【技术实现步骤摘要】
一种多预测模型融合的风电功率预测方法及装置
[0001]本专利技术涉及风电功率预测领域,具体涉及一种多预测模型融合的风电功率预测方法及装置。
技术介绍
[0002]在风电功率大规模并网的背景下,风电出力的随机性、波动性为电力系统的安全经济运行带来了巨大冲击。风电功率预测可以提前给出未来的风电出力,从而作为电力系统决策优化的重要依据,因此,风电功率预测是提高风电消纳水平、保障电力系统安全稳定、提高电网运行经济效益的重要技术手段。然而,由于人类认知和技术水平的局限,以及风电功率预测问题本身的复杂性,风电功率预测误差难以避免,预测精度仍存在较大的提升空间,使得风电功率预测问题成为人们持续关注和研究的热点问题。
[0003]目前工程应用的风电功率预测方法以统计方法为主,此类方法通过统计模型或机器学习(人工智能)模型建立解释变量(如数值天气预报、历史功率、气象观测数据等)和被解释变量(风电功率)之间的映射关系。统计方法是一种数据驱动的方法,其模型参数通常需要大量历史数据进行估计或训练。统计方法广泛应用于超短期(预测时长小于4小时)、短期(预测时长4小时~7天)和中长期三类不同时间尺度下的风电功率预测中。其中,超短期预测以功率时间序列本身的时间自相关特性为依据进行外推,而短期和中长期预测中,由于预测时间长,功率的自相关性明显降低,此时数值天气预报(Number Weather Prediction,NWP)通常是预测模型最重要的输入数据,尤其是数值天气预报提供的风速、风向等都是影响风电功率预测的关键气象预报因素,对短期的 ...
【技术保护点】
【技术特征摘要】
1.一种多预测模型融合的风电功率预测方法,其特征在于,所述方法包括:获取历史周期内各气象台提供的各历史时刻的天气预报数据,历史周期为预测时刻前的预设时长;基于将所述各历史时刻的天气预报数据作为预先训练的各单一预测模型的输入,各单一预测模型输出的各历史时刻各单一预测模型输出的风电功率预测结果,获取各历史时刻线性回归预测模型输出的风电功率预测结果;基于所述各历史时刻的各单一预测模型输出的风电功率预测结果和线性回归预测模型输出的风电功率预测结果的标幺化的均方根误差,从所述各历史时刻各单一预测模型和所述各历史时刻线性回归预测模型中选出最优预测模型;将预测时刻的天气预报数据输入至所述最优预测模型,获取预测时刻的风电功率数据;其中,所述各历史时刻线性回归预测模型输出的风电功率预测结果为经过平滑处理得到的。2.如权利要求1所述的方法,其特征在于,所述基于将所述各历史时刻的天气预报数据作为预先训练的各单一预测模型的输入,预先训练的各单一预测模型输出的各历史时刻各单一预测模型输出的风电功率预测结果,获取各历史时刻线性回归预测模型输出的风电功率预测结果,包括:将所述各历史时刻的天气预报数据输入至预先训练的各单一预测模型中,得到各历史时刻各单一预测模型输出的风电功率预测结果;基于所述各历史时刻各单一预测模型输出的风电功率预测结果及其对应的线性回归预测模型的线性回归参数,获取各历史时刻线性回归预测模型输出的风电功率预测结果。3.如权利要求2所述的方法,其特征在于,所述单一预测模型的训练过程包括:获取多个气象中心的历史天气预报数据及其对应的实际风电功率数据,分别为各气象中心构建训练样本;基于各气象中心的训练样本分别进行训练得到每个气象中心对应的单一预测模型。4.如权利要求2所述的方法,其特征在于,所述线性回归预测模型的线性回归参数的计算式如下:上式中,β为线性回归模型的线性回归参数,为以各气象中心的各历史时刻的天气预报数据作为各气象中心对应的N种单一预测模型的输入量,各气象中心对应的N种单一预测模型输出的各历史时刻的风电功率预测结果,p为各历史时刻的实际功率,T为矩阵转置符号。5.如权利要求2所述的方法,其特征在于,所述线性回归预测模型输出的历史周期内t时刻的风电功率预测结果的计算式如下:上式中,为历史周期内t时刻的风电功率预测结果,β0为回归截距,β1,...,β
M
分别为1~S个气象中心对应的N种单一预测模型输出的风电功率预测结果及其对应的实际功率作
为训练数据,训练的线性回归模型的线性回归参数,为分别以第1~S个气象中心对应的第N种单一预测模型输出的历史周期内t时刻的风电功率预测结果作为线性回归预测模型的输入,线性回归预测模型输出的历史周期内t时刻的风电功率预测结果,M=SN,S为气象中心总个数,N为每个气象中心对应的单一预测模型的总类数。6.如权利要求1所述的方法,其特征在于,各历史时刻线性回归预测模型输出的风电功率预测结果的平滑处理,包括:获取历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果的中点平均值;基于所述中点平均值计算平滑后的历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果。7.如权利要求6所述的方法,其特征在于,所述中点平均值的计算式如下:其中,为历史时刻线性回归预测模型输出的跳变前和跳变后的风电功率预测结果的中...
【专利技术属性】
技术研发人员:王钊,王勃,王伟胜,冯双磊,刘纯,车建峰,靳双龙,王铮,刘晓琳,汪步惟,张菲,裴岩,姜文玲,赵艳青,滑申冰,王姝,
申请(专利权)人:国家电网有限公司国网山西省电力公司电力科学研究院,
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。