风电机组和光伏系统功率的智能预测方法技术方案

本发明专利技术提供一种风电机组和光伏系统功率的智能预测方法，属于光伏发电技术领域。本发明专利技术方法包括：采集风电机组和光伏系统的运行数据，并选定预测类型；基于所述运行数据选取输入输出变量；基于小波去噪的运行数据预处理；基于多目标松鼠算法的预测模型建立。本发明专利技术提供一种大数据背景下的智能预测方法以实现风电机组和光伏系统的快速精确功率预测，该方法考虑了风电机组和光伏阵列对外界环境变化的敏感性，基于发电机组的海量实际运行数据，首先通过特征提取和数据去噪实现待建模型输入输出变量的选取和训练数据预处理，然后构建多目标松鼠优化算法实现模型参数的优化，有效提高风电机组和光伏系统输出功率预测过程的快速性和精确性。速性和精确性。速性和精确性。

【技术实现步骤摘要】
风电机组和光伏系统功率的智能预测方法


[0001]本专利技术属于光伏发电
，具体涉及一种风电机组和光伏系统功率的智能预测方法。

技术介绍

[0002]在世界范围内的能源危机和环境保护需求下、化石能源替代形式的发现和应用成为至关重要的战略部署。考虑到风、光等清洁性新能源普遍存在于自然界中，且能量巨大，此类能源的储藏和利用成为当前发展的主流。发电行业作为化石能源的主要消耗产业，其绿色低碳转型成为必要的趋势。在此背景下，依托风能和太阳能的风力发电和光伏发电表现出极大潜力。
[0003]然而，以往的火力发电是最为安全稳定的发电方式之一，风能和太阳能等新能源受外界环境变化的影响明显，新能源发电对火力发电的替代和补偿将造成电网的间歇性波动。为了给电网调节和调度提供参考并进一步提高能源利用率，可通过设计合理的预测方法预先对风电机组和光伏系统的输出功率进行估计。而大数据技术的发展则为这一设想的实现提供了便利并带来了更大的机遇和挑战。因此，如何有效挖掘海量数据中的有效信息、除去噪声等干扰的影响并服务于特定的功率预测目标成为国内外专家学者关注的焦点。
[0004]功率预测的本质是基于发电系统的运行机理或测量数据建立相应的预测模型对其未来的功率输出进行预测。其中涉及到数据预处理和建模等技术，考虑到机理建模中复杂的分析过程以及大数据技术的飞速发展，数据驱动的建模方法成为当前复杂系统模型辨识中采用的主要方法。与此同时，以群优化算法为代表的智能优化算法也为建模速度和精度的提高起到了很大的促进作用。因此，在大数据背景下，结合数据驱动建模和智能优化算法实现风电和光伏系统的功率预测具有极大的理论和现实意义，基于此，本专利技术提出一种风电机组和光伏系统功率的智能预测方法。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种风电机组和光伏系统功率的智能预测方法。
[0006]本专利技术提供一种风电机组和光伏系统功率的智能预测方法，包括下述具体步骤：
[0007]采集风电机组和光伏系统的运行数据，并选定预测类型；
[0008]基于所述运行数据选取输入输出变量；
[0009]基于小波去噪的运行数据预处理；
[0010]基于多目标松鼠算法建立预测模型，以对风电机组和光伏系统功率进行预测。
[0011]可选的，所述采集风电机组和光伏系统的运行数据，并选定预测类型，包括：
[0012]采样间隔T分别得到风电机组和光伏系统不同运行时段和气象条件下含N个数据对的运行数据集合；
[0013]根据实际需求决定是进行风电机组还是光伏系统的功率预测，并设置指针P进行
预测类型的区分，以选定预测类型。
[0014]可选的，所述设置指针P进行预测类型的区分，以选定预测类型，包括：
[0015]设置指针P进行预测类型的区分，若P＝1则是进行风电功率预测，若P＝0则进行光伏系统输出功率预测。
[0016]可选的，所述基于所述运行数据选取输入输出变量，包括：
[0017]以t代表当前采样时刻，假设采样数据中以风速、风向、环境温度等气象数据为输入变量集合并记为{u1,u2,
…
,u
n
}，此时机组输出功率为唯一的输出变量y，其中，清空特征空间并定义如下准则函数：
[0018][0019]其中：u
i
(t)代表第i个输入变量在时刻t的值，y(t)代表输出功率在时刻t的值。
[0020]计算各输入变量的准则函数值并选择其中最大的L个特征添加到特征空间，同时，在已构建的特征空间中淘汰准则函数值最小的R个特征，R<L；
[0021]重复上述步骤直到被选中的特征个数满足阈值th。
[0022]可选的，所述基于小波去噪的运行数据预处理，包括：
[0023]设U(t)＝{u1(t),u2(t),
…
,u
m
(t),y(t)}为机组输入输出变量合并所得广义输入向量，将其表示为如下带有噪声的信号形式：
[0024]U(t)＝s(t)+e(t),(t＝1,2,
…
,N)
[0025]其中，s(t)为实际不含噪声的信号，e(t)为噪声信号；
[0026]选取小波函数并定义分解层次K，对上述信号进行小波分解：
[0027]W0U＝W0s+W0σe
[0028]其中，U＝{U(1),U(2),
…
,U(N)}，s＝{s(1),s(2),
…
,s(N)}，高斯白噪声e＝{e(1),e(2),
…
,e(N)}，W0为小波系数；
[0029]通过小波分解可得到每一个分解层次中的高频系数，并对其进行阈值量化，具体通过如下软约束实现；
[0030][0031]将小波系数中小于阈值k的置为0，大于阈值k的则向0收缩；阈值k的表达式如下：
[0032][0033]其中，σ为噪声信号的方差；
[0034]将软阈值量化处理后的高频系数和之前所得的低频系数进行小波重构：
[0035][0036]其中：s
*
是重构后的信号；w0是量化后的高频系数和原有低频系数的叠加值，d为重构因子。
[0037]可选的，所述基于多目标松鼠算法建立预测模型，以对风电机组和光伏系统功率进行预测，包括：
[0038]设模型中的待辨识参数向量为θ
*
，将辨识过程的建模误差作为适应度函数，并将
初始化松鼠种群中总的个体数为Np，之后将种群位置进行随机初始化；
[0039]计算种群中每个松鼠个体位置的适应度，并按照适应度值进行升序排列将种群划分为山核桃树上的N
h
只松鼠、橡子树上的N
a
只松鼠和普通树上的N
n
只松鼠；
[0040]通过引入拥挤距离度量和基于帕累托前沿的最优选择机制，以实现松鼠算法的多目标搜索。
[0041]可选的，所述计算种群中每个松鼠个体位置的适应度，并按照适应度值进行升序排列将种群划分为山核桃树上的N
h
只松鼠、橡子树上的N
a
只松鼠和普通树上的N
n
只松鼠，包括：
[0042]分别通过数学公式描述松鼠的动态觅食行为，包括从橡子树到山核桃树的位置更新、从一般树分别到橡子树和山核桃树的位置更新；
[0043]通过季节自适应智能提高算法的搜索能力；
[0044]借助莱维飞行公式，对其种群中每个松鼠个体进行随机重新定位。
[0045]可选的，所述通过引入拥挤距离度量和基于帕累托前沿的最优选择机制，以实现松鼠算法的多目标搜索，包括：
[0046]单一解的拥挤距离度量是其两个相邻解的平均距离：
[0047][0048]其中：F
j
(i
‑
1)和F
j...

【技术保护点】

【技术特征摘要】
1.一种风电机组和光伏系统功率的智能预测方法，其特征在于，包括下述具体步骤：采集风电机组和光伏系统的运行数据，并选定预测类型；基于所述运行数据选取输入输出变量；基于小波去噪的运行数据预处理；基于多目标松鼠算法建立预测模型，以对风电机组和光伏系统功率进行预测。2.根据权利要求1所述的方法，其特征在于，所述采集风电机组和光伏系统的运行数据，并选定预测类型，包括：采样间隔T分别得到风电机组和光伏系统不同运行时段和气象条件下含N个数据对的运行数据集合；根据实际需求决定是进行风电机组还是光伏系统的功率预测，并设置指针P进行预测类型的区分，以选定预测类型。3.根据权利要求2所述的方法，其特征在于，所述设置指针P进行预测类型的区分，以选定预测类型，包括：设置指针P进行预测类型的区分，若P＝1则是进行风电功率预测，若P＝0则进行光伏系统输出功率预测。4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述运行数据选取输入输出变量，包括：以t代表当前采样时刻，假设采样数据中以风速、风向、环境温度等气象数据为输入变量集合并记为{u1,u2,
…
,u
n
}，此时机组输出功率为唯一的输出变量y，其中，清空特征空间并定义如下准则函数：其中：u
i
(t)代表第i个输入变量在时刻t的值，y(t)代表输出功率在时刻t的值；计算各输入变量的准则函数值并选择其中最大的L个特征添加到特征空间，同时，在已构建的特征空间中淘汰准则函数值最小的R个特征，R<L；重复上述步骤直到被选中的特征个数满足阈值th。5.根据权利要求4所述的方法，其特征在于，所述基于小波去噪的运行数据预处理，包括：设U(t)＝{u1(t),u2(t),
…
,u
m
(t),y(t)}为机组输入输出变量合并所得广义输入向量，将其表示为如下带有噪声的信号形式：U(t)＝s(t)+e(t),(t＝1,2,
…
,N)；其中，s(t)为实际不含噪声的信号，e(t)为噪声信号；选取小波函数并定义分解层次K，对上述信号进行小波分解：W0U＝W0s+W0σe其中，U＝{U(1),U(2),
…
,U(N)}，s＝{s(1),s(2),
…
,s(N)}，高斯白噪声e＝{e(1),e(2),
…
,e(N)}，W0为小波系数；通过小波分解可得到每一个分解层次中的高频系数，并对其进行阈值量化，具体通过如下软约束实现；
将小波系数中小于阈值k的置为0，大于阈值k的则向0收缩；阈值k的表达式如下：其中，σ为噪声信号的方差；将软阈值量化处理后...

【专利技术属性】
技术研发人员：叶林，杨继明，王雪璐，李洪灯，徐美娇，王传鑫，田长凤，王建国，吴伯双，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：