基於數據特徵提取的風功率預測誤差估計方法

2023-07-12 09:53:51 1

基於數據特徵提取的風功率預測誤差估計方法
【專利摘要】本發明公開了一種基於數據特徵提取的風功率預測誤差估計方法，包括以下步驟：（1）統計分析近一年風電運行歷史數據，分析計算風功率幅值、日前預測出力的波動程度、近3天風電出力波動程度和預測精度對風功率預測誤差的影響權重係數；（2）根據（1）得到的權重係數，利用日前預測出力和近3天風電運行數據，計算日前風功率預測幅值和波動程度、近3天風電出力波動程度和預測精度，然後估計風功率預測誤差。本發明統計分析並提取風電運行歷史數據特徵，利用近3天風電運行數據，估計風功率預測誤差，該方法具有在線計算強度低、數據來源可靠且容易獲得的特點，具有很高的工程實用價值。
【專利說明】基於數據特徵提取的風功率預測誤差估計方法
【技術領域】
[0001]本發明屬於新能源發電技術中電力系統調度自動化【技術領域】，具體涉及一種基於數據特徵提取的風功率預測誤差估計方法。
【背景技術】
[0002]近年來，以風電為代表的新型能源因其無汙染、可再生的固有特性，且無溫室氣體排放，在電網中的滲透率急劇升高，成為能源發展的重要方向。風電作為技術最成熟的新能源利用方式之一，在政府部門的大力支持下實現了快速的增長。但是隨著大規模風電的併網，由於風電固有的隨機性、間歇性和不確定性，使得電力系統運行過程中的不確定性因素不斷增加，這就為電力系統的安全穩定經濟運行帶來了很大的影響。對風功率預測誤差做出更為精細的估計，對於風功率預測、含風電的電網調度與控制、含風電的電網安全防禦等領域都具有重大的意義。目前國內外就風功率預測誤差估計方面提出通過幾種不同的風電預測工具所提供的預測結果的比對來確定風功率預測誤差，該方法在具體實施時，需要多種預測工具且要提供相應的數據來源，而且可能帶來較大的計算量。因此，建立在線計算強度低、數據來源可靠且容易獲得的風功率預測誤差估計模型，對於風電功率預測、含風電的電網調度與控制都具有重要的價值。
[0003]風電預測誤差不僅與預測方法有關，還與預測周期、預測點的風速大小和波動程度有關，通常情況下，預測周期越長，預測出力越大，預測點出力波動程度越大，預測誤差就越大。本發明認為，風電預測誤差與預測方法、預測周期、預測點的風速幅值和波動程度的關係，可以通過統計分析風電運行歷史數據和日前預測出力數據捕捉得到，然後估計風功率預測誤差。所得結果更加精細、可靠和科學，對於提高大規模風電併網下的電力系統安全經濟運行具有重要的意義。

【發明內容】

[0004]本發明的目的是對風功率預測誤差做出更為精細的估計。本發明提供的基於數據特徵提取的風功率預測誤差估計方法，只需要風電運行的歷史實際出力和預測出力，以及日前預測出力，建立適應大規模風電併網後的風功率預測誤差估計模型估計風功率預測誤差，減小或消除了大規模風電併網後對電網安全運行的不利影響，保證了電力系統的可靠運行。
[0005]基於數據特徵提取的風功率預測誤差估計方法，其特徵在於該方法統計分析近一年風電運行歷史數據，分析計算風功率幅值、日前預測出力的波動程度、近3天風電出力波動程度和預測精度對風功率預測誤差的影響權重係數，然後利用日前風功率預測出力和近3天風電運行數據，計算日前風功率預測幅值和波動程度、近3天風電出力波動程度和預測精度，最後估計風功率預測誤差。具體如下:
[0006](I)統計分析近一年風電運行歷史數據，計算風功率幅值、日前預測出力的波動程度、近3天風電出力波動程度和預測精度對風功率預測誤差的影響權重係數；[0007]統計分析近一年風電運行歷史數據，計算風功率幅值對風功率預測誤差的影響權重係數α的公式如(I)所示，
【權利要求】
1.一種基於數據特徵提取的風功率預測誤差估計方法，其特徵在於，所述方法包括以下步驟:統計分析近一年風電運行歷史數據，計算風功率幅值、日前預測出力的波動程度、近3天風電出力波動程度和預測精度對風功率預測誤差的影響權重係數；再在日前預測出力和近3天風電運行數據的基礎上，計算日前風功率預測幅值和波動程度、近3天風電出力波動程度和預測精度；然後估計風功率預測誤差。
2.根據權利要求1所述的方法，其特徵在於，具體包括以下步驟: (O統計分析近一年風電運行歷史數據，計算風功率幅值、日前預測出力的波動程度、近3天風電出力波動程度和預測精度對風功率預測誤差的影響權重係數； 統計分析近一年風電運行歷史數據，計算風功率幅值對風功率預測誤差的影響權重係數α的公式如(I)所示，
【文檔編號】H02J3/38GK103473461SQ201310422579
【公開日】2013年12月25日 申請日期:2013年9月16日 優先權日:2013年9月16日
【發明者】張凱鋒, 丁恰, 楊國強, 王穎, 陳漢一 申請人:東南大學, 國電南瑞科技股份有限公司