短期風(fēng)電功率區(qū)間概率預(yù)測(cè)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(fēng)電功率區(qū)間概率預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 風(fēng)能是一種理想的潔凈能源。隨著風(fēng)電裝機(jī)容量不斷增加，風(fēng)電所具有的間隙性 和不確定性給電力系統(tǒng)的穩(wěn)定運(yùn)行和電網(wǎng)調(diào)度帶來(lái)新的挑戰(zhàn)。實(shí)現(xiàn)風(fēng)電功率的準(zhǔn)確預(yù)測(cè)對(duì) 電力系統(tǒng)的功率平衡、經(jīng)濟(jì)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(yùn)行成本，更可以減小風(fēng)電對(duì)電網(wǎng)的沖擊，提高電網(wǎng)運(yùn)行的可靠性。風(fēng)電功率預(yù)測(cè)方法一 般可分為2類：一是利用數(shù)值天氣預(yù)報(bào)，建立預(yù)測(cè)模型將天氣數(shù)據(jù)轉(zhuǎn)換成風(fēng)電功率輸出； 二是基于歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，分為統(tǒng)計(jì)方法和學(xué)習(xí)方法。其中統(tǒng)計(jì)方法包括時(shí)間序列法、灰 色預(yù)測(cè)法和卡爾曼濾波法，學(xué)習(xí)方法包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等智能方法。
[0003] 目前風(fēng)電功率預(yù)測(cè)普遍為單一的點(diǎn)預(yù)測(cè)，而風(fēng)電出力受湍流、風(fēng)輪機(jī)狀態(tài)和背景 噪聲等諸多不確定因素的影響，單一的點(diǎn)預(yù)測(cè)無(wú)法準(zhǔn)確反映其中的不確定性因素。因此，需 要進(jìn)行風(fēng)電功率區(qū)間預(yù)測(cè)。在區(qū)間預(yù)測(cè)的基礎(chǔ)上，通過(guò)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率對(duì)預(yù)測(cè)區(qū) 間內(nèi)數(shù)值點(diǎn)進(jìn)行計(jì)算分析，為優(yōu)化系統(tǒng)提供依據(jù)。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)存在的上述問(wèn)題，本發(fā)明提出了一種短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方 法。
[0005] 本發(fā)明包含以下步驟：
[0006] 步驟1 :獲取風(fēng)電場(chǎng)歷史風(fēng)電功率數(shù)據(jù)；
[0007] 步驟2 :結(jié)合預(yù)測(cè)區(qū)間覆蓋概率Spiscp、預(yù)測(cè)區(qū)間帶寬均方根！DMRPI和平均偏移量 小MQ構(gòu)建優(yōu)化準(zhǔn)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(fēng)電功率區(qū)間預(yù)測(cè)模型，通過(guò)人工蜂 群算法對(duì)優(yōu)化準(zhǔn)則進(jìn)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(duì)待預(yù)測(cè)風(fēng)電功率進(jìn)行區(qū)間預(yù)測(cè)；
[0010] 步驟5 :對(duì)歷史風(fēng)電功率進(jìn)行狀態(tài)劃分，建立馬爾科夫鏈預(yù)測(cè)模型，計(jì)算各狀態(tài)轉(zhuǎn) 移概率；
[0011] 步驟6 :通過(guò)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預(yù)測(cè)對(duì)風(fēng)電功率區(qū)間預(yù)測(cè)，對(duì)預(yù) 測(cè)區(qū)間內(nèi)數(shù)值點(diǎn)計(jì)算概率。
[0012] 通過(guò)本發(fā)明方法對(duì)風(fēng)電功率區(qū)間進(jìn)行預(yù)測(cè)，并對(duì)區(qū)間內(nèi)數(shù)值點(diǎn)進(jìn)行計(jì)算分析，能 夠得到較好的預(yù)測(cè)結(jié)果，為優(yōu)化電力系統(tǒng)提供依據(jù)。
【附圖說(shuō)明】
[0013] 圖1為本發(fā)明短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法的流程示意圖。
[0014] 圖2為某風(fēng)電場(chǎng)風(fēng)電功率區(qū)間預(yù)測(cè)結(jié)果。
[0015] 圖3為某風(fēng)電場(chǎng)風(fēng)電功率預(yù)測(cè)區(qū)間內(nèi)數(shù)值點(diǎn)概率分布情況。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖舉例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0017] 參閱圖1，為本發(fā)明短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法的流程示意圖，本發(fā)明短期風(fēng) 電功率區(qū)間概率預(yù)測(cè)方法，包含以下步驟：
[0018] S101獲取風(fēng)電場(chǎng)歷史風(fēng)電功率數(shù)據(jù)，算例風(fēng)電場(chǎng)為我國(guó)某風(fēng)電場(chǎng)，包含27臺(tái)變槳 距調(diào)節(jié)三葉片水平軸異步發(fā)電機(jī)，總裝機(jī)容量為33. 75MW。該風(fēng)電功率序列包含連續(xù)2個(gè)月 實(shí)際風(fēng)電功率數(shù)據(jù)，分辨率為15min。
[0019] S102構(gòu)建結(jié)合預(yù)測(cè)區(qū)間覆蓋概率Spisep、預(yù)測(cè)區(qū)間帶寬均方根!DMKPI和平均偏移量 小MQ的優(yōu)化準(zhǔn)則Tcwa;，包括以下計(jì)算步驟：
【主權(quán)項(xiàng)】
1. 一種短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法，其特征在于，包括以下步驟： 步驟1:獲取風(fēng)電場(chǎng)歷史風(fēng)電功率數(shù)據(jù)； 步驟2 :結(jié)合預(yù)測(cè)區(qū)間覆蓋概率spisep、預(yù)測(cè)區(qū)間帶寬均方根！DMKPI和平均偏移量(}) "構(gòu) 建優(yōu)化準(zhǔn)則T^。； 步驟3 :建立基于人工蜂群神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率區(qū)間預(yù)測(cè)模型，通過(guò)人工蜂群算 法對(duì)優(yōu)化準(zhǔn)則進(jìn)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(duì)待預(yù)測(cè)風(fēng)電功率進(jìn)行區(qū)間預(yù)測(cè)； 步驟5 :對(duì)歷史風(fēng)電功率進(jìn)行狀態(tài)劃分，建立馬爾科夫鏈預(yù)測(cè)模型，計(jì)算各狀態(tài)轉(zhuǎn)移概 率； 步驟6 :通過(guò)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預(yù)測(cè)對(duì)風(fēng)電功率區(qū)間預(yù)測(cè)，對(duì)預(yù)測(cè)區(qū) 間內(nèi)數(shù)值點(diǎn)計(jì)算概率。
2. 根據(jù)權(quán)利要求1所述的短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法，其特征在于，所述的步驟2 中結(jié)合預(yù)測(cè)區(qū)間覆蓋概率Spisep、預(yù)測(cè)區(qū)間帶寬均方根！和平均偏移量巾"構(gòu)建優(yōu)化準(zhǔn) 則包括以下計(jì)算步驟：
式中：N為樣本總數(shù)，Q為實(shí)際風(fēng)電功率，Li為預(yù)測(cè)下界，Ui為預(yù)測(cè)上界，y為（1-a) 置信水平的置信區(qū)間，n為Spiscp未達(dá)到置信區(qū)間y時(shí)的懲罰量，X為平均偏移量的懲罰 項(xiàng)系數(shù)。
3. 根據(jù)權(quán)利要求1所述的短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法，其特征在于，所述的步驟6 中計(jì)算馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率并結(jié)合風(fēng)電功率預(yù)測(cè)區(qū)間，對(duì)預(yù)測(cè)區(qū)間內(nèi)各狀態(tài)數(shù)值點(diǎn)計(jì) 算概率。
【專利摘要】本發(fā)明公開一種短期風(fēng)電功率區(qū)間概率預(yù)測(cè)方法，包括：獲取風(fēng)電場(chǎng)若干歷史風(fēng)電功率作為樣本集；結(jié)合預(yù)測(cè)區(qū)間覆蓋概率、預(yù)測(cè)區(qū)間帶寬均方根和平均偏移量構(gòu)建優(yōu)化準(zhǔn)則；建立基于人工蜂群神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率區(qū)間預(yù)測(cè)模型，通過(guò)人工蜂群算法對(duì)優(yōu)化準(zhǔn)則進(jìn)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(duì)待預(yù)測(cè)風(fēng)電功率進(jìn)行區(qū)間預(yù)測(cè)；對(duì)歷史風(fēng)電功率進(jìn)行狀態(tài)劃分，建立馬爾科夫鏈預(yù)測(cè)模型，計(jì)算各狀態(tài)狀態(tài)轉(zhuǎn)移概率；通過(guò)馬爾科夫鏈狀態(tài)轉(zhuǎn)移概率結(jié)合區(qū)間預(yù)測(cè)對(duì)風(fēng)電功率區(qū)間預(yù)測(cè)，對(duì)預(yù)測(cè)區(qū)間內(nèi)數(shù)值點(diǎn)計(jì)算概率。本發(fā)明在短期風(fēng)電功率區(qū)間預(yù)測(cè)的同時(shí)考慮了區(qū)間內(nèi)數(shù)值點(diǎn)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(hào)】CN104571262
【申請(qǐng)?zhí)枴緾N201510024662
【發(fā)明人】沈艷霞, 陸欣, 陳杰, 謝廣喜
【申請(qǐng)人】江南大學(xué)
【公開日】2015年4月29日
【申請(qǐng)日】2015年1月16日