前的历史实际有功功率，采用自回归模型结构预测出训练日当天的有功功率平均值，将其与每一类中的风速、风向数据结合共同作为输入，训练日当天的实测有功功率数据作为输出进行建模，通过对每一类数据样本的训练，建立不同类的风电功率预测模型，即建立K个风电功率预测模型；步骤四、提取预测日当天的风速、风向及预测的有功功率平均值的归一化数据，组成预测日当天的归一化日向量，分别计算该归一化日向量与K类中每一类聚类中心的相似性参数，判断与预测日的归一化日向量相似度最高的一类，并利用该类风电功率预测模型获得预测日当天的风电预测功率。...

【技术特征摘要】
1.一种基于风速、风向信息的风电功率预测方法，包括以下步骤：
步骤一、对风电场的历史风力数据及相对应的实际风功率出力数据进行搜集整理，其中
历史风力数据包括测风塔获得的不同高度的风速、风向信息，实际风功率出力数据为风电场
实时传输的实际有功功率；
步骤二、对所述风电场的历史风力数据以及相对应的实际风功率出力数据进行归一化预
处理后作为训练样本，然后按照时间顺序对不同时间点的风速、风向和相对应的实际有功功
率的归一化数据序列进行相似性分析和聚类分析，将特征属性相类似的数据对象划分到同一
类，采用K均值聚类算法在确定最终分类数K后，分别计算出每一类数据的聚类中心；
步骤三、提取训练日之前的历史实际有功功率，采用自回归模型结构预测出训练日当天
的有功功率平均值，将其与每一类中的风速、风向数据结合共同作为输入，训练日当天的实
测有功功率数据作为输出进行建模，通过对每一类数据样本的训练，建立不同类的风电功率
预测模型，即建立K个风电功率预测模型；
步骤四、提取预测日当天的风速、风向及预测的有功功率平均值的归一化数据，组成预
测日当天的归一化日向量，分别计算该归一化日向量与K类中每一类聚类中心的相似性参数，
判断与预测日的归一化日向量相似度最高的一类，并利用该类风电功率预测模型获得预测日
当天的风电预测功率。
2.根据权利要求1所述的基于风速、风向信息的风电功率预测方法，其特征在于：步骤
二中进行相似性分析的方法是采用皮尔逊积矩相关系数来定量描述相似性的大小，所述皮尔
逊积矩相关系数的计算公式如下：
R=E(XY)-E(X)E(Y)E(X2)-E2(X)E(Y2)-E2(Y)]]>其...

【专利技术属性】
技术研发人员：邱鹏，
申请(专利权)人：国网辽宁省电力有限公司锦州供电公司，国家电网公司，
类型：发明
国别省市：辽宁;21