一種組合式短期風(fēng)電功率預(yù)測系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及風(fēng)電功率預(yù)測領(lǐng)域，更具體地說，是涉及一種組合式短期風(fēng)電功率預(yù) 測系統(tǒng)及方法。
【背景技術(shù)】
[0002] 近年來，風(fēng)力發(fā)電的發(fā)展越來越迅速。據(jù)中國循環(huán)經(jīng)濟(jì)協(xié)會可再生能源專業(yè)委員 會（CREIA)的《中國風(fēng)電發(fā)展報告2014》統(tǒng)計(jì)，全國風(fēng)電裝機(jī)容量已經(jīng)增加到91413麗。隨 著風(fēng)力發(fā)電的迅速發(fā)展，并網(wǎng)成為充分利用風(fēng)電的研究熱點(diǎn)，由于風(fēng)電的輸出功率依賴于 風(fēng)速，對于風(fēng)速的波動性、間歇性和隨機(jī)性，勢必會對電網(wǎng)的穩(wěn)定性帶來嚴(yán)重沖擊，且會影 響電網(wǎng)的電能質(zhì)量，所以準(zhǔn)確的風(fēng)電功率短期預(yù)測尤為重要。
[0003] 經(jīng)對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，中國專利申請?zhí)枮椋?01410155445. 7,名稱為一種 風(fēng)電功率預(yù)測組合方法和系統(tǒng)，該申請?zhí)岢鐾ㄟ^時間序列法和BP人工神經(jīng)網(wǎng)絡(luò)法進(jìn)行預(yù) 測，然后利用得到的預(yù)測結(jié)果再建立新的預(yù)測模型，最終得到了風(fēng)電功率的預(yù)測值，但該系 統(tǒng)單純利用統(tǒng)計(jì)預(yù)測模塊，也沒有精確的誤差修正系統(tǒng)，預(yù)測精度并不能滿足當(dāng)前更高的 需求。因此，如何解決上述的問題，為亟待解決的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種組合式短期風(fēng)電功率預(yù)測系統(tǒng)。
[0005] 本發(fā)明的另一目的是提供一種可配合上述系統(tǒng)的組合式短期風(fēng)電功率預(yù)測方法。 本發(fā)明能夠通過建立基于數(shù)值天氣預(yù)報的短期風(fēng)電功率預(yù)測系統(tǒng)，利用最小方差組合法將 物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊進(jìn)行組合預(yù)測，大大提高了預(yù)測精度，且具有簡單實(shí)用、響應(yīng) 迅速的優(yōu)點(diǎn)，有利于風(fēng)電功率預(yù)測的發(fā)展。
[0006] 為實(shí)現(xiàn)上述的目的，本發(fā)明的一種組合式短期風(fēng)電功率預(yù)測系統(tǒng)，其包括：氣象應(yīng) 用決策支持模塊，獲取歷史風(fēng)電功率數(shù)據(jù)、數(shù)值天氣預(yù)報數(shù)據(jù)、實(shí)時上網(wǎng)數(shù)據(jù)和風(fēng)塔氣象臺 數(shù)據(jù)；風(fēng)電功率組合預(yù)測模塊，連接于氣象應(yīng)用決策支持模塊，由預(yù)測模型庫和預(yù)測算法庫 組成，預(yù)測模型庫內(nèi)設(shè)有物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊，所述物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模 塊分別與算法庫連接，算法庫將分別從物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊獲取的預(yù)測值進(jìn)行組 合以預(yù)測未來72小時的風(fēng)電功率；功率預(yù)測修正模塊，連接于風(fēng)電功率組合預(yù)測模塊和氣 象應(yīng)用決策支持模塊，根據(jù)從氣象應(yīng)用決策支持模塊獲取的風(fēng)電功率歷史數(shù)據(jù)，對風(fēng)電功 率組合預(yù)測模塊獲取的預(yù)測結(jié)果進(jìn)行修正；實(shí)時通信模塊，連接于功率預(yù)測修正模塊，將功 率預(yù)測修正模塊獲取的修正結(jié)果實(shí)時傳輸?shù)娇刂浦行摹?br>[0007] 本發(fā)明的系統(tǒng)通過氣象應(yīng)用決策支持模塊、風(fēng)電功率組合預(yù)測模塊、功率預(yù)測修 正模塊和實(shí)時通信模塊組成整個預(yù)測系統(tǒng)，通過功率預(yù)測修正模塊分別連接風(fēng)電功率組合 預(yù)測模塊和氣象應(yīng)用決策支持模塊，能夠根據(jù)從氣象應(yīng)用決策支持模塊獲取的風(fēng)電功率歷 史數(shù)據(jù)，對風(fēng)電功率組合預(yù)測模塊獲取的預(yù)測結(jié)果進(jìn)行修正，使預(yù)測誤差減小，能夠滿足系 統(tǒng)預(yù)測精度的高要求。
[0008] 為實(shí)現(xiàn)上述的目的，本發(fā)明的一種組合式短期風(fēng)電功率預(yù)測方法，其包括以下步 驟： ① 獲取歷史風(fēng)電功率數(shù)據(jù)、數(shù)值天氣預(yù)報數(shù)據(jù)、實(shí)時上網(wǎng)數(shù)據(jù)和風(fēng)塔氣象臺數(shù)據(jù)； ② 根據(jù)步驟一獲取的數(shù)據(jù)，采用方差最小組合預(yù)測法將物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊 進(jìn)行組合預(yù)測，得出風(fēng)電功率預(yù)測值； ③ 根據(jù)步驟一獲取的數(shù)據(jù)，對風(fēng)電功率預(yù)測值進(jìn)行誤差分析，對誤差修正得出最終風(fēng) 電功率預(yù)測值。
[0009] 進(jìn)一步改進(jìn)方案，上述的組合式短期風(fēng)電功率預(yù)測方法，物理預(yù)測模塊的預(yù)測步 驟包括：步驟一：通過風(fēng)速高度變換模型、風(fēng)速空間變換模型和Jensen模型求得風(fēng)電場對 應(yīng)風(fēng)機(jī)輪轂上風(fēng)速；步驟二：結(jié)合步驟一獲取的數(shù)據(jù)，以風(fēng)速-功率曲線得出風(fēng)電功率預(yù)測 值。
[0010] 上述的物理預(yù)測模塊的預(yù)測步驟，步驟二中所述的Jensen模型在尾流影響下，同 一風(fēng)向上，距離上風(fēng)向風(fēng)機(jī)為X的風(fēng)機(jī)實(shí)際風(fēng)速表達(dá)式如下：
其中，表示未經(jīng)過風(fēng)機(jī)的自然風(fēng)速，轉(zhuǎn)'表示風(fēng)電機(jī)組的推力系數(shù)，K為尾流下降系 數(shù)，X為同一風(fēng)向上，待求風(fēng)機(jī)與上風(fēng)向風(fēng)機(jī)間的距離，R為待求風(fēng)機(jī)風(fēng)輪葉片半徑。
[0011] 上述的物理預(yù)測模塊的預(yù)測步驟，所述的風(fēng)速高度變換模型為采用距離反比法進(jìn) 行空間插值的數(shù)學(xué)模型，該數(shù)學(xué)模型為：
其中，表示X處的風(fēng)速插值，:·_則表示原空間Xi#風(fēng)速。
其中叾取歐幾里得距離。
[0012] 上述的物理預(yù)測模塊的預(yù)測步驟，所述的風(fēng)速空間變換模型為采用風(fēng)垂直切邊冪 律的數(shù)學(xué)模型，該數(shù)學(xué)模型為：
其中，，為第i臺風(fēng)機(jī)對應(yīng)高度風(fēng)速值，％和％為測風(fēng)塔數(shù)據(jù)中已知高度和該高度下對 應(yīng)風(fēng)速，％為第i臺風(fēng)機(jī)風(fēng)機(jī)高度Μ為風(fēng)切變指數(shù)。
[0013] 進(jìn)一步改進(jìn)方案，上述的組合式短期風(fēng)電功率預(yù)測方法，所述統(tǒng)計(jì)預(yù)測模塊的預(yù) 測步驟包括：步驟一：用ΒΡ神經(jīng)網(wǎng)絡(luò)計(jì)算每個輸入變量的應(yīng)用平均影響值，并對其數(shù)值進(jìn) 行排序用于篩選出顯著影響的輸入項(xiàng)；步驟二：利用相似樣本聚類分析方法，以適應(yīng)統(tǒng)計(jì) 預(yù)測模型在對樣本變化較大預(yù)測誤差較大的情況步驟三：采用遺傳算法對神經(jīng)網(wǎng)絡(luò)每層的 初始權(quán)值及閾值進(jìn)行優(yōu)化，達(dá)到全局尋優(yōu)。
[0014] 更進(jìn)一步改進(jìn)方案，上述的組合式短期風(fēng)電功率預(yù)測方法，步驟二中采用方差最 小組合預(yù)測法將物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊進(jìn)行組合預(yù)測，對j時刻功率值進(jìn)行預(yù)測， 第i個模型的預(yù)測結(jié)果為在j時刻真實(shí)功率值為;_，第i個模型的權(quán)重系數(shù)為獲，則 需要滿足如下約束條件：
在第j個時刻，功率預(yù)測值為：
在第j個時刻，功率預(yù)測的誤差為：
設(shè)樣本個數(shù)為n，方差最小組合預(yù)測法的目標(biāo)函數(shù)及約束條件最優(yōu)化表達(dá)如下式所 示：
其中，Sj代表風(fēng)向儀上的風(fēng)速轉(zhuǎn)化到風(fēng)機(jī)葉片上的風(fēng)速，j代表j時刻的δ。Z為目 標(biāo)函數(shù)，代表風(fēng)機(jī)葉片上的風(fēng)速S平方和的最小值。
[0015] 上述的組合式短期風(fēng)電功率預(yù)測方法，所述的目標(biāo)函數(shù)展開如下式：
其中，:1:為j時刻第i個模型的預(yù)測結(jié)果，在j時刻真實(shí)功率值為fc，_為j時刻第 i個模型的風(fēng)向儀上的風(fēng)速轉(zhuǎn)化到風(fēng)機(jī)葉片上的風(fēng)速，:?為第i個模型的權(quán)重系數(shù)。
[0016] 上述的組合式短期風(fēng)電功率預(yù)測方法，、方差最小組合預(yù)測中?個時刻不停更新， 隨著預(yù)測時刻的進(jìn)行，對進(jìn)行不停動態(tài)更新。
[0017] 本發(fā)明的方法采用方差最小組合預(yù)測法將物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊進(jìn)行組 合預(yù)測，采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值，動態(tài)更新權(quán)重系數(shù)，并對權(quán)重系數(shù)進(jìn)行約束， 選取出合理的權(quán)重系數(shù)有利于提高模型的性能，降低預(yù)測誤差；同時能夠有效綜合物理預(yù) 測模塊與統(tǒng)計(jì)預(yù)測模塊單一的優(yōu)勢，大大提高了預(yù)測精度；本發(fā)明還具有簡單實(shí)用、響應(yīng)迅 速的優(yōu)點(diǎn)，有利于風(fēng)電功率預(yù)測的發(fā)展。
【附圖說明】
[0018] 下面將結(jié)合附圖中的具體實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)說明，但不構(gòu)成對本發(fā)明 的任何限制。
[0019] 圖1為本發(fā)明系統(tǒng)的結(jié)構(gòu)示意圖； 圖2為本發(fā)明方法的流程圖； 圖3為本發(fā)明物理預(yù)測模塊的預(yù)測流程圖； 圖4為本發(fā)明統(tǒng)計(jì)預(yù)測模塊的預(yù)測流程圖； 圖5為本發(fā)明最小方差組合預(yù)測曲線圖。
【具體實(shí)施方式】
[0020] 如圖1所示，一種組合式短期風(fēng)電功率預(yù)測系統(tǒng)，其包括能夠獲取歷史風(fēng)電功率 數(shù)據(jù)、數(shù)值天氣預(yù)報數(shù)據(jù)、實(shí)時上網(wǎng)數(shù)據(jù)和風(fēng)塔氣象臺數(shù)據(jù)的氣象應(yīng)用決策支持模塊；風(fēng)電 功率組合預(yù)測模塊，連接于氣象應(yīng)用決策支持模塊，由預(yù)測模型庫和預(yù)測算法庫組成，預(yù)測 模型庫內(nèi)設(shè)有物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊，所述物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊分別與算 法庫連接，算法庫將分別從物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊獲取的預(yù)測值進(jìn)行組合以預(yù)測未 來72小時的風(fēng)電功率；功率預(yù)測修正模塊，連接于風(fēng)電功率組合預(yù)測模塊和氣象應(yīng)用決策 支持模塊，根據(jù)從氣象應(yīng)用決策支持模塊獲取的風(fēng)電功率歷史數(shù)據(jù)，對風(fēng)電功率組合預(yù)測 模塊獲取的預(yù)測結(jié)果進(jìn)行修正；實(shí)時通信模塊，連接于功率預(yù)測修正模塊，將功率預(yù)測修正 模塊獲取的修正結(jié)果實(shí)時傳輸?shù)娇刂浦行摹?br>[0021] 如圖2所示，一種組合式短期風(fēng)電功率預(yù)測方法，其包括以下步驟：首先，獲取歷 史風(fēng)電功率數(shù)據(jù)、數(shù)值天氣預(yù)報數(shù)據(jù)、實(shí)時上網(wǎng)數(shù)據(jù)和風(fēng)塔氣象臺數(shù)據(jù)；其次，根據(jù)步驟一 獲取的數(shù)據(jù)，采用方差最小組合預(yù)測法將物理預(yù)測模塊和統(tǒng)計(jì)預(yù)測模塊進(jìn)行組合預(yù)測，得 出風(fēng)電功率預(yù)測值；最后，根據(jù)實(shí)時上網(wǎng)數(shù)據(jù)與預(yù)測數(shù)據(jù)，對風(fēng)電功率預(yù)測值進(jìn)行誤差分 析，對誤差修正得出最終風(fēng)電功率預(yù)測值。
[0022] 如圖3所示，物理預(yù)測模塊的預(yù)測步驟包括：步驟一：通過風(fēng)速高度變換模型、風(fēng) 速空間變換模型和Jensen模型求得風(fēng)電場對應(yīng)風(fēng)機(jī)輪轂上風(fēng)速；步驟二：結(jié)合步驟一獲取 的數(shù)據(jù)，以風(fēng)速-功率曲線得出風(fēng)電功率預(yù)測值。而在物理預(yù)測模塊的預(yù)測步驟中，風(fēng)速高 度變換模型、風(fēng)速空間變換模型和Jensen模型如下： 風(fēng)速高度變換模型
其中，#賴表示X處的風(fēng)速插值，則表示原空間xi處風(fēng)速。:務(wù)為·^:··^·!-其中:?.取歐 幾里得距離； 風(fēng)速空間變換模型
其中，％為第i臺風(fēng)機(jī)對應(yīng)高度風(fēng)速值，％和馬為測風(fēng)塔數(shù)據(jù)中已知高度和該高度下對 應(yīng)風(fēng)速，&為第i臺風(fēng)機(jī)風(fēng)機(jī)高度_為風(fēng)切變指數(shù)。
[0023]Jensen模型在尾流影響下，同一風(fēng)向上，距離上風(fēng)向風(fēng)機(jī)為X的風(fēng)機(jī)實(shí)際風(fēng)速表 達(dá)式如下：
其中，懸表示未經(jīng)過風(fēng)機(jī)的自然風(fēng)速，:?表示風(fēng)電機(jī)組的推力系數(shù)，K為尾流下降系 數(shù)，X為同一風(fēng)向上，待求風(fēng)機(jī)與上風(fēng)向風(fēng)機(jī)間的距離，R為待求風(fēng)機(jī)風(fēng)輪葉片半徑。
[0024]通過Jensen模型，得到風(fēng)速的實(shí)際數(shù)值，根據(jù)每個風(fēng)機(jī)自身的風(fēng)速-功率曲線，風(fēng) 速功率曲線一般是：風(fēng)速小于風(fēng)機(jī)的切入風(fēng)速時，風(fēng)機(jī)停機(jī)，功率為〇,風(fēng)速大于切入風(fēng)速， 小于切出風(fēng)速時，有些風(fēng)機(jī)功率是