一种区域风电出力波动趋势预测方法及系统技术方案

本发明专利技术涉及一种区域风电出力波动趋势预测方法及系统，计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离，根据欧式距离定义相似天气状态；根据相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。通过上述方案有效提高了处于不同时间尺度下的风电功率预测精度。

A Prediction Method and System of Regional Wind Power Output Fluctuation Trend

The invention relates to a method and system for predicting the fluctuation trend of regional wind power output, calculating the Euclidean distance between pre-defined data samples and numerical weather forecast data at target time, defining similar weather state according to Euclidean distance, and predicting the fluctuation trend of wind power output at target time according to the average value of regional wind power under similar weather state. The forecasting accuracy of wind power in different time scales is effectively improved by the above schemes.

【技术实现步骤摘要】
一种区域风电出力波动趋势预测方法及系统
本专利技术属于风电出力分析和预测领域，具体涉及一种区域风电出力波动趋势预测方法及系统。
技术介绍
在当今人类对风电出力的认知中，已包括关于风电出力的随机波动性的认识，这种随机波动性对风电的安全消纳带来了挑战，造成一定程度的弃风限电状况。因此，预知未来风电出力形势，降低未来一段时间内风电出力的不确定度，是提高风电消纳的有效手段之一。目前，预知未来风电出力主要采用预测的方式，通过转化数值天气预报的风速到电力获得；该技术下的预测精度已无法满足调度应用需求。
技术实现思路
为了弥补上述缺陷，本专利技术提供一种区域风电出力波动趋势预测方法及系统，有效提高了处于不同时间尺度下的风电功率预测精度。本专利技术是采用下述技术方案实现的：一种区域风电出力波动趋势预测方法，所述方法包括：计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离；根据所述欧式距离定义相似天气状态；根据所述相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。优选的，所述预先定义的数据样本基于预处理的数值天气预报数据和区域风电功率构建获得。进一步地，所述数值天气预报数据和区域风电功率的预处理包括：采集历史数据中的数值天气预报数据；根据预先定义的时间尺度，获取与所述数值天气预报数据的时间分辨率对应的区域风电功率；选取数值天气预报数据的时间范围与区域风电功率时间范围的交集，根据预先定义的时间分辨率，对不连续的数据赋空值，并采用区域内各时刻的开机容量对区域风电功率进行归一化处理。优选的，所述预先定义的数据样本如下式：D＝[t，V，P]式中，D为预先定义的数据样本，t＝[t1…ti…tn]T为时间范围，V为数值天气预报风速向量，P为区域风电功率向量；P＝[p1…pi…pn]T，V＝[v1，i…vj，i…vm，i]，j＝1，…，m；i＝1，…，n；Vj，i＝[vj，1，…，vj，i，…，vj，n]T，j为风电场位置，m为风电场个数，i为时间断面。进一步地，通过下式确定预先定义的数据样本与目标时刻数值天气预报数据的欧式距离：式中，[tn+k，v1，n+k，…，vj，n+k，…，vm，n+k]为目标时刻n+k的数值天气预报数据，[ti，v1，i，…，vj，i，…，vm，i]为预先定义的数据样本中，时间断面i下的数值天气预报数据。进一步地，通过下式定义相似天气状态：d′i，n+k＝sort(di，n+k)Sn+k＝{d′i，n+k≤T}式中，Sn+k为相似天气状态，sort为由小到大的排序函数，预先定义的阈值T。进一步地，根据相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势包括：将相似天气状态下区域风电功率的平均值作为目标时刻n+k的风电出力预测值；生成所述风电出力预测值构成的风电出力不确定性集合；基于所述风电出力不确定性集合绘制目标时刻的风电出力波动趋势k线。进一步地，通过下式确定目标时刻n+k的风电出力预测值：式中，pn+k表示目标时刻n+k的风电出力预测值；p′i，n+k为欧式距离小于或等于T的区域风电功率，l为预测值个数。进一步地，通过下式确定风电出力不确定性集合：Un+k＝{pi，n+k}。一种区域风电出力波动趋势预测系统，所述系统包括：计算模块，用于计算预先定义的所述数据样本与目标时刻数值天气预报数据的欧式距离；定义模块，用于根据所述欧式距离定义相似天气状态；预测模块，用于根据所述相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。优选的，所述计算模块包括：构建子模块，用于基于预处理的数值天气预报数据和区域风电功率构建获得预先定义的数据样本。进一步地，所述构建子模块包括：采集单元，用于采集历史数据中的数值天气预报数据；获取单元，用于根据预先定义的时间尺度，获取与所述数值天气预报数据的时间分辨率对应的区域风电功率；预处理单元，用于选取数值天气预报数据的时间范围与区域风电功率时间范围的交集，根据预先定义的时间分辨率，对不连续的数据赋空值，并采用区域内各时刻的开机容量对区域风电功率进行归一化处理。进一步地，构建子模块还包括：第一确定单元，用于通过下式确定预先定义的数据样本：D＝[t，V，P]式中，D为预先定义的数据样本，t＝[t1…ti…tn]T为时间范围，V为数值天气预报风速向量，P为区域风电功率向量；P＝[p1…pi…pn]T，V＝[v1，i…vj，i…vm，i]，j＝1，…，m；i＝1，…，n；Vj，i＝[vj，1，…，vj，i，…，vj，n]T，j为风电场位置，m为风电场个数，i为时间断面。优选的，所述计算模块包括第一计算子模块，用于通过下式确定预先定义的数据样本与目标时刻数值天气预报数据的欧式距离：式中，[tn+k，v1，n+k，…，vj，n+k，…，vm，n+k]为目标时刻n+k的数值天气预报数据，[ti，v1，i，…，vj，i，…，vm，i]为预先定义的数据样本中，时间断面i下的数值天气预报数据。优选的，定义模块包括第二计算子模块，用于通过下式定义相似天气状态：d′i，n+k＝sort(di，n+k)Sn+k＝{d′i，n+k≤T}式中，Sn+k为相似天气状态，sort为由小到大的排序函数，预先定义的阈值T。优选的，所述预测模块包括：定义子模块，用于将相似天气状态下区域风电功率的平均值作为目标时刻n+k的风电出力预测值；生成子模块，用于生成所述风电出力预测值构成的风电出力不确定性集合；整合子模块，用于基于所述风电出力不确定性集合绘制目标时刻的风电出力波动趋势k线。进一步地，所述定义子模块包括第二确定单元，用于通过下式确定目标时刻n+k的风电出力预测值：式中，pn+k表示目标时刻n+k的风电出力预测值；p′i，n+k为欧式距离小于或等于T的区域风电功率，l为预测值个数。进一步地，所述生成子模块包括第三确定单元，用于通过下式确定风电出力不确定性集合：Un+k＝{pi，n+k}。与最接近的现有技术相比，本专利技术具有的有益效果如下：本专利技术提供的一种区域风电出力波动趋势预测方法及系统，可直接面向区域的风电出力波动趋势分析与挖掘，具备预测精度高、运行安全及稳定性好的特点。计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离，根据欧式距离定义相似天气状态，根据相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势；从而有效提高了处于不同时间尺度下的风电功率预测精度，可广泛应用于电力调度实用化运行中，以克服现有技术中由于预测精度低、安全及稳定性差以致达不到实用化要求的缺陷。附图说明图1是本专利技术实施例中提供的区域风电出力波动趋势预测方法流程图。具体实施方式下面结合附图，对本专利技术方法的实施方案详细描述。如图1所示的一种区域风电出力波动趋势预测方法，包括：S1计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离；S2根据欧式距离定义相似天气状态；S3根据相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。步骤S1中，预先定义的数据样本基于预处理的数值天气预报数据和区域风电功率构建获得。其中，数值天气预报数据和区域风电功率的预处理包括：a)采集历史数据中的数值天气预报数据；经实验证明：历史数据越丰富，则通过本
技术实现思路
获得的实施效果则越佳。b)根据预先本文档来自技高网...

【技术保护点】
1.一种区域风电出力波动趋势预测方法，其特征在于，所述方法包括：计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离；根据所述欧式距离定义相似天气状态；根据所述相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。

【技术特征摘要】
1.一种区域风电出力波动趋势预测方法，其特征在于，所述方法包括：计算预先定义的数据样本与目标时刻数值天气预报数据的欧式距离；根据所述欧式距离定义相似天气状态；根据所述相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势。2.根据权利要求1所述的方法，其特征在于，所述预先定义的数据样本基于预处理的数值天气预报数据和区域风电功率构建获得。3.根据权利要求2所述的方法，其特征在于，所述数值天气预报数据和区域风电功率的预处理包括：采集历史数据中的数值天气预报数据；根据预先定义的时间尺度，获取与所述数值天气预报数据的时间分辨率对应的区域风电功率；选取数值天气预报数据的时间范围与区域风电功率时间范围的交集，根据预先定义的时间分辨率，对不连续的数据赋空值，并采用区域内各时刻的开机容量对区域风电功率进行归一化处理。4.根据权利要求1所述的方法，其特征在于，所述预先定义的数据样本如下式：D＝[t，V，P]式中，D为预先定义的数据样本，t＝「t1…ti…tn]T为时间范围，V为数值天气预报风速向量，P为区域风电功率向量；P＝[p1…pi…pn]T，V＝[v1，i…vj，i…vm，i]，j＝1，…，m；i＝1，…，n；Vj，i＝[vj，1，…，vj，i，…，vj，n]T，j为风电场位置，m为风电场个数，i为时间断面。5.根据权利要求4所述的方法，其特征在于，通过下式确定预先定义的数据样本与目标时刻数值天气预报数据的欧式距离：式中，[tn+k，v1，n+k，…，vj，n+k，…，vm，n+k]为目标时刻n+k的数值天气预报数据，[ti，v1，i，…，vj，i，…vm，i]为预先定义的数据样本中，时间断面i下的数值天气预报数据。6.根据权利要求5所述的方法，其特征在于，通过下式定义相似天气状态：d′i，n+k＝sort(di，n+k)Sn+k＝{d′i，n+k≤T}式中，Sn+k为相似天气状态，sort为由小到大的排序函数，预先定义的阈值T。7.根据权利要求6所述的方法，其特征在于，所述根据相似天气状态下区域风电功率的平均值，预测目标时刻风电出力波动趋势包括：将相似天气状态下区域风电功率的平均值作为目标时刻n+k的风电出力预测值；生成所述风电出力预测值构成的风电出力不确定性集合；基于所述风电出力不确定性集合绘制目标时刻的风电出力波动趋势k线。8.根据权利要求7所述的方法，其特征在于，通过下式确定目标时刻n+k的风电出力预测值：式中，pn+k表示目标时刻n+k的风电出力预测值；p′i，n+k为欧式距离小于或等于T的区域风电功率，l为预测值个数。9.根据权利要求8所述的方法，其特征在于，通过下式确定风电出力不确定性集合：Un+k＝{pi，n+k}。10.一种区域风电出力波动趋势预测系统，其特征在于，所述系统包括：计算模块，用于计算预先定义的所述数据样本与目标时刻数值天气预报数据的欧式距离；定义模块...

【专利技术属性】
技术研发人员：王铮，王勃，冯双磊，王伟胜，刘纯，赵艳青，姜文玲，丘刚，雷震，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网江苏省电力有限公司，国网新疆电力有限公司，华北电力大学，
类型：发明
国别省市：北京,11