實時校正的自學(xué)習(xí)arma模型風(fēng)電功率超短期預(yù)測方法
【專利摘要】本發(fā)明公開了一種實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，包括輸入數(shù)據(jù)得到自回歸滑動平均模型參數(shù)；輸入風(fēng)資源監(jiān)測系統(tǒng)數(shù)據(jù)和運行監(jiān)測系統(tǒng)數(shù)據(jù)，并根據(jù)運行監(jiān)測數(shù)據(jù)實時校正開機容量；建立自回歸滑動平均模型從而得到風(fēng)電功率超短期預(yù)測結(jié)果；引入實時測風(fēng)塔數(shù)據(jù)對風(fēng)電功率超短期預(yù)測結(jié)果進(jìn)行實時校正。通過對風(fēng)力發(fā)電過程中的風(fēng)電功率進(jìn)行預(yù)測，并通過引入實時測風(fēng)塔數(shù)據(jù)對風(fēng)電功率超短期預(yù)測結(jié)果進(jìn)行實時校正，克服現(xiàn)有ARMA技術(shù)中風(fēng)電功率超短期預(yù)測精度低的缺陷，達(dá)到高精度的風(fēng)電功率超短期預(yù)測的目的。
【專利說明】實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及新能源發(fā)電過程中風(fēng)電功率預(yù)測【技術(shù)領(lǐng)域】，具體地涉及一種測風(fēng)網(wǎng)絡(luò)實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法。
【背景技術(shù)】
[0002]我國風(fēng)電進(jìn)入規(guī)?；l(fā)展階段以后所產(chǎn)生的大型新能源基地多數(shù)位于“三北地區(qū)”(西北、東北、華北)，大型新能源基地一般遠(yuǎn)離負(fù)荷中心，其電力需要經(jīng)過長距離、高電壓輸送到負(fù)荷中心進(jìn)行消納。由于風(fēng)、光資源的間歇性、隨機性和波動性，導(dǎo)致大規(guī)模新能源基地的風(fēng)電、光伏發(fā)電出力會隨之發(fā)生較大范圍的波動，進(jìn)一步導(dǎo)致輸電網(wǎng)絡(luò)充電功率的波動，給電網(wǎng)運行安全帶來一系列問題。
[0003]截至2014年4月，甘肅電網(wǎng)并網(wǎng)風(fēng)電裝機容量已達(dá)707萬千瓦，約占甘肅電網(wǎng)總裝機容量的22%，成為僅次于火電的第二大主力電源。目前，甘肅電網(wǎng)風(fēng)電、光伏發(fā)電裝機超過甘肅電網(wǎng)總裝機容量的1/3。隨著新能源并網(wǎng)規(guī)模的不斷提高，風(fēng)電、光伏發(fā)電不確定性和不可控性給電網(wǎng)的安全穩(wěn)定經(jīng)濟(jì)運行帶來諸多問題。準(zhǔn)確預(yù)估可利用的發(fā)電風(fēng)資源是對大規(guī)模風(fēng)電優(yōu)化調(diào)度的基礎(chǔ)。對風(fēng)力發(fā)電過程中的風(fēng)電功率進(jìn)行預(yù)測，可為新能源發(fā)電實時調(diào)度、新能源發(fā)電日前計劃、新能源發(fā)電月度計劃、新能源發(fā)電能力評估和棄風(fēng)電量估計提供關(guān)鍵信息。
[0004]ARMA(自回歸滑動平均模型)作為一種成熟的機器學(xué)習(xí)方法廣泛應(yīng)用于風(fēng)電功率超短期預(yù)測。ARMA模型由自回歸模型(AR)和滑動平均模型(MA)組成，采用對歷史功率進(jìn)行自回歸運算及對白噪聲序列進(jìn)行滑動平均來預(yù)測未來0-4小時內(nèi)的風(fēng)電出力。ARMA方法有很多優(yōu)點，因此廣泛用于風(fēng)電功率超短期預(yù)測，但ARMA最大的缺點就是其預(yù)測的滯后性，即當(dāng)風(fēng)電出力發(fā)生改變時，ARMA預(yù)測的結(jié)果的變化速度普遍慢于實際風(fēng)電出力變化速度，因此，嚴(yán)重影響ARMA的預(yù)測精度。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于，針對上述問題，提出一種實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，以實現(xiàn)高精度風(fēng)電功率超短期預(yù)測的優(yōu)點。
[0006]為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是:
[0007]—種實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，包括輸入數(shù)據(jù)得到自回歸滑動平均模型參數(shù)；
[0008]輸入風(fēng)資源監(jiān)測系統(tǒng)數(shù)據(jù)和運行監(jiān)測系統(tǒng)數(shù)據(jù)，并根據(jù)運行監(jiān)測數(shù)據(jù)實時校正開機容量；
[0009]建立自回歸滑動平均模型從而得到風(fēng)電功率超短期預(yù)測結(jié)果；
[0010]弓I入實時測風(fēng)塔數(shù)據(jù)對風(fēng)電功率超短期預(yù)測結(jié)果進(jìn)行實時校正。
[0011]根據(jù)本發(fā)明的優(yōu)選實施例，所述輸入數(shù)據(jù)得到自回歸滑動平均模型參數(shù)包括，輸入模型訓(xùn)練基礎(chǔ)數(shù)據(jù)；[0012]模型定階；
[0013]采用矩估計方法對定階的ARMA(p，q)模型參數(shù)進(jìn)行估計。
[0014]根據(jù)本發(fā)明的優(yōu)選實施例，所述輸入模型訓(xùn)練基礎(chǔ)數(shù)據(jù)，輸入數(shù)據(jù)包括，歷史風(fēng)速數(shù)據(jù)和歷史功率數(shù)據(jù)。
[0015]根據(jù)本發(fā)明的優(yōu)選實施例，所述模型定階具體為:
[0016]采用殘差方差圖法進(jìn)行模型定階，具體為設(shè)Xt為需要估計的項，Xt+ xt_2，xt_n為已知歷史功率序列，對于ARMA (p，q)模型，模型定階即確定模型中參數(shù)P和q的值；
[0017]用系列階數(shù)逐漸遞增的模型擬合原始序列，每次都計算殘差平方和然后畫

出階數(shù)和<^2的圖形，當(dāng)階數(shù)由小增大時，σ；會顯著下降，達(dá)到真實階數(shù)后的值會逐漸趨于平緩，甚至反而增大，
[0018]CJ；=擬合誤差的平方和/(實際觀測值個數(shù)-模型參數(shù)個數(shù))，
[0019]實際觀測值個數(shù)指擬合模型時實際使用的觀察值項數(shù)，對于具有N個觀察值的序列，擬合AR(p)模型，則實際使用的觀察值最多為Ν-ρ，模型參數(shù)個數(shù)指所建立的模型中實際包含的參數(shù)個數(shù)，對于含有均值的模型，模型參數(shù)個數(shù)為模型階數(shù)加1，對于N個觀測值的序列，ARMA模型的殘差估計式為:
[0020]
【權(quán)利要求】
1.一種實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，包括輸入數(shù)據(jù)得到自回歸滑動平均模型參數(shù)； 輸入風(fēng)資源監(jiān)測系統(tǒng)數(shù)據(jù)和運行監(jiān)測系統(tǒng)數(shù)據(jù)，并根據(jù)運行監(jiān)測數(shù)據(jù)實時校正開機容量; 建立自回歸滑動平均模型從而得到風(fēng)電功率超短期預(yù)測結(jié)果； 引入實時測風(fēng)塔數(shù)據(jù)對風(fēng)電功率超短期預(yù)測結(jié)果進(jìn)行實時校正。
2.根據(jù)權(quán)利要求1所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述輸入數(shù)據(jù)得到自回歸滑動平均模型參數(shù)包括，輸入模型訓(xùn)練基礎(chǔ)數(shù)據(jù)； 模型定階； 采用矩估計方法對定階的ARMA(p，q)模型參數(shù)進(jìn)行估計。
3.根據(jù)權(quán)利要求2所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述輸入模型訓(xùn)練基礎(chǔ)數(shù)據(jù)，輸入數(shù)據(jù)包括，歷史風(fēng)速數(shù)據(jù)和歷史功率數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述模型定階具體為: 采用殘差方差圖法進(jìn)行模型定階，具體為設(shè)Xt為需要估計的項，xt-1； xt-2)...，xt_n為已知歷史功率序列，對于ARMA (p，q)模型，模型定階即確定模型中參數(shù)P和q的值； 用系列階數(shù)逐漸遞增的模型擬合原始序列，每次都計算殘差平方和然后畫出階


數(shù)和的圖形，當(dāng)階數(shù)由小增大時，σ2會顯著下降，達(dá)到真實階數(shù)后^的值會逐漸趨于平緩，甚至反而增大， CJ；=擬合誤差的平方和/ (實際觀測值個數(shù)-模型參數(shù)個數(shù))， 實際觀測值個數(shù)指擬合模型時實際使用的觀察值項數(shù)，對于具有N個觀察值的序列，擬合AR (P)模型，則實際使用的觀察值最多為N-p，模型參數(shù)個數(shù)指所建立的模型中實際包含的參數(shù)個數(shù)，對于含有均值的模型，模型參數(shù)個數(shù)為模型階數(shù)加1，對于N個觀測值的序列，ARMA模型的殘差估計式為:
5.根據(jù)權(quán)利要求4所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述采用矩估計方法對定階的ARMA (p，q)模型參數(shù)進(jìn)行估計具體步驟為: 將風(fēng)電場歷史功率數(shù)據(jù)利用數(shù)據(jù)序列X1, X2,..., xt表示，其樣本自協(xié)方差定義為
6.根據(jù)權(quán)利要求5所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于， 所述風(fēng)資源監(jiān)測系統(tǒng)數(shù)據(jù)包括與待預(yù)測風(fēng)電場相關(guān)的測風(fēng)塔所監(jiān)測的實時測風(fēng)數(shù)據(jù)及數(shù)值天氣預(yù)報數(shù)據(jù)預(yù)測的風(fēng)電場平均風(fēng)速，所述運行監(jiān)測系統(tǒng)數(shù)據(jù)是待預(yù)測風(fēng)電場風(fēng)機實時監(jiān)測信息，包括風(fēng)機實時停開機情況及機組漿距角狀態(tài)信息。
7.根據(jù)權(quán)利要求6所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，還包括， 將預(yù)測結(jié)果輸出的步驟； 以及對預(yù)測結(jié)果后評估及模型修正的步驟。
8.根據(jù)權(quán)利要求7所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述自回歸滑動平均模型為:

9.根據(jù)權(quán)利要求8所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，所述引入實時測風(fēng)塔數(shù)據(jù)對風(fēng)電功率超短期預(yù)測結(jié)果進(jìn)行實時校正具體為: 設(shè)h時刻，測風(fēng)塔監(jiān)測得到的風(fēng)電場平均風(fēng)速為V1，數(shù)值天氣預(yù)報數(shù)據(jù)預(yù)測的風(fēng)電場平均風(fēng)速為U1，風(fēng)電場的實際出力為P1 ;下一個時間點t2時刻，數(shù)值天氣預(yù)報數(shù)據(jù)預(yù)測的風(fēng)電場平均風(fēng)速為U2，則風(fēng)電場平均風(fēng)速V2為，
V2 = V1+(U2-U1) 則風(fēng)電場功率預(yù)測的參數(shù)修正量為
10.根據(jù)權(quán)利要求9所述的實時校正的自學(xué)習(xí)ARMA模型風(fēng)電功率超短期預(yù)測方法，其特征在于，輸出的最終預(yù)測結(jié)果為:
【文檔編號】G06Q50/06GK103984986SQ201410186902
【公開日】2014年8月13日 申請日期:2014年5月6日 優(yōu)先權(quán)日:2014年5月6日
【發(fā)明者】汪寧渤, 路亮, 趙龍, 張金平, 黃蓉 申請人:國家電網(wǎng)公司, 國網(wǎng)甘肅省電力公司, 甘肅省電力公司風(fēng)電技術(shù)中心