[发明专利]风电功率概率预测方法及装置

权利要求书

1.一种风电功率概率预测方法，其特征在于，所述方法包括：

根据历史输出功率以及历史预测功率，获取风电场预测误差的统计特征；

根据历史预测功率和风电场的数值天气预报NWP预测结果的风速波动量，获得风电概率预测的条件全集；

通过K-means聚类算法，将条件全集划分为若干条件子集；

对每个条件子集C_i，获取在该条件下的误差样本集E_i，求出在不同条件下的风电功率预测误差的经验分布PDF_i，并用风电功率预测误差的经验分布来描述在条件C_i下的误差随机变量e_i：

e_i～PDF_i；

检验其数字特征与风电场预测误差的统计特征中数字特征是否重合；若重合则通过K-means聚类算法再次进行聚类；以及

在t时刻获取时刻t+k的风电功率预测结果以及时刻t+k的预测风速波动量fluc^t+k，其中，k大于0；

设实数对(fluc^t+k)处于条件子集C_j，挑选该条件子集的误差经验分布PDF_j，并将误差随机变量e_j作为在t+k时刻的误差随机变量；

结合t+k的风电功率预测结果获取最终的概率预测结果：

其中，是风电功率概率预测的结果，为随机变量，用于描述风电功率的不确定信息。

2.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述风电场预测误差的统计特征包括风电场预测误差的均值E(X)、方差Var(X)、偏度Skew(X)和峰度Kurtosis(X)。

3.根据权利要求2所述的风电功率概率预测方法，其特征在于，所述根据历史输出功率以及历史预测功率，获取风电场预测误差的统计特征的步骤包括：

获取风电场在预定时间段内的历史输出功率；

获取在预定时间段内风电场的历史预测功率；

计算预定时间段内历史输出功率与历史预测功率之间的误差向量；以及

获取误差向量中每个分量，构成风电场预测误差样本值，计算风电场预测误差的统计特征。

4.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述根据历史预测功率和风电场的数值天气预报NWP预测结果的风速波动量，获得风电概率预测的条件全集的步骤包括：

根据获取的预定时间段内风电场的历史预测功率，获得在时刻t时，风电场NWP预测结果的风速波动量；

获取从t-s至t-1时刻的风速波动量构成的风速波动量集合，其中，s小于t且s大于1；以及

获取由所述历史预测功率和所述风速波动量集合相互组合构成的笛卡尔集，作为条件全集。

5.根据权利要求1所述的风电功率概率预测方法，其特征在于，所述通过K-means聚类算法，将条件全集划分为若干条件子集的步骤包括：

对于条件全集，使用K-means聚类算法，将其分为m簇，即将其分为m个互不相交的条件子集，m的数值为4～10，且各条件子集中的元素个数平均分布。

6.根据权利要求5所述的风电功率概率预测方法，其特征在于，所述检验其数字特征与风电场预测误差的统计特征中数字特征是否重合的步骤包括：

逐个检验m个误差的条件经验分布，是否与风电场预测误差的统计特征中数字特征的误差经验分布函数重合。