[发明专利]基于数据特征提取的风功率预测误差估计方法

权利要求书

1.一种基于数据特征提取的风功率预测误差估计方法，其特征在于，所述方法包括以下步骤：统计分析近一年风电运行历史数据，计算风功率幅值、日前预测出力的波动程度、近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数；再在日前预测出力和近3天风电运行数据的基础上，计算日前风功率预测幅值和波动程度、近3天风电出力波动程度和预测精度；然后估计风功率预测误差。

2.根据权利要求1所述的方法，其特征在于，具体包括以下步骤：

（1）统计分析近一年风电运行历史数据，计算风功率幅值、日前预测出力的波动程度、近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数；

统计分析近一年风电运行历史数据，计算风功率幅值对风功率预测误差的影响权重系数α的公式如（1）所示，

K1,j=Pact,j-Pfore,jPfore,jαmin=K1,j‾/Pfore,j‾∀K1,j<0αmax=K1,j‾/Pfore,j‾∀K1,j≥0---(1)]]>

其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j表示第j时间点风电的实际出力，P_fore,j表示第j时间点风电的预测出力，表示所有符合约束条件的K_1,j的平均值，表示所有符合约束条件K_1,j对应的预测出力P_fore,j的平均值，α_min表示风功率幅值对风功率预测误差的影响权重系数的下限值，α_max表示风功率幅值对风功率预测误差的影响权重系数的上限值；

统计分析近一年风电运行历史数据，按出力相近的原则对日前预测出力数据进行分段处理，计算日前预测出力的波动程度对风功率预测误差的影响权重系数β的公式如（2）所示，

K2,i=(Pact,i,max-Pact,i,min)|tfore,i,max-tfore,i,min|Pact,i,min(Pfore,i,max-Pfore,i,min)β=K2,i‾---(2)]]>

其中，i表示对日前预测出力数据所分的段数，P_act,i,max表示第i个所分的时间段中风电实际出力的最大值；P_act,i,min表示第i个所分的时间段中风电实际出力的最小值；P_fore,i,max表示第i个所分的时间段中风电预测出力的最大值，其对应的时间为t_fore,i,max；P_fore,i,min表示第i个所分的时间段中风电预测出力的最小值，其对应的时间为t_fore,i,min，表示所有K_2,i的平均值；

统计分析近一年风电运行历史数据，计算近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数K₃和K₄的公式如（3）所示，

K3=1/Pact,j‾K4=K4,j‾=(Pact,jPfore,j)‾---(3)]]>

其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j表示第j时间点的风电实际出力，P_fore,j为第j时间点的风电预测出力，表示的平均值，表示P_act,j的平均值。

（2）根据（1）得到的权重系数，利用日前风功率预测出力和近3天风电数据，计算日前风功率预测幅值和波动程度、近3天风电出力波动程度和近3天预测精度，然后估计风功率预测误差；

分析风电日前预测出力数据，按出力相近的原则对日前预测出力数据进行分段处理，计算第i个所分的时间段数据的波动程度σ_i的公式如（4）所示：

σi=Pfore,i,max-Pfore,i,min|tfore,i,max-tfore,i,min|---(4)]]>

其中，i表示对日前预测出力数据所分的段数，P_fore,i,max表示第i个所分的时间段中风电预测出力的最大值，其对应的时间为t_fore,i,max；P_fore,i,min表示第i个所分的时间段中风电预测出力的最小值，其对应的时间为t_fore,i,min。

分析风电运行近3天数据，计算近3天风电出力波动程度S和近3天预测精度ε的公式如（5）所示

S=1nΣj=1n(Pact,j-Pact,j‾)2ϵ=ϵj‾=(|Pact,j-Pfore,j|Pact,j)‾---(5)]]>

其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j和P_fore,j为第j时间点风电的实际出力和预测出力，表示的平均值，表示P_act,j的平均值。

估计风功率预测误差的公式如（6）所示：

[emin,i,emax,i]=[αminPfore,i‾(βσi+K3S+K4ϵ),αmaxPfore,i‾(βσi+K3S+K4ϵ)]---(6)]]>

其中，i表示对日前预测出力数据所分的段数，表示第i个所分的时间段中日前预测风功率P_fore,i的平均值，e_max,i和e_min,i分别表示第i个所分的时间段中风功率预测误差的上限值和下限值，其他参数同上所述。