短期風電功率區(qū)間概率預測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種短期風電功率區(qū)間概率預測方法。
【背景技術(shù)】
[0002] 風能是一種理想的潔凈能源。隨著風電裝機容量不斷增加，風電所具有的間隙性 和不確定性給電力系統(tǒng)的穩(wěn)定運行和電網(wǎng)調(diào)度帶來新的挑戰(zhàn)。實現(xiàn)風電功率的準確預測對 電力系統(tǒng)的功率平衡、經(jīng)濟調(diào)度和設(shè)備安全具有重要意義。不僅可以優(yōu)化備用容量、降低電 網(wǎng)運行成本，更可以減小風電對電網(wǎng)的沖擊，提高電網(wǎng)運行的可靠性。風電功率預測方法一 般可分為2類：一是利用數(shù)值天氣預報，建立預測模型將天氣數(shù)據(jù)轉(zhuǎn)換成風電功率輸出； 二是基于歷史數(shù)據(jù)進行預測，分為統(tǒng)計方法和學習方法。其中統(tǒng)計方法包括時間序列法、灰 色預測法和卡爾曼濾波法，學習方法包括神經(jīng)網(wǎng)絡(luò)、支持向量機等智能方法。
[0003] 目前風電功率預測普遍為單一的點預測，而風電出力受湍流、風輪機狀態(tài)和背景 噪聲等諸多不確定因素的影響，單一的點預測無法準確反映其中的不確定性因素。因此，需 要進行風電功率區(qū)間預測。在區(qū)間預測的基礎(chǔ)上，通過馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率對預測區(qū) 間內(nèi)數(shù)值點進行計算分析，為優(yōu)化系統(tǒng)提供依據(jù)。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)存在的上述問題，本發(fā)明提出了一種短期風電功率區(qū)間概率預測方 法。
[0005] 本發(fā)明包含以下步驟：
[0006] 步驟1 :獲取風電場歷史風電功率數(shù)據(jù)；
[0007] 步驟2 :結(jié)合預測區(qū)間覆蓋概率Spiscp、預測區(qū)間帶寬均方根！DMRPI和平均偏移量 小MQ構(gòu)建優(yōu)化準則T
[0008] 步驟3 :建立基于人工蜂群神經(jīng)網(wǎng)絡(luò)的短期風電功率區(qū)間預測模型，通過人工蜂 群算法對優(yōu)化準則進行尋優(yōu)更新神經(jīng)網(wǎng)絡(luò)權(quán)值閾值；
[0009] 步驟4 :根據(jù)最優(yōu)權(quán)值閾值建立神經(jīng)網(wǎng)絡(luò)，對待預測風電功率進行區(qū)間預測；
[0010] 步驟5 :對歷史風電功率進行狀態(tài)劃分，建立馬爾科夫鏈預測模型，計算各狀態(tài)轉(zhuǎn) 移概率；
[0011] 步驟6 :通過馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預測對風電功率區(qū)間預測，對預 測區(qū)間內(nèi)數(shù)值點計算概率。
[0012] 通過本發(fā)明方法對風電功率區(qū)間進行預測，并對區(qū)間內(nèi)數(shù)值點進行計算分析，能 夠得到較好的預測結(jié)果，為優(yōu)化電力系統(tǒng)提供依據(jù)。
【附圖說明】
[0013] 圖1為本發(fā)明短期風電功率區(qū)間概率預測方法的流程示意圖。
[0014] 圖2為某風電場風電功率區(qū)間預測結(jié)果。
[0015] 圖3為某風電場風電功率預測區(qū)間內(nèi)數(shù)值點概率分布情況。
【具體實施方式】
[0016] 下面結(jié)合附圖舉例對本發(fā)明作進一步說明。
[0017] 參閱圖1，為本發(fā)明短期風電功率區(qū)間概率預測方法的流程示意圖，本發(fā)明短期風 電功率區(qū)間概率預測方法，包含以下步驟：
[0018] S101獲取風電場歷史風電功率數(shù)據(jù)，算例風電場為我國某風電場，包含27臺變槳 距調(diào)節(jié)三葉片水平軸異步發(fā)電機，總裝機容量為33. 75MW。該風電功率序列包含連續(xù)2個月 實際風電功率數(shù)據(jù)，分辨率為15min。
[0019] S102構(gòu)建結(jié)合預測區(qū)間覆蓋概率Spisep、預測區(qū)間帶寬均方根!DMKPI和平均偏移量 小MQ的優(yōu)化準則Tcwa;，包括以下計算步驟：
【主權(quán)項】
1. 一種短期風電功率區(qū)間概率預測方法，其特征在于，包括以下步驟： 步驟1:獲取風電場歷史風電功率數(shù)據(jù)； 步驟2 :結(jié)合預測區(qū)間覆蓋概率spisep、預測區(qū)間帶寬均方根！DMKPI和平均偏移量(}) "構(gòu) 建優(yōu)化準則T^。； 步驟3 :建立基于人工蜂群神經(jīng)網(wǎng)絡(luò)的短期風電功率區(qū)間預測模型，通過人工蜂群算 法對優(yōu)化準則進行尋優(yōu)更新神經(jīng)網(wǎng)絡(luò)權(quán)值閾值； 步驟4 :根據(jù)最優(yōu)權(quán)值閾值建立神經(jīng)網(wǎng)絡(luò)，對待預測風電功率進行區(qū)間預測； 步驟5 :對歷史風電功率進行狀態(tài)劃分，建立馬爾科夫鏈預測模型，計算各狀態(tài)轉(zhuǎn)移概 率； 步驟6 :通過馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預測對風電功率區(qū)間預測，對預測區(qū) 間內(nèi)數(shù)值點計算概率。
2. 根據(jù)權(quán)利要求1所述的短期風電功率區(qū)間概率預測方法，其特征在于，所述的步驟2 中結(jié)合預測區(qū)間覆蓋概率Spisep、預測區(qū)間帶寬均方根！和平均偏移量巾"構(gòu)建優(yōu)化準 則包括以下計算步驟：
式中：N為樣本總數(shù)，Q為實際風電功率，Li為預測下界，Ui為預測上界，y為（1-a) 置信水平的置信區(qū)間，n為Spiscp未達到置信區(qū)間y時的懲罰量，X為平均偏移量的懲罰 項系數(shù)。
3. 根據(jù)權(quán)利要求1所述的短期風電功率區(qū)間概率預測方法，其特征在于，所述的步驟6 中計算馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率并結(jié)合風電功率預測區(qū)間，對預測區(qū)間內(nèi)各狀態(tài)數(shù)值點計 算概率。
【專利摘要】本發(fā)明公開一種短期風電功率區(qū)間概率預測方法，包括：獲取風電場若干歷史風電功率作為樣本集；結(jié)合預測區(qū)間覆蓋概率、預測區(qū)間帶寬均方根和平均偏移量構(gòu)建優(yōu)化準則；建立基于人工蜂群神經(jīng)網(wǎng)絡(luò)的短期風電功率區(qū)間預測模型，通過人工蜂群算法對優(yōu)化準則進行尋優(yōu)更新神經(jīng)網(wǎng)絡(luò)權(quán)值閾值；根據(jù)最優(yōu)權(quán)值閾值建立神經(jīng)網(wǎng)絡(luò)，對待預測風電功率進行區(qū)間預測；對歷史風電功率進行狀態(tài)劃分，建立馬爾科夫鏈預測模型，計算各狀態(tài)狀態(tài)轉(zhuǎn)移概率；通過馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預測對風電功率區(qū)間預測，對預測區(qū)間內(nèi)數(shù)值點計算概率。本發(fā)明在短期風電功率區(qū)間預測的同時考慮了區(qū)間內(nèi)數(shù)值點概率分布，為優(yōu)化系統(tǒng)提供依據(jù)。
【IPC分類】G06F1-00, G06N3-02
【公開號】CN104571262
【申請?zhí)枴緾N201510024662
【發(fā)明人】沈艷霞, 陸欣, 陳杰, 謝廣喜
【申請人】江南大學
【公開日】2015年4月29日
【申請日】2015年1月16日