[发明专利]一种短期风电功率组合预测方法

权利要求书

1.一种短期风电功率组合预测方法，其特征在于：包括以下步骤，

步骤1、从风电场SCADA系统中进行数据提取并记录，采集并保存风功率序列数据；

步骤2、对所提取的风功率序列进行集合经验模态分解，得到两个以上的子序列和一个余量；

步骤3、分别对各子序列和余量采用C-C法重构相空间；

步骤4、以重构后的相空间为学习样本，训练小波神经网络模型，采用训练好的预测模型进行预测，并将各子序列和余量的预测结果进行叠加，得到风功率预测结果；

步骤5、对风电功率预测结果进行误差分析。

2.根据权利要求1所述的一种短期风电功率组合预测方法，其特征在于：所述步骤2中，对采集的风功率序列进行集合经验模态分解包括以下四个步骤，

步骤2.1、向风功率序列{x(t)}中加入白噪声序列；

步骤2.2、使用经验模态分解将加入白噪声后的风功率序列分解为两个以上的本征模态分量c_n(t)和一个剩余分量r_N(t)；

步骤2.3、重复步骤2.1和步骤2.2共r次，每次加入的白噪声序列的幅值不同；

步骤2.4、将r次分解得到的固有模态分量求整体平均，将其作为原信号的最终固有模态分量。

3.根据权利要求1或2所述的一种短期风电功率组合预测方法，其特征在于：所述步骤5中，采用如下的三种风功率误差评价方法进行误差分析，

归一化均方根误差e_NRMSE、归一化绝对平均误差e_NMAE、最大绝对误差e_MAE，其定义如下：

eNRMSE=Σi=1n(PMi-PPi)2Cap·n×100%]]>   式（1）

eNMAE=Σi=1n|PMi-PPi|Cap·n×100%]]>   式（2）

e_MAE＝max(|P_Mi-P_Pi|)   式（3）

式（1）、式（2）和式（3）中，P_Mi为i时刻的实测功率，P_Pi为i时刻的预测功率，Cap为风机的额定容量，n为预测样本的数量。

4.根据权利要求2所述的一种短期风电功率组合预测方法，其特征在于：所述步骤2.2中，经验模态分解的步骤如下，

步骤2.2.1、求得风功率时间序列{x(t)}中所有的极大值和极小值，采用三次样条函数进行插值拟合上包络线b_max(t)和下包络线b_min(t)；

步骤2.2.2、计算上下包络线平均值m(t)，其中m(t)＝[b_max(t)+b_min(t)]/2，提取h(t)＝x(t)-m(t)，判断h(t)是否满足固有模态分量条件，如果满足，则h(t)就是第一个固有模态分量，不果不满足，则将h(t)作为原始序列；

步骤2.2.3、重复步骤步骤2.2.1和步骤2.2.2，直到经过n次筛选后的差值h_n(t)满足固有模态分量条件，称为一个IMF，记为c₁(t)＝h_n(t)；

步骤2.2.4、得到c₁(t)后，根据式（4）从信号x(t)中得到剩余分量r₁(t)；

r₁(t)＝x(t)-c₁(t)   式（4）

步骤2.2.5、将r₁(t)重复上述步骤得到其余的IMF分量，当余量r_N(t)为单调函数时终止。