專利名稱：一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電能質(zhì)量監(jiān)控技術(shù)領(lǐng)域，涉及一種用于電力系統(tǒng)及電力用戶的電能質(zhì)量監(jiān)控方法。
背景技術(shù)：
電能質(zhì)量可以簡單的定義為:關(guān)系到供電、用電系統(tǒng)及設(shè)備正常工作(或運行)的電壓、電流的各指標(biāo)偏離規(guī)定范圍的程度。由此可以看出電能質(zhì)量的重要性。目前，對電能質(zhì)量的研究主要集中在數(shù)據(jù)采集方法或?qū)Σ杉蟮臄?shù)據(jù)的基本處理上，這些研究主要包括電能質(zhì)量監(jiān)測裝置和方法，以及電能質(zhì)量評估等方面，對電能質(zhì)量監(jiān)測點或電能質(zhì)量干擾源并網(wǎng)點的電能質(zhì)量趨勢預(yù)測的研究欠缺。隨著國家“十二五”規(guī)劃的大力推進，可再生能源發(fā)電和軌道交通迎來新一輪大發(fā)展，非線性負荷、風(fēng)電、電氣化鐵路等將在電網(wǎng)中大量接入，新型電力電子設(shè)備的廣泛應(yīng)用，必將加劇電網(wǎng)中的電能質(zhì)量問題；而且伴隨著智能電網(wǎng)的大力建設(shè)，電能質(zhì)量作為其中的重要部分，必將得到更多的關(guān)注。為此，全國許多省份已經(jīng)或者正在建設(shè)電能質(zhì)量監(jiān)控平臺，并且某些省已經(jīng)初步探索建立了電能質(zhì)量預(yù)警平臺，以更深入的掌握電能質(zhì)量狀況。電能質(zhì)量趨勢預(yù)測作為監(jiān)控平臺的重要功能之一，可根據(jù)歷史或當(dāng)前電能質(zhì)量狀況預(yù)測未來一段時間內(nèi)的電能質(zhì)量趨勢，這對供用電雙方均具有重要意義。對供電方而言，掌握電能質(zhì)量狀況，了解關(guān)鍵母線或線路的電能質(zhì)量趨勢，可以提前發(fā)現(xiàn)潛在的電能質(zhì)量問題，并據(jù)此作出調(diào)整，改善電能質(zhì)量狀況，提高供電的可靠性，減少不必要的經(jīng)濟損失。對用戶而言，尤其是敏感用戶，了解自身未來一段時間內(nèi)的電能質(zhì)量趨勢，適時調(diào)整自身生產(chǎn)計劃，降低生產(chǎn)成本，為按質(zhì)定價提供依據(jù)。由此可見，一種合理可行的電能質(zhì)量趨勢預(yù)測方法，可以提前發(fā)現(xiàn)電網(wǎng)中潛移惡化的電能質(zhì)量問題，為電網(wǎng)的安全運行提供保障，充分發(fā)揮電能質(zhì)量監(jiān)控平臺的作用。

發(fā)明內(nèi)容

技術(shù)問題:本發(fā)明提供一種可使供用電雙方提前了解所屬區(qū)域電網(wǎng)未來一段時間內(nèi)的母或線路的電能質(zhì)量狀況，提高電網(wǎng)運行可靠性和經(jīng)濟性的風(fēng)電電能質(zhì)量趨勢預(yù)測方法。技術(shù)方案:本發(fā)明的一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，包括下述步驟:I)建立風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系；2)數(shù)據(jù)采集:采集風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)及歷史數(shù)值氣象工況數(shù)據(jù)，并將采集數(shù)據(jù)保存到數(shù)據(jù)庫中；3)建立“對應(yīng)工況關(guān)系表”:根據(jù)風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)，建立電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型，然后基于聚類分析算法，建立電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型與數(shù)值氣象工況數(shù)據(jù)的“對應(yīng)工況關(guān)系表”;4)工況匹配分析:基于動態(tài)彎曲距離相似度算法，對未來時間段的數(shù)值氣象工況與采集的歷史數(shù)值氣象工況進行匹配分析，得到最佳工況匹配結(jié)果，然后在步驟3)建立的“對應(yīng)工況關(guān)系表”中提取最佳工況匹配結(jié)果對應(yīng)的電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型；5)根據(jù)步驟4)中提取的電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型，采用蒙特卡羅模擬算法，對風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)進行電能質(zhì)量趨勢預(yù)測，得出電能質(zhì)量預(yù)測結(jié)果，即各電能質(zhì)量趨勢預(yù)測指標(biāo)在未來時間段內(nèi)的電能質(zhì)量數(shù)據(jù)，并將各電能質(zhì)量指標(biāo)預(yù)測結(jié)果保存到數(shù)據(jù)庫；本發(fā)明步驟I)中建立風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系的具體步驟為:11)分析風(fēng)電機組的運行特性及其運行工況變化引起的電能質(zhì)量變化的特點，結(jié)合電能質(zhì)量標(biāo)準(zhǔn)，篩選出能反映風(fēng)電運行特性的電能質(zhì)量指標(biāo)；12)根據(jù)篩選出的反映風(fēng)電運行特性的電能質(zhì)量指標(biāo)，構(gòu)成電能質(zhì)量趨勢預(yù)測指標(biāo)體系，指標(biāo)體系包含以下電能質(zhì)量指標(biāo)中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡；本發(fā)明方法的步驟2)中，采集風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)的具體方法為:·
為保證采集的數(shù)據(jù)能夠全面反映風(fēng)電引起的電能質(zhì)量問題，根據(jù)所建立的電能質(zhì)量趨勢預(yù)測指標(biāo)體系，至少連續(xù)12個月每天對各指標(biāo)進行監(jiān)測數(shù)據(jù)采集，并將各指標(biāo)監(jiān)測數(shù)據(jù)分類按照監(jiān)測日存入“電能質(zhì)量指標(biāo)歷史監(jiān)測數(shù)據(jù)庫”;步驟2)中，采集歷史數(shù)值氣象工況數(shù)據(jù)的具體方法為:采集與各電能質(zhì)量指標(biāo)數(shù)據(jù)監(jiān)測日對應(yīng)的風(fēng)電數(shù)值氣象工況數(shù)據(jù)并將氣象監(jiān)測數(shù)據(jù)按照與各電能質(zhì)量指標(biāo)的對應(yīng)關(guān)系存入“風(fēng)電影響因素數(shù)據(jù)庫”，風(fēng)電數(shù)值氣象工況數(shù)據(jù)包括風(fēng)速數(shù)據(jù)和風(fēng)向數(shù)據(jù)；本發(fā)明步驟3)的具體方法為:31)選擇電能質(zhì)量趨勢預(yù)測指標(biāo)，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡；32)為了盡量找到各電能質(zhì)量指標(biāo)概率分布的統(tǒng)一規(guī)律性，，以電能質(zhì)量趨勢預(yù)測指標(biāo)公共連接點的額定值或供用電雙方協(xié)議值為基值，對所選電能質(zhì)量趨勢預(yù)測指標(biāo)的每
日監(jiān)測數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，即得到歸一化數(shù)據(jù) 其中X是指標(biāo)監(jiān)測值，Χ_Ν是該指標(biāo)
A Λ
-
PCC點的額定值或供用電雙方協(xié)議值；33)對所選電能質(zhì)量趨勢預(yù)測指標(biāo)的監(jiān)測數(shù)據(jù)做聚類分析，將滿足相似度閥值的監(jiān)測日數(shù)據(jù)歸為一類，稱為一個聚類集合，并將每個聚類集合對應(yīng)的監(jiān)測日的風(fēng)速和風(fēng)向在各個時刻的數(shù)據(jù)做求和平均，得到每個聚類集合對應(yīng)的平均風(fēng)速和風(fēng)向，其中在對風(fēng)向數(shù)據(jù)做求和平均之前要轉(zhuǎn)換為正余弦坐標(biāo)；34)對每個聚類集合中的電能質(zhì)量趨勢預(yù)測指標(biāo)的監(jiān)測數(shù)據(jù)計算其概率密度分布；35)根據(jù)電能質(zhì)量趨勢預(yù)測指標(biāo)的每個聚類集合與其對應(yīng)的監(jiān)測日的風(fēng)速和風(fēng)向數(shù)據(jù)的對應(yīng)關(guān)系，構(gòu)成各電能質(zhì)量趨勢預(yù)測指標(biāo)統(tǒng)計概率模型與數(shù)值氣象工況數(shù)據(jù)的“對應(yīng)工況關(guān)系表”。本發(fā)明步驟4)的具體方法為:
41)根據(jù)未來一段時間風(fēng)電的數(shù)值氣象工況數(shù)據(jù)，得到未來時間段內(nèi)的風(fēng)速和風(fēng)向數(shù)據(jù)，并將各個時刻風(fēng)向數(shù)據(jù)轉(zhuǎn)為正弦與余弦坐標(biāo)值；42 )設(shè)置各電能質(zhì)量趨勢預(yù)測指標(biāo)歷史風(fēng)速和風(fēng)向數(shù)據(jù)的時間窗長度Wl，提取電能質(zhì)量趨勢預(yù)測指標(biāo)聚類集合對應(yīng)的風(fēng)速和風(fēng)向數(shù)據(jù)的每個時間窗的特征量，分別構(gòu)成每個樣本聚類集合歷史風(fēng)速數(shù)據(jù)時間序列特征量集合Rl = lrn，r12，…，rlm}和風(fēng)向數(shù)據(jù)時間序列特征量集合R2 = {r21, r22,…，r2J，稱為樣本特征量集合，m為總的時間窗個數(shù)、rlk為歷史風(fēng)速數(shù)據(jù)第k個時間窗的特征量是、r2k歷史風(fēng)向數(shù)據(jù)第k個時間窗的特征量，k=l，2，...，!!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度；設(shè)置未來一段時間風(fēng)電數(shù)值氣象數(shù)據(jù)時間窗長度W2，提取每個時間窗的特征量，分別構(gòu)成預(yù)測風(fēng)速數(shù)據(jù)時間序列特征量時間序列集合Tl = {tn, t12,…，tln}和風(fēng)向數(shù)據(jù)時間序列特征量時間序列集合T2 = {t21, t22,…，t2n}，稱為預(yù)測特征量集合，η為時間窗個數(shù)、tlk為歷史風(fēng)速數(shù)據(jù)第k個時間窗的特征量是、t2k歷史風(fēng)向數(shù)據(jù)第k個時間窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度；43)采用動態(tài)彎曲距離相似度算法分別計算預(yù)測風(fēng)速、風(fēng)向特征量集合R與各樣本風(fēng)速、風(fēng)向特征量集合T相似度，并將計算得到的不同特征量間的相似度從大到小進行排列，提取相似度最大時的歷史數(shù)值氣象工況，稱為與預(yù)測日對應(yīng)的最佳工況匹配結(jié)果；44)將預(yù)測預(yù)測風(fēng)速、風(fēng)向特征量集合與各樣本風(fēng)速、風(fēng)向特征量集合的相似度從大到小進行排列，提取相似度最大時的歷史數(shù)值氣象工況，稱為與預(yù)測日對應(yīng)的最佳工況匹配結(jié)果；45)在步驟3)建立的“對應(yīng)工況關(guān)系表”中，查詢電能質(zhì)量趨勢預(yù)測指標(biāo)工況匹配結(jié)果對應(yīng)的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)聚類集合，以及該聚類集合的概率密度分布。本發(fā)明步驟5)的具體方法為:51)選擇電能質(zhì)量趨勢預(yù)測指標(biāo)，根據(jù)步驟4)得到該指標(biāo)的最佳工況匹配結(jié)果，從步驟3)建立的“對應(yīng)工況關(guān)系表”中提取該電能質(zhì)量趨勢預(yù)測指標(biāo)的概率密度分布模型，同時提取該指標(biāo)的概率密度分布模型對應(yīng)的聚類集合的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)，作為該電能質(zhì)量指標(biāo)趨勢預(yù)測的樣本數(shù)據(jù)；52)根據(jù)該電能質(zhì)量趨勢預(yù)測指標(biāo)的概率密度分布模型，生成一組隨機數(shù){X1、X2...xn}，其中η為總的監(jiān)測采樣時刻，X為電能質(zhì)量指標(biāo)；53)根據(jù)步驟52)中生成的隨機數(shù)，采用蒙特卡羅模擬算法對該電能質(zhì)量趨勢預(yù)測指標(biāo)未來一段時間的電能質(zhì)量趨勢做出預(yù)測，并將預(yù)測結(jié)果保存到數(shù)據(jù)庫。有益效果:與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點:( I)有利于供用電雙方掌握區(qū)域電網(wǎng)未來一段時間內(nèi)電能質(zhì)量狀況。該電能質(zhì)量趨勢預(yù)測方法基于聚類分析算法和動態(tài)彎曲距離相似度算法，在建立各預(yù)測指標(biāo)概率密度模型與其主要影響因素間的對應(yīng)關(guān)系的基礎(chǔ)上，采用蒙特卡羅模擬算法對區(qū)域電網(wǎng)關(guān)鍵母線或線路未來一段時 間內(nèi)的電能質(zhì)量趨勢做出預(yù)測。這樣供用電雙方，尤其是敏感用戶，可及時了解當(dāng)前區(qū)域電網(wǎng)的電能質(zhì)量狀況，合理安排自身的運行/生產(chǎn)計劃，減少不必要的經(jīng)濟損失。
(2)有利于提高區(qū)域電網(wǎng)運行的安全可靠性。根據(jù)該電能質(zhì)量趨勢預(yù)測結(jié)果，結(jié)合現(xiàn)有電能質(zhì)量監(jiān)控平臺中的電能質(zhì)量評估系統(tǒng)，評估未來一段時間區(qū)域電網(wǎng)的電能質(zhì)量狀況。對供用電雙方而言戶，評估結(jié)果較差，即電能質(zhì)量趨壞，供用電雙方，可以適時調(diào)整自身的運行/生產(chǎn)計劃，避免電能質(zhì)量進一步惡化，提高電網(wǎng)運行的安全可靠性。


圖1為本發(fā)明的流程圖。圖2為本發(fā)明中建立“對應(yīng)工況關(guān)系表”流程圖。圖3為本發(fā)明中基于最佳相似度分析算法的工況匹配流程圖。圖4為蒙特卡羅模擬仿真預(yù)測流程圖。
具體實施例方式下面結(jié)合附圖，對本發(fā)明的技術(shù)方案做進一步的說明。總體的風(fēng)電電能質(zhì)量趨勢預(yù)測方法流程如圖1所示。I)建立風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系。首先分析風(fēng)電機組的運行特性及其運行工況的變化引起電能質(zhì)量問題的特點，由于風(fēng)速變化以及風(fēng)電機組的固有特性(風(fēng)剪切、塔影效應(yīng)、葉片重力偏差和偏航誤差等)導(dǎo)致風(fēng)電公共連接點(Point of Common Coupling,公共連接點，即 并網(wǎng)點，簡稱PCC點)電壓波動；同時風(fēng)電機組中的電力電子裝置在運行中會引起電網(wǎng)中產(chǎn)生大量的諧波?；谝陨戏治觯Y(jié)合我國電能質(zhì)量標(biāo)準(zhǔn)，建立能夠反映風(fēng)電運行引起的電能質(zhì)量本征問題的電能質(zhì)量預(yù)測指標(biāo)體系，該指標(biāo)體系包含以下電能質(zhì)量指標(biāo)中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡。我國電能質(zhì)量標(biāo)準(zhǔn)體系:GB12326-2000《電能質(zhì)量電壓波動和閃變》GB/T 15945-1995《電能質(zhì)量電力系統(tǒng)頻率允許偏差》GB/T 14549-1993《電能質(zhì)量公用電網(wǎng)諧波》GB/T 18481-2001《電能質(zhì)量暫時過電壓和瞬態(tài)過電壓》GB/T 15543-1995《電能質(zhì)量三相電壓允許不平衡度》GB 12325-1990《電能質(zhì)量供電電壓允許偏差》2)采集已建立電能質(zhì)量趨勢預(yù)測指標(biāo)體系中各電能質(zhì)量指標(biāo)的歷史監(jiān)測數(shù)據(jù)以及對應(yīng)監(jiān)測日的歷史風(fēng)電氣象工況數(shù)據(jù)(風(fēng)速和風(fēng)向數(shù)據(jù))。采集風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)的具體方法為:為保證所采集的電能質(zhì)量指 標(biāo)監(jiān)測數(shù)據(jù)能夠全面反映風(fēng)電引起的電能質(zhì)量問題，對風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系中每個電能質(zhì)量指標(biāo)，至少連續(xù)12個月同步每天進行數(shù)據(jù)監(jiān)測采集；由于不同類型的電能質(zhì)量趨勢預(yù)測指標(biāo)的采樣頻率不同，要建立不同電能質(zhì)量指標(biāo)的歷史數(shù)據(jù)庫，將監(jiān)測采集的各電能質(zhì)量趨勢預(yù)測指標(biāo)監(jiān)測數(shù)據(jù)按照監(jiān)測日分類依次存入到相應(yīng)的數(shù)據(jù)庫，構(gòu)成“電能質(zhì)量趨勢預(yù)測指標(biāo)數(shù)據(jù)庫”;采集歷史數(shù)值氣象工況數(shù)據(jù)的具體方法為:根據(jù)不同電能質(zhì)量趨勢預(yù)測指標(biāo)采樣頻率的不同，采集與各電能質(zhì)量指標(biāo)數(shù)據(jù)監(jiān)測日對應(yīng)的風(fēng)電數(shù)值氣象數(shù)據(jù)(風(fēng)速和風(fēng)向數(shù)據(jù))，同時建立與電能質(zhì)量趨勢預(yù)測指標(biāo)監(jiān)測數(shù)據(jù)相關(guān)聯(lián)的風(fēng)電數(shù)值氣象數(shù)據(jù)數(shù)據(jù)庫，并將風(fēng)電數(shù)值氣象數(shù)據(jù)按照與各電能質(zhì)量指標(biāo)的對應(yīng)關(guān)系存入其對應(yīng)的數(shù)據(jù)庫，構(gòu)成“風(fēng)電影響因素數(shù)據(jù)庫”；3)根據(jù)步驟2)中采集的數(shù)據(jù)，建立電能質(zhì)量趨勢預(yù)測指標(biāo)統(tǒng)計概率模型與數(shù)值氣象工況數(shù)據(jù)的“對應(yīng)工況關(guān)系表”。31)選擇電能質(zhì)量趨勢預(yù)測指標(biāo)，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡中的一種或多種。32)為了盡量找到各電能質(zhì)量指標(biāo)概率分布的統(tǒng)一規(guī)律，先將所選電能質(zhì)量指標(biāo)每日監(jiān)測數(shù)據(jù)以該指標(biāo)PCC點的額定值或供用電雙方的協(xié)議值為基準(zhǔn)做標(biāo)準(zhǔn)化處理，即得
到歸一化數(shù)據(jù)
權(quán)利要求
1.一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，其特征在于，該方法包括以下步驟: 1)建立風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系； 2)數(shù)據(jù)采集:采集風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)及歷史數(shù)值氣象工況數(shù)據(jù)，并將采集數(shù)據(jù)保存到數(shù)據(jù)庫中； 3)建立“對應(yīng)工況關(guān)系表”:根據(jù)風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)，建立電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型，然后基于聚類分析算法，建立電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型與數(shù)值氣象工況數(shù)據(jù)的“對應(yīng)工況關(guān)系表”； 4)工況匹配分析:基于動態(tài)彎曲距離相似度算法，對未來時間段的數(shù)值氣象工況與采集的歷史數(shù)值氣象工況進行匹配分析，得到最佳工況匹配結(jié)果，然后在步驟3)建立的“對應(yīng)工況關(guān)系表”中提取所述最佳工況匹配結(jié)果對應(yīng)的電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型； 5)根據(jù)所述步驟4)中提取的電能質(zhì)量趨勢預(yù)測指標(biāo)概率密度分布模型，采用蒙特卡羅模擬算法，對風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)進行電能質(zhì)量趨勢預(yù)測，得出電能質(zhì)量預(yù)測結(jié)果，即各電能質(zhì)量趨勢預(yù)測指標(biāo)在未來時間段內(nèi)的電能質(zhì)量數(shù)據(jù)，并將各電能質(zhì)量指標(biāo)預(yù)測結(jié)果保存到數(shù)據(jù)庫。
2.根據(jù)權(quán)利要求1中所述的一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，其特征在于，所述步驟O中建立風(fēng)電電能質(zhì)量趨勢預(yù)測指標(biāo)體系的具體步驟為: 11)分析風(fēng)電機組的運行特性及其運行工況變化引起的電能質(zhì)量變化的特點，結(jié)合電能質(zhì)量標(biāo)準(zhǔn)，篩選出能反映風(fēng)電運行特性的電能質(zhì)量指標(biāo)； 12)根據(jù)篩選出的反映風(fēng)電運行特性的電能質(zhì)量指標(biāo)，構(gòu)成電能質(zhì)量趨勢預(yù)測指標(biāo)體系，所述指標(biāo)體系包含以下電能 質(zhì)量指標(biāo)中的一種或多種:電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡。
3.根據(jù)權(quán)利要求1中所述的一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，其特征在于，所述步驟2)中，采集風(fēng)電公共連接點的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)的具體方法為: 為保證采集的數(shù)據(jù)能夠全面反映風(fēng)電引起的電能質(zhì)量問題，根據(jù)所建立的電能質(zhì)量趨勢預(yù)測指標(biāo)體系，至少連續(xù)12個月每天對各指標(biāo)進行監(jiān)測數(shù)據(jù)采集，并將各指標(biāo)監(jiān)測數(shù)據(jù)分類按照監(jiān)測日存入“電能質(zhì)量指標(biāo)歷史監(jiān)測數(shù)據(jù)庫”； 所述步驟2)中，采集歷史數(shù)值氣象工況數(shù)據(jù)的具體方法為: 采集與各電能質(zhì)量指標(biāo)數(shù)據(jù)監(jiān)測日對應(yīng)的風(fēng)電數(shù)值氣象工況數(shù)據(jù)并將氣象監(jiān)測數(shù)據(jù)按照與各電能質(zhì)量指標(biāo)的對應(yīng)關(guān)系存入“風(fēng)電影響因素數(shù)據(jù)庫”，所述風(fēng)電數(shù)值氣象工況數(shù)據(jù)包括風(fēng)速數(shù)據(jù)和風(fēng)向數(shù)據(jù)。
4.根據(jù)權(quán)利要求1中所述的一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，其特征在于，所述步驟3)具體包括以下步驟: 31)選擇電能質(zhì)量趨勢預(yù)測指標(biāo)，包括電壓波動、電壓閃變、諧波、電壓畸變率、電壓偏差、電壓三相不平衡； 32)為了盡量找到各電能質(zhì)量指標(biāo)概率分布的統(tǒng)一規(guī)律性，，以電能質(zhì)量趨勢預(yù)測指標(biāo)公共連接點的額定值或供用電雙方協(xié)議值為基值，對所選電能質(zhì)量趨勢預(yù)測指標(biāo)的每日監(jiān)測數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，即得到歸一化數(shù)據(jù)5其中X是指標(biāo)監(jiān)測值，x_N是該指標(biāo)PCC- 點的額定值或供用電雙方協(xié)議值； 33)對所選電能質(zhì)量趨勢預(yù)測指標(biāo)的監(jiān)測數(shù)據(jù)做聚類分析，將滿足相似度閥值的監(jiān)測日數(shù)據(jù)歸為一類，稱為一個聚類集合，并將每個聚類集合對應(yīng)的監(jiān)測日的風(fēng)速和風(fēng)向在各個時刻的數(shù)據(jù)做求和平均，得到每個聚類集合對應(yīng)的平均風(fēng)速和風(fēng)向，其中在對風(fēng)向數(shù)據(jù)做求和平均之前要轉(zhuǎn)換為正余弦坐標(biāo)； 34)對每個聚類集合中的電能質(zhì)量趨勢預(yù)測指標(biāo)的監(jiān)測數(shù)據(jù)計算其概率密度分布； 35)根據(jù)電能質(zhì)量趨勢預(yù)測指標(biāo)的每個聚類集合與其對應(yīng)的監(jiān)測日的風(fēng)速和風(fēng)向數(shù)據(jù)的對應(yīng)關(guān)系，構(gòu)成各電能質(zhì)量趨勢預(yù)測指標(biāo)統(tǒng)計概率模型與數(shù)值氣象工況數(shù)據(jù)的“對應(yīng)工況關(guān)系表”。
5.根據(jù)權(quán)利要求1中所述的一種電能質(zhì)量趨勢預(yù)測方法，其特征在于，所述步驟4)具體包括以下步驟: 41)根據(jù)未來一段時間風(fēng)電的數(shù)值氣象工況數(shù)據(jù)，得到未來時間段內(nèi)的風(fēng)速和風(fēng)向數(shù)據(jù)，并將各個時刻風(fēng)向數(shù)據(jù)轉(zhuǎn)為正弦與余弦坐標(biāo)值； 42)設(shè)置各電能質(zhì)量趨勢預(yù)測指標(biāo)歷史風(fēng)速和風(fēng)向數(shù)據(jù)的時間窗長度W1，提取電能質(zhì)量趨勢預(yù)測指標(biāo)聚類集合對應(yīng)的風(fēng)速和風(fēng)向數(shù)據(jù)的每個時間窗的特征量，分別構(gòu)成每個樣本聚類集合歷史風(fēng)速數(shù)據(jù)時間序列特征量集合Rl = lrn，r12，…，rlm}和風(fēng)向數(shù)據(jù)時間序列特征量集合R2 = Ir21, r22,…，r2m},稱為樣本特征量集合，m為總的時間窗個數(shù)、rlk為歷史風(fēng)速數(shù)據(jù)第k個時間窗的特征量是、r2k歷史風(fēng)向數(shù)據(jù)第k個時間窗的特征量，k=l, 2，…，m,特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度； 設(shè)置未來一段時間風(fēng)電數(shù)值氣象數(shù)據(jù)時間窗長度W2，提取每個時間窗的特征量，分別構(gòu)成預(yù)測風(fēng)速數(shù) 據(jù)時間序列特征量時間序列集合Tl = {tn，t12，…，tln}和風(fēng)向數(shù)據(jù)時間序列特征量時間序列集合T2 = {t21，t22，…，t2n}，稱為預(yù)測特征量集合，η為時間窗個數(shù)、tlk為歷史風(fēng)速數(shù)據(jù)第k個時間窗的特征量是、t2k歷史風(fēng)向數(shù)據(jù)第k個時間窗的特征量，k=l，2，...，!!，特征量是以下特征量中的一個或多個:最大值、最小值、平均值、方差、偏度和峰度； 43)采用動態(tài)彎曲距離相似度算法分別計算預(yù)測風(fēng)速、風(fēng)向特征量集合R與各樣本風(fēng)速、風(fēng)向特征量集合T相似度，并將計算得到的不同特征量間的相似度從大到小進行排列，提取相似度最大時的歷史數(shù)值氣象工況，稱為與預(yù)測日對應(yīng)的最佳工況匹配結(jié)果； 44)將預(yù)測預(yù)測風(fēng)速、風(fēng)向特征量集合與各樣本風(fēng)速、風(fēng)向特征量集合的相似度從大到小進行排列，提取相似度最大時的歷史數(shù)值氣象工況，稱為與預(yù)測日對應(yīng)的最佳工況匹配結(jié)果; 45 )在所述步驟3 )建立的“對應(yīng)工況關(guān)系表”中，查詢電能質(zhì)量趨勢預(yù)測指標(biāo)工況匹配結(jié)果對應(yīng)的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)聚類集合，以及該聚類集合的概率密度分布。
6.根據(jù)權(quán)利要求1中所述的一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，其特征在于，所述步驟5)包括以下步驟: 51)選擇電能質(zhì)量趨勢預(yù)測指標(biāo)，根據(jù)步驟4)得到該指標(biāo)的最佳工況匹配結(jié)果，從所述步驟3)建立的“對應(yīng)工況關(guān)系表”中提取該電能質(zhì)量趨勢預(yù)測指標(biāo)的概率密度分布模型，同時提取該指標(biāo)的概率密度分布模型對應(yīng)的聚類集合的歷史電能質(zhì)量指標(biāo)監(jiān)測數(shù)據(jù)，作為該電能質(zhì)量指標(biāo)趨勢預(yù)測的樣本數(shù)據(jù)；52)根據(jù)該電能質(zhì)量趨勢預(yù)測指標(biāo)的概率密度分布模型，生成一組隨機數(shù){Xl、Xf.xn}，其中η為總的監(jiān)測采樣時刻，X為電能質(zhì)量指標(biāo)； 53)根據(jù)所述步驟52)中生成的隨機數(shù)，采用蒙特卡羅模擬算法對該電能質(zhì)量趨勢預(yù)測指標(biāo)未來一段時間的 電能質(zhì)量趨勢做出預(yù)測，并將預(yù)測結(jié)果保存到數(shù)據(jù)庫。
全文摘要
本發(fā)明公開了一種風(fēng)電電能質(zhì)量趨勢預(yù)測方法，包括以下步驟1)建立電能質(zhì)量趨勢預(yù)測指標(biāo)體系；2)數(shù)據(jù)采集；3)建立電能質(zhì)量趨勢預(yù)測指標(biāo)歷史監(jiān)測數(shù)據(jù)的概率密度分布模型與其對應(yīng)的風(fēng)速/風(fēng)向數(shù)據(jù)的“對應(yīng)工況關(guān)系表”；4)工況匹配分析；5)對風(fēng)電公共連接點電能質(zhì)量趨勢預(yù)測指標(biāo)未來一段時間的電能質(zhì)量趨勢做出預(yù)測，并將各預(yù)測指標(biāo)電能質(zhì)量預(yù)測結(jié)果存入數(shù)據(jù)庫。本發(fā)明方法利用歷史電能質(zhì)量監(jiān)測數(shù)據(jù)，對風(fēng)電公共連接點的關(guān)鍵電能質(zhì)量指標(biāo)的電能質(zhì)量做出趨勢預(yù)測。
文檔編號G06Q10/04GK103235981SQ201310122440
公開日2013年8月7日 申請日期2013年4月10日 優(yōu)先權(quán)日2013年4月10日
發(fā)明者顧偉, 張帥, 袁曉冬, 李群, 王元凱 申請人:東南大學(xué)