基于動(dòng)態(tài)相關(guān)性特征的超短期風(fēng)電功率預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于風(fēng)電功率預(yù)測(cè)技術(shù)領(lǐng)域，尤其設(shè)及一種基于動(dòng)態(tài)相關(guān)性特征的超短期 風(fēng)電功率預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 隨著世界經(jīng)濟(jì)迅猛發(fā)展，能源需求成倍增長，能源和環(huán)境的問題日益突出。常規(guī)能 源直接向大氣中排放溫室氣體和氣溶膠等引起了全球氣候變暖和日益嚴(yán)重的環(huán)境污染問 題，對(duì)自然生態(tài)系統(tǒng)、社會(huì)經(jīng)濟(jì)和人體健康均構(gòu)成了嚴(yán)重威脅，已引起國際社會(huì)和公眾的高 度關(guān)注。為了更好地克服能源供需矛盾的制約，促進(jìn)全球經(jīng)濟(jì)的可持續(xù)性發(fā)展，應(yīng)對(duì)氣候變 化，改善人居環(huán)境，大力發(fā)展包括風(fēng)能在內(nèi)的可再生能源已成為各國政府、科技界和公眾廣 泛關(guān)注的焦點(diǎn)。風(fēng)能作為可再生能源發(fā)電技術(shù)中發(fā)展最快的一種能源，越來越受到人們的 重視，由于風(fēng)電場(chǎng)的發(fā)電功率具有間歇性和波動(dòng)性的特點(diǎn)，所W風(fēng)電接入電網(wǎng)后會(huì)對(duì)整個(gè) 電網(wǎng)的電能質(zhì)量和電力系統(tǒng)運(yùn)行的穩(wěn)定性產(chǎn)生重要的影響。如果能對(duì)風(fēng)電功率進(jìn)行較準(zhǔn)確 的預(yù)測(cè)，一方面，電力系統(tǒng)運(yùn)行人員可W及時(shí)調(diào)整調(diào)度計(jì)劃，合理安排備用容量，從而提高 系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和可靠性；另一方面，可超前進(jìn)行相應(yīng)的安全穩(wěn)定校核，并提供相應(yīng)的預(yù) 警信息及預(yù)防控制措施，從而提高系統(tǒng)運(yùn)行的安全穩(wěn)定性。
[0003] 目前風(fēng)電功率的預(yù)測(cè)方法根據(jù)直接預(yù)測(cè)的物理量不同主要分為兩類：一類是直 接預(yù)測(cè)風(fēng)電場(chǎng)的發(fā)電功率，另一類是先進(jìn)行風(fēng)速預(yù)測(cè)，然后根據(jù)風(fēng)電機(jī)組或風(fēng)電發(fā)電功率 與風(fēng)速的關(guān)系得到風(fēng)電發(fā)電功率。其中，直接預(yù)測(cè)法常包括物理模型法和統(tǒng)計(jì)法兩種。物 理模型通過對(duì)風(fēng)電場(chǎng)所在地進(jìn)行物理建模，利用風(fēng)速、風(fēng)向、氣溫和氣壓等數(shù)值天氣預(yù)報(bào)進(jìn) 行預(yù)測(cè)，該方法的預(yù)測(cè)結(jié)果和建立的模型好壞有很大的關(guān)系，如果模型太粗糖，預(yù)測(cè)精度就 會(huì)較差。統(tǒng)計(jì)方法的實(shí)質(zhì)是利用有效的歷史數(shù)據(jù)（如數(shù)值天氣預(yù)報(bào)數(shù)據(jù)、歷史統(tǒng)計(jì)風(fēng)電功 率數(shù)據(jù)）進(jìn)行預(yù)測(cè)。常見的統(tǒng)計(jì)方法有持續(xù)預(yù)測(cè)法、空間平滑法、時(shí)間序列法、卡爾曼濾波 法、灰色預(yù)測(cè)法、人工神經(jīng)網(wǎng)絡(luò)法、小波分析法、支持向量機(jī)回歸法、最小二乘法、模糊邏輯 法等。
[0004] 目前國內(nèi)的風(fēng)電功率預(yù)測(cè)尚處于探索和研究階段，其預(yù)測(cè)時(shí)效較短，不能滿足電 力系統(tǒng)的運(yùn)行調(diào)度需要。由于其輸入數(shù)據(jù)、預(yù)測(cè)尺度等的不同，風(fēng)電功率的預(yù)測(cè)誤差也不 同，尤其復(fù)雜地形下的風(fēng)電功率預(yù)測(cè)，還缺乏成功預(yù)測(cè)的案例。探索出精準(zhǔn)的風(fēng)功率預(yù)測(cè)預(yù) 報(bào)方法，成為當(dāng)前復(fù)雜地形下風(fēng)電功率預(yù)測(cè)迫在眉睫的難題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決現(xiàn)有技術(shù)的不足，提供一種基于動(dòng)態(tài)相關(guān)性特征的超短 期風(fēng)電功率預(yù)測(cè)方法，本發(fā)明采用統(tǒng)計(jì)預(yù)測(cè)方法，最大限度的利用風(fēng)電功率時(shí)間序列的動(dòng) 態(tài)相關(guān)性特征，掌握不同時(shí)刻風(fēng)電功率的變化規(guī)律，充分利用風(fēng)電功率的日變化特征如圖 1，做出準(zhǔn)確的預(yù)測(cè)。本發(fā)明方法可滾動(dòng)預(yù)測(cè)0-4小時(shí)內(nèi)風(fēng)電功率，時(shí)間間隔為15分鐘，具 有良好的運(yùn)用前景。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種基于動(dòng)態(tài)相關(guān)性特征的超短期風(fēng)電功率預(yù)測(cè)方法，包括W下步驟：
[0008] 步驟（1)，資料收集與整理：選取風(fēng)電場(chǎng)歷史發(fā)電功率連續(xù)數(shù)據(jù)，時(shí)間間隔為15分 鐘，整理成樣本長度為η的連續(xù)時(shí)間序列風(fēng)電功率數(shù)據(jù)，樣本長度越長建立的模型越穩(wěn)定， 所選資料連續(xù)時(shí)間不得少于10天，即η〉960 ;
[0009] 步驟（2)，動(dòng)態(tài)相關(guān)數(shù)據(jù)構(gòu)造及相關(guān)系數(shù)計(jì)算：
[0010] 在進(jìn)行風(fēng)電功率預(yù)測(cè)時(shí)需要了解某時(shí)刻發(fā)電功率與前期發(fā)電功率的關(guān)系，在此選 擇預(yù)測(cè)時(shí)刻前120小時(shí)內(nèi)480個(gè)時(shí)刻對(duì)應(yīng)的發(fā)電功率作為該時(shí)刻的備選預(yù)測(cè)樣本；
[0011] (2. 1)預(yù)測(cè)對(duì)象數(shù)據(jù)集構(gòu)造
[0012] 從樣本最后t。時(shí)刻開始，采集t。，t。1，…，*481時(shí)刻對(duì)應(yīng)的發(fā)電 功率為》;,，Z,，…，形成數(shù)據(jù)集Y作為預(yù)測(cè)對(duì)象數(shù)據(jù)集，令集合K= 化，，、'，與"）；
[0013] (2. 2)預(yù)測(cè)樣本數(shù)據(jù)集構(gòu)造
[0014] 從樣本t。擁刻開始，采集t。1，t"2，…，t4s。時(shí)刻對(duì)應(yīng)的發(fā)電功率 ^ 1，不,形成數(shù)據(jù)集Xl，作為第1個(gè)預(yù)測(cè)樣本數(shù)據(jù)集，令集合A
[001引從樣本t"2時(shí)刻開始，采集t"2,t"3，…，t479時(shí)刻對(duì)應(yīng)的發(fā)電功率為本_，* 馬W形成數(shù)據(jù)集X:，作為第2個(gè)預(yù)測(cè)樣本數(shù)據(jù)集，令集合 乂2=化 _，Λ','、' …，
[0016] ···,.··
[0017] 從樣本t。48。時(shí)刻開始，采集t。48。，t。481，…，ti時(shí)刻對(duì)應(yīng)的發(fā)電功率為 屬，<<<，馬，形成數(shù)據(jù)集乂4細(xì)，作為第480個(gè)預(yù)ii樣本數(shù)據(jù)集，令集合 義-腳,=化娜，式…，乂
[0018] (2. 3)相關(guān)系數(shù)計(jì)算公式
[0019]
[0020] 式中：
[0021] -第k個(gè)預(yù)測(cè)樣本數(shù)據(jù)集i時(shí)刻發(fā)電功率；
[0022] Yi-預(yù)測(cè)對(duì)象數(shù)據(jù)集i時(shí)刻發(fā)電功率；
[0023] :? -第k個(gè)預(yù)測(cè)樣本數(shù)據(jù)集的平均值；
[0024] F-預(yù)測(cè)對(duì)象數(shù)據(jù)集的平均值；
[00巧]m-構(gòu)造數(shù)據(jù)集長度，即n-480 ;
[0026] (2. 4)相關(guān)系數(shù)計(jì)算
[0027] 分別計(jì)算巧=%/，共計(jì)480個(gè)相關(guān)系數(shù)；
[002引步驟（3)，預(yù)測(cè)樣本篩選：根據(jù)步驟（1)所選資料，按照步驟似的動(dòng)態(tài)相關(guān)數(shù)據(jù) 構(gòu)造方法，構(gòu)造出長度為n-480的預(yù)測(cè)對(duì)象數(shù)據(jù)集，W及長度為（n-480)的480個(gè)預(yù)測(cè)樣本 數(shù)據(jù)集，運(yùn)用步驟化4)相關(guān)系數(shù)計(jì)算方法分別計(jì)算構(gòu)造后長度為n-480的預(yù)測(cè)對(duì)象數(shù)據(jù) 集與長度為（n-480)的480個(gè)預(yù)測(cè)樣本數(shù)據(jù)集的相關(guān)系數(shù)；然后將480個(gè)相關(guān)系數(shù)平均分 為5個(gè)時(shí)間段，每個(gè)時(shí)間段96個(gè)相關(guān)系數(shù)；每個(gè)時(shí)間段選擇1個(gè)相關(guān)系數(shù)最大的作為該時(shí) 段內(nèi)最優(yōu)預(yù)測(cè)樣本數(shù)據(jù)集的方法，依次選出5個(gè)最優(yōu)預(yù)測(cè)樣本數(shù)據(jù)集；
[0029] 步驟（4)，預(yù)測(cè)模型建立：
[0030]根據(jù)步驟（3)篩選出5個(gè)最優(yōu)預(yù)測(cè)樣本數(shù)據(jù)集，將運(yùn)5個(gè)樣本巧。，不。.疋f不jJ,,) 的時(shí)間序列作為預(yù)測(cè)模型的自變量矩陣X，預(yù)測(cè)對(duì)象的時(shí)間序列作為因變量矩陣Y，形成由 5維自變量數(shù)據(jù)矩陣X和1維因變量數(shù)據(jù)矩陣Y建立的預(yù)測(cè)模型訓(xùn)練樣本。按此方法分別 建立00時(shí)00分-23時(shí)45分每個(gè)時(shí)刻16個(gè)預(yù)測(cè)模型訓(xùn)練樣本，共計(jì)96X16 = 1536個(gè)預(yù) 測(cè)模型訓(xùn)練樣本，每個(gè)時(shí)刻預(yù)測(cè)模型數(shù)學(xué)表達(dá)式如下所示：
[0035]寫+,為時(shí)刻預(yù)測(cè)功率，不。，而,，為分別為twi時(shí)刻預(yù)測(cè)的5個(gè) 最優(yōu)預(yù)測(cè)樣本數(shù)據(jù)集，其余預(yù)測(cè)時(shí)刻W此類推，直至預(yù)測(cè)模型建立完成；
[0036] 步驟巧），實(shí)施預(yù)測(cè)：
[0037] 預(yù)測(cè)模型訓(xùn)練樣本建立完成后，獲取預(yù)測(cè)時(shí)刻前480個(gè)時(shí)刻風(fēng)電場(chǎng)發(fā)電功率數(shù) 據(jù)，根據(jù)最優(yōu)樣本數(shù)據(jù)集的相對(duì)位置從預(yù)測(cè)時(shí)刻前480個(gè)時(shí)刻風(fēng)電場(chǎng)發(fā)電功率數(shù)據(jù)中提取 5個(gè)最優(yōu)預(yù)測(cè)樣本數(shù)據(jù)集，然后采用步驟（4)的方法建立預(yù)測(cè)模型，再采用APSLR算法進(jìn)行 計(jì)算，即得到預(yù)測(cè)功率；（每個(gè)時(shí)刻的預(yù)測(cè)功率有16個(gè)預(yù)測(cè)值）；
[0038] 預(yù)測(cè)方法：采用自適應(yīng)偏最小二乘回歸方法（AP化時(shí)進(jìn)行預(yù)測(cè)，APSLR原理和算法 如下：
[0039] 設(shè)樣本容量為n，自變量維數(shù)為P，因變量維數(shù)為q，則自變量數(shù)據(jù)矩陣X為 nXp(n〉p)維，因變量矩陣Y為nXq(n〉q)維。多
[0040] 元線性回歸模型的形式為Y=XB+E (1)