本發(fā)明涉及新能源發(fā)電領域,尤其涉及一種區(qū)域風電短期功率的預測方法及預測裝置。
背景技術:
風電功率預測是新能源調度的關鍵基礎,根據(jù)風電出力預測曲線優(yōu)化日前機組組合、動態(tài)滾動調整常規(guī)機組出力,降低備用容量,從而降低系統(tǒng)運行成本。風電功率預測通常針對單個風電場開展,但隨著風資源富集地區(qū)的電源集中開發(fā),逐步形成了大規(guī)模風電基地,區(qū)域風電出力總值的預測變得越來越重要。
傳統(tǒng)的區(qū)域風電功率預測方法是單場功率累加法,即將區(qū)域內各個風電場功率預測結果同時標相加得到區(qū)域風電功率預測值。但這種方法存在明顯的局限性,如:①對于數(shù)據(jù)條件不完備的風電場,個別風電場功率預測精度差可能拖累整個區(qū)域預測精度;②新建風電場在并網(wǎng)初期尚未建立預測系統(tǒng);③不適用于有較多不配置風電功率預測功能模塊的分散式風電接入的區(qū)域。
技術實現(xiàn)要素:
綜上所述,針對上述問題,確有必要提供一種區(qū)域風電短期功率的預測方法及預測裝置。
一種區(qū)域風電短期功率的預測方法,其中,所述方法包括:
對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域;
獲取區(qū)域中各風電場的出力與區(qū)域風電出力的相關性系數(shù);
獲取每一子區(qū)域中各風電場的預測誤差;
在每個子區(qū)域中,根據(jù)相關性系數(shù)和預測誤差選擇至少一個風電場作為代表風電場;
根據(jù)子區(qū)域的裝機容量計算代表風電場的權重系數(shù);以及
根據(jù)各個代表風電場功率預測值及權重系數(shù),獲得區(qū)域風電功率預測值。
相對于傳統(tǒng)技術,本發(fā)明提供的區(qū)域風電短期功率的預測方法,通過獲取區(qū)域中代表風電場及權重系數(shù)的方式,能夠減少區(qū)域預測模型對單風電場數(shù)據(jù)完備性和預測精度的依賴。
作為其中一個實施例,所述對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域的步驟包括:
對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)分解,得到空間型矩陣;
使用層次聚類法對經(jīng)驗正交函數(shù)分解得到的空間型矩陣進行聚類分析,獲得聚類結果;以及
基于層次聚類結果,將區(qū)域劃分為若干子區(qū)域。
作為其中一個實施例,所述對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)分解,得到空間型矩陣的步驟包括:
獲取區(qū)域內所有風電場的歷史功率數(shù)據(jù)樣本,得到原始數(shù)據(jù)矩陣x;
對原始數(shù)據(jù)矩陣x進行標準化處理,得到標準化矩陣y;
計算標準化矩陣y的協(xié)方差矩陣r,其中;
計算矩陣r的特征根,并將特征根按照大小排序,得到各特征根的特征向量,作為原始風電場的各空間型,形成空間型矩陣。
作為其中一個實施例,所述使用層次聚類法對經(jīng)驗正交函數(shù)分解得到的空間型矩陣進行聚類分析,獲得聚類結果的步驟包括:
初始構造n個類,這里n即為待劃分的風電場的數(shù)量;
計算n個樣本兩兩之間的歐式距離,得到距離矩陣d;
計算類間距離,確定并合并距離最相近的2個類為1個新類;
判斷聚類后的類的數(shù)量是否為1,若類的個數(shù)不等于1,則重復計算類間距離,確定并合并距離最相近的2個類為1個新類,直到聚類后的類的數(shù)量為1;
獲取層次聚類結果。
作為其中一個實施例,所述根據(jù)相關性系數(shù)和預測誤差選擇至少一個風電場作為代表風電場的步驟包括:
在每個子區(qū)域中,選擇一個相關性系數(shù)和預測水平都高于平均水平的風電場作為代表風電場。
一種區(qū)域風電短期功率的預測裝置,其中,所述裝置包括:
區(qū)域劃分模塊,用于對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域;
相關性系數(shù)獲取模塊,用于獲取區(qū)域中各風電場的出力與區(qū)域風電出力的相關性系數(shù);
誤差獲取模塊,用于獲取每一子區(qū)域中各風電場的預測誤差;
風電場選擇模塊,用于在每個子區(qū)域中,根據(jù)相關性系數(shù)和預測誤差選擇至少一個風電場作為代表風電場;
權重系數(shù)計算模塊,用于根據(jù)子區(qū)域的裝機容量計算代表風電場的權重系數(shù);
風電功率預測模塊,用于根據(jù)各個代表風電場功率預測值及權重系數(shù),計算區(qū)域風電功率預測值。
相對于傳統(tǒng)技術,本發(fā)明提供的區(qū)域風電短期功率的預測裝置,通過確定區(qū)域中代表風電場及權重系數(shù)的方式,能夠減少區(qū)域預測模型對單風電場數(shù)據(jù)完備性和預測精度的依賴。
作為其中一個實施例,所述區(qū)域劃分模塊包括:
空間型矩陣獲取單元,用于對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)分解,得到空間型矩陣;
聚類單元,用于使用層次聚類法對經(jīng)驗正交函數(shù)分解得到的空間型矩陣進行聚類分析,獲得層次聚類結果;
子區(qū)域劃分單元,用于基于層次聚類結果,將區(qū)域劃分為若干子區(qū)域。
作為其中一個實施例,所述空間型矩陣獲取單元還用于:
獲取區(qū)域內所有風電場的歷史功率數(shù)據(jù)樣本,得到原始數(shù)據(jù)矩陣x;
對原始數(shù)據(jù)矩陣x進行標準化處理,得到標準化矩陣y;
計算標準化矩陣y的協(xié)方差矩陣r,其中;
計算矩陣r的特征根,并將特征根按照大小排序,得到各特征根的特征向量,作為原始風電場的各空間型,形成空間型矩陣。
作為其中一個實施例,聚類單元還用于:
初始構造n個類,這里n即為待劃分的風電場的數(shù)量;
計算n個樣本兩兩之間的歐式距離,得到距離矩陣d;
計算類間距離,確定并合并距離最相近的2個類為1個新類;
判斷聚類后的類的數(shù)量是否為1,若類的個數(shù)不等于1,則再次計算類間距離,確定并合并距離最相近的2個類為1個新類,直到聚類后的類的數(shù)量為1;
獲取層次聚類結果。
作為其中一個實施例,所述風電場選擇模塊還用于:
在每個子區(qū)域中,選擇一個相關性系數(shù)和預測水平都高于平均水平的風電場作為代表風電場。
附圖說明
圖1為本發(fā)明實施例提供的區(qū)域風電短期功率的預測方法的流程框圖;
圖2為本發(fā)明實施例提供的區(qū)域風電短期功率的預測裝置的結構框圖。
具體實施方式
下面根據(jù)說明書附圖并結合具體實施例對本發(fā)明的技術方案進一步詳細表述。
升尺度預測是指建立區(qū)域出力值和具有可用在線數(shù)據(jù)的若干風電場的出力值之間的函數(shù)映射關系,能夠在只具有一定數(shù)量的風電場數(shù)據(jù)的條件下,較準確地預測出整個區(qū)域的風電出力。因此,本發(fā)明提出一種區(qū)域風電短期功率統(tǒng)計升尺度預測方法,從而減少區(qū)域預測模型對單風電場數(shù)據(jù)完備性和預測精度的依賴。
請參閱圖1,本發(fā)明實施例提供的區(qū)域風電短期功率的預測方法,包括如下步驟:
步驟s10,對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域;
步驟s20,獲取區(qū)域中各風電場的出力與區(qū)域風電出力的相關性系數(shù);
步驟s30,獲取每一子區(qū)域中各風電場的預測誤差;
步驟s40,在每個子區(qū)域中,根據(jù)相關性系數(shù)和預測誤差選擇至少一個風電場作為代表風電場;
步驟s50,根據(jù)子區(qū)域的裝機容量計算代表風電場的權重系數(shù);
步驟s60,根據(jù)各個代表風電場功率預測值及權重系數(shù),計算區(qū)域風電功率預測值。
在步驟s10中,對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域包括:
步驟s11,對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)(eof)分解,得到空間型矩陣。
具體地,對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)分解的具體過程包括:
步驟s111,獲取區(qū)域內所有風電場的歷史功率數(shù)據(jù)樣本,得到原始數(shù)據(jù)矩陣x;
步驟s112,對原始數(shù)據(jù)矩陣x進行標準化處理,得到標準化矩陣y;
步驟s113,計算標準化矩陣y的協(xié)方差矩陣r,其中r=y(tǒng)yt;
步驟s114,計算矩陣r的特征根,并將特征根按照大小排序,得到各特征根的特征向量,作為原始風電場的各空間型,形成空間型矩陣;
將特征根按照大小排序,使λ1≥λ2≥...≥λm≥0,各特征根對應的特征向量分別為v1,v2,...,vm,其中v1,v2,...,vm即為原始風電場的各空間型。
作為其中一個實施例,進一步,得到空間型矩陣之后,還可包括:
步驟s115,計算各空間型的方差貢獻率。
在步驟s115中,空間型vm的方差貢獻率為
步驟s12,通過聚類法對經(jīng)驗正交函數(shù)分解得到的空間型矩陣進行聚類分析,獲得聚類結果。
所述聚類法可為層次聚類法、k-means聚類法等方法。本實施例中采用層次聚類法,此處層次聚類法的輸入數(shù)據(jù)是eof分解得到的前k個累計方差貢獻率較高的空間型,具體步驟如下:
步驟s121,初始構造n個類,這里n即為待劃分的風電場的數(shù)量;
步驟s122,計算n個樣本兩兩之間的歐式距離,得到距離矩陣d;
步驟s123,計算類間距離,確定并合并距離最相近的2個類為1個新類;
步驟s124,判斷聚類后的類的數(shù)量是否為1,若類的個數(shù)不等于1,則重復執(zhí)行步驟s123,直到聚類后的類的數(shù)量為1;
步驟s125,獲取層次聚類結果。
在步驟s123中,可通過離差平方和法、單聯(lián)接聚合規(guī)則、完全聯(lián)接聚合規(guī)則、類間平均聯(lián)接聚合規(guī)則、類內平均聯(lián)接聚合規(guī)則中的至少任意一種計算類間距離。
步驟s13,基于層次聚類結果,將區(qū)域劃分為若干子區(qū)域。
根據(jù)層次聚類結果,取類的數(shù)目為所需子區(qū)域的個數(shù),則聚類結果中同一類中的風電場被劃分到同一個子區(qū)域。
在步驟s20所述的獲取區(qū)域中各風電場的出力與區(qū)域風電出力的相關性系數(shù)的步驟中,結合區(qū)域內各個風電場功率歷史數(shù)據(jù)及區(qū)域風電功率歷史數(shù)據(jù),獲取區(qū)域內各個風電場與區(qū)域風電功率之間的相關性系數(shù),如下式:
其中pk表示第k個風電場的功率序列,
在步驟s30中,所述預測誤差包括各風電場預測功率的方均根誤差和平均絕對誤差。
在步驟s40中,在每個子區(qū)域中,可以選擇一個相關性系數(shù)和預測水平都高于平均水平的風電場作為代表風電場。
在步驟s50中,每個子區(qū)域中,代表風電場的權重系數(shù)可以通過計算該類中所有風電場裝機容量的總和與該代表風電場裝機容量的比值。
在步驟s60中,可根據(jù)各代表風電場的功率預測值及其權重系數(shù),通過以下公式計算區(qū)域風電功率預測值:
pall,f=σbkpk,f
其中pall,f為區(qū)域風電功率預測值,pk,f為第k個代表風電場的功率預測值,bk為第k個代表風電場的權重系數(shù)。
本發(fā)明提供的區(qū)域風電短期功率的預測方法,通過確定區(qū)域中代表風電場及權重系數(shù)的方式,無需對所有的風電場的預測功率進行預測,僅需要部分風電場的預測功率即可獲得區(qū)域風電預測功率,能夠減少區(qū)域預測模型對單風電場數(shù)據(jù)完備性和預測精度的依賴。
請一并參閱圖2,本發(fā)明實施例進一步提供一種區(qū)域風電短期功率的預測裝置1000,包括:
區(qū)域劃分模塊100,用于對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域;
相關性系數(shù)獲取模塊200,用于獲取區(qū)域中各風電場的出力與區(qū)域風電出力的相關性系數(shù);
誤差獲取模塊300,用于獲取每一子區(qū)域中各風電場的預測誤差;
風電場選擇模塊400,用于在每個子區(qū)域中,根據(jù)相關性系數(shù)和預測誤差選擇至少一個風電場作為代表風電場;
權重系數(shù)計算模塊500,用于根據(jù)子區(qū)域的裝機容量計算代表風電場的權重系數(shù);
風電功率預測模塊600,用于根據(jù)各個代表風電場功率預測值及權重系數(shù),計算區(qū)域風電功率預測值。
所述區(qū)域劃分模塊100用于對區(qū)域內的風電場進行聚類,并根據(jù)聚類結果將區(qū)域劃分為多個子區(qū)域,該區(qū)域劃分模塊100包括:
空間型矩陣獲取單元101,用于對區(qū)域內風電場的歷史功率序列進行經(jīng)驗正交函數(shù)(eof)分解,得到空間型矩陣;
聚類單元103,用于使用層次聚類法對經(jīng)驗正交函數(shù)分解得到的空間型矩陣進行聚類分析,獲得層次聚類結果;
子區(qū)域劃分單元105,用于基于層次聚類結果,將區(qū)域劃分為若干子區(qū)域。
具體地,該空間型矩陣獲取單元101還用于:
獲取區(qū)域內所有風電場的歷史功率數(shù)據(jù)樣本,得到原始數(shù)據(jù)矩陣x;
對原始數(shù)據(jù)矩陣x進行標準化處理,得到標準化矩陣y;
計算標準化矩陣y的協(xié)方差矩陣r,其中r=y(tǒng)yt;
計算矩陣r的特征根,并將特征根按照大小排序,得到各特征根的特征向量,作為原始場的各空間型。
作為其中一個實施例,該空間型矩陣獲取單元101還用于:計算各空間型的方差貢獻率。
該聚類單元103還用于:
初始構造n個類,這里n即為待劃分的風電場的數(shù)量;
計算n個樣本兩兩之間的歐式距離,得到距離矩陣d;
計算類間距離,確定并合并距離最相近的2個類為1個新類;
判斷聚類后的類的數(shù)量是否為1,若類的個數(shù)不等于1,則再次利用離差平方和法計算類間距離,確定并合并距離最相近的2個類為1個新類,直到聚類后的類的數(shù)量為1;
獲取層次聚類結果。
該子區(qū)域劃分單元105用于根據(jù)層次聚類結果,取的數(shù)目為所需子區(qū)域的個數(shù),將聚類結果中同一類中的風電場被劃分到同一個子區(qū)域。
相關性系數(shù)獲取模塊200用于結合區(qū)域內各個風電場功率歷史數(shù)據(jù)及區(qū)域風電功率歷史數(shù)據(jù),獲取各個風電場與區(qū)域風電功率之間的相關性系數(shù),如下式:
其中pk是第k個風電場的功率序列,
該誤差獲取模塊300可用于獲取所述預測誤差包括各風電場預測功率的方均根誤差和平均絕對誤差。
該風電場選擇模塊400可用于在每個子區(qū)域中,選擇一個相關性系數(shù)和預測水平都高于平均水平的風電場作為代表風電場。
該權重系數(shù)計算模塊500可用于通過在每個子區(qū)域中,計算該類中所有風電場裝機容量的總和與該代表風電場裝機容量的比值得到代表風電場的權重系數(shù)。
風電功率預測模塊600可用于根據(jù)各代表風電場的功率預測值及其權重系數(shù),通過以下公式計算區(qū)域風電功率預測值:
pall,f=∑bkpk,f
其中pall,f為區(qū)域風電功率預測值,pk,f為第k個代表風電場的功率預測值,bk為第k個代表風電場的權重系數(shù)。
本發(fā)明提供的區(qū)域風電短期功率的預測裝置,通過確定區(qū)域中代表風電場及權重系數(shù)的方式,無需對所有的風電場的預測功率進行預測,僅需要部分風電場的預測功率即可獲得區(qū)域風電預測功率,能夠減少區(qū)域預測模型對單風電場數(shù)據(jù)完備性和預測精度的依賴。
為了描述的方便,以上所述裝置的各部分以功能分為各種模塊或單元分別描述。當然,在實施本申請時可以把各模塊或單元的功能在同一個或多個軟件或硬件中實現(xiàn)。
本領域內的技術人員應明白,本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此,本申請可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且,本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。
本申請是參照根據(jù)本申請實施例的方法、設備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合??商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產(chǎn)生一個機器,使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中,使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品,該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上,使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理,從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
以上所述實施例僅表達了本發(fā)明的幾種實施方式,其描述較為具體和詳細,但并不能因此而理解為對本發(fā)明專利范圍的限制。應當指出的是,對于本領域的普通技術人員來說,在不脫離本發(fā)明構思的前提下,還可以做出若干變形和改進,這些都屬于本發(fā)明的保護范圍。因此,本發(fā)明專利的保護范圍應以所附權利要求為準。