[发明专利]一种风电功率预测方法

权利要求书

1.一种风电功率预测方法，其特征在于该方法包括以下步骤：

(1)以预测风电功率的时间点为基点，采集影响风电功率的气象因素的历史数据和风电功率的历史数据，形成历史气象因素记录和历史风电功率记录的矩阵形式；

(2)将基点气象因素记录、历史气象因素记录和历史风电功率记录分别进行标准化；

(3)以基点气象因素记录的标准化结果为核心，将历史气象因素记录的标准化结果按欧氏距离从小到大筛选出n个记录，得到基点气象的近邻聚合的矩阵形式，其中n为正整数，n取值为：5≤n≤10；

(4)对近邻聚合中的气象因素记录去相关降维，得到独立因素值矩阵；

(5)根据正则化径向基函数网络的映射关系建立独立因素值到风电功率标准化值的函数关系；

(6)按所述函数关系进行基点风电功率的预测；

步骤(1)中在基点之前3～7天内采集气象因素和风电功率的历史数据，k取值为288～672；步骤(1)中选取风速、风向、气温、气压和湿度5个气象因素，风速、风向、气温、气压和湿度，采用下标编号i＝1，2，...，5依次标示；

建立基点和历史气象因素记录的矩阵：

$\[u_1,u_2,\mathrm{...},u_i,\mathrm{...},u_5\]=\left[\begin{array}{c}{u}_1\left(0\right),u_2\left(0\right),\mathrm{...},u_i\left(0\right),\mathrm{...},u_5\left(0\right)\\ u_1\left(1\right),u_2\left(1\right),\mathrm{...},u_i\left(1\right),\mathrm{...},u_5\left(1\right)\\ u_1\left(2\right),u_2\left(2\right),\mathrm{...},u_i\left(2\right),\mathrm{...},u_5\left(2\right)\\ u_1\left(t\right),u_2\left(t\right),\mathrm{...},u_i\left(t\right),\mathrm{...},u_5\left(t\right)\\ u_1\left(k\right),u_2\left(k\right),\mathrm{...},u_i\left(k\right),\mathrm{...},u_5\left(k\right)\end{array}\right]$

其中：u_i(t)是编号为i的气象因素在时刻t的记录；t＝0和t＝1，2，...，k分别是基点和历史气象因素记录对应的时刻的逆序编号，k是历史气象因素记录的个数；

建立历史风电功率记录的列向量形式：

p＝[p(1)，p(2)，...p(t)，...，p(k)]^T

其中：p(t)是风电功率在历史时刻t的记录；

步骤(2)中对气象因素记录和历史风电功率记录分别按下述两式标准化：

v′_i(t)＝[u_i(t)-ρ(u_i)]/σ(u_i)

y(t)＝[p(t)-ρ(p)]/σ(p)

其中：v′_i(t)是气象因素记录u_i(t)的标准化结果，p(u_i)和σ(u_i)分别是列向量u_i中元素的统计学均值和标准差；y(t)是历史风电功率记录p(t)的标准化结果，ρ(p)和σ(p)分别是列向量p中元素的统计学均值和标准差；

步骤(3)中以基点气象因素记录的标准化结果[v′₁(0)，v′₂(0)...，v′_i(0)，...，v′₅(0)]为核心，对t＝1，2，...，k个历史气象因素记录的标准化结果按欧氏距离从小到大筛选出n个记录，得到近邻聚合，其中5≤n≤10；对近邻聚合中各记录对应的时刻按逆序重新编号，得近邻聚合中记录的矩阵形式：

$\[v_1,v_2,\mathrm{...},v_i,\mathrm{...},v_5\]=\left[\begin{array}{c}{v}_1\left(1\right),v_2\left(1\right),\mathrm{...},v_i\left(1\right),\mathrm{...},v_5\left(1\right)\\ v_1\left(2\right),v_2\left(2\right),\mathrm{...},v_i\left(2\right),\mathrm{...},v_5\left(2\right)\\ v_1\left(t\right),v_2\left(t\right),\mathrm{...},v_i\left(t\right),\mathrm{...},v_5\left(t\right)\\ v_1\left(n\right),v_2\left(n\right),\mathrm{...},v_i\left(n\right),\mathrm{...},v_5\left(n\right)\end{array}\right]$

其中：v_i(t)是近邻聚合中编号为i的气象因素在时刻t的记录；

步骤(4)中对近邻聚合中的气象因素记录按下式去相关降维，得到独立因素值的矩阵形式：[x₁，x₂，...，x_h，...，x_m]＝[v₁，v₂，...，v_i，...，v₅][a₁，a₂，...，a_h，....，a_m]

其中：下标h是独立因素的编号；列向量x_h是编号为h的独立因素在不同时刻的值；列向量a_h是矩阵[v₁，v₂，...，v_i，...，v₅]的列相关系数矩阵第h大特征根对应的单位特征向量，m是该列相关系数矩阵的第一大特征根到第m大特征根之和占特征根总和的比例大于0.85确定的正整数。