[发明专利]一种分散距离整合的并行化的风电场输出功率预测方法

说明书

一种分散距离整合的并行化的风电场输出功率预测方法，本发明属于风电技术领域，具体涉及一种分散距离整合的并行化的风电场输出功率预测方法。本发明提供一种分散距离整合的并行化的风电场输出功率预测方法。通过对已有数据的聚类，将风电历史数据按照特征聚类划分为多组，并存储在多台计算机之上；在风电预测过程中多台计算机同时进行预测，并在基于待预测时间点与历史数据特征的近似性整合预测结果，实现更加精确和快速的风电输出功率预测。

技术领域

本发明属于风电技术领域，具体涉及一种分散距离整合的并行化的风电场输出功率预测方法

背景技术

风电作为一种清洁能源能够降低碳排放、降低环境污染在世界各国已经得到了广泛的发展，然而风电作为一种依赖于自然风力的电源，其输出功率受到风速、温度、湿度等诸多因素影响，风电输出通常不稳定，这给使用电网安全与合理利用风电带来问题。解决这一问题的关键就是对一个风电场的输出功率进行预测，在风电场输出出现可能出现问题之前(如输出功率过低)，提前利用电网的火电、水电等资源进行准备，因此进行风电场输出功率预测具有很重要的应用价值。

一个风电场在不同条件下，风电输出的变化和波动的规律可能不同。要准确的进行风电场的输出功率预测，就需要对一个风电场的历史数据进行分析，找到一组与当前时间点近似的历史数据，基于这些历史数据进行预测。这种预测方式会遇到两个问题，一是如果历史数据较少，智能学习算法可能难以发现其规律，预测精度较低；二是如果历史数据较大，那么在查找近似数据的过程中需要耗费较多的计算时间，即便获得较高的预测精度，其结果的时效性会较低。同时风电的输出功率受到多种因素影响，单纯的一个预测模型较难体现风电场输出功率的真正规律。

因此目前缺乏一种方法，一方面可以引入更多的风电场历史数据，并进行分组产生多组预测模型，总和多组的结果获得预测结果；另一方面具有较快的计算速度，能够快速的获得较为精确的预测结果。现有技术中亟需一种方法解决上述问题。

发明内容

本发明所要解决的技术问题是：提供一种分散距离整合的并行化的风电场输出功率预测方法。通过对已有数据的聚类，将风电历史数据按照特征聚类划分为多组，并存储在多台计算机之上；在风电预测过程中多台计算机同时进行预测，并在基于待预测时间点与历史数据特征的近似性整合预测结果，实现更加精确和快速的风电输出功率预测。

一种分散距离整合的并行化的风电场输出功率预测方法，其特征在于，包括风电场、数据采集服务器和计算服务器；

具体包括以下步骤：

步骤一、风电场和数据采集服务器建立通信连接，数据采集服务器采集风电场发电数据，数据采集服务器将每个小时采集的风电场数据作为一个标准数据组，在单位时间内共采集m个标准数据组，每个标准数据组中的数据信息的字段结构包括采集数据信息的时间点所处的月份H1、该时间点的所处的日期H2、该时间点的温度H3、该时间点的湿度H4、该时间点的风速H5、前一天的平均温度H6、前一天的平均湿度H7、前一天平均输出功率H8、前一天的平均风速H9、在该时间点前1小时输出功率H10、在该时间点前2小时输出功率H11、在该时间点前3小时输出功率H12、在该时间点前4小时输出功率H13、在该时间点前5小时输出功率H14、在该时间点前6小时输出功率H15和当前时间点风电场的输出功率D1；

步骤二、数据采集服务器获得一个包括1个管理节点和N个计算节点的集合，5≤N≤10；

步骤三、数据采集服务器利用聚类算法对标准数据组中的所有数据进行聚类，即将m个标准数据组分为N群G₁，G₂，G₃…G_N，获得任意两个群中心点A和B间的距离：

dis(A,B)＝0.2×dis1(A,B)+0.3×dis2(A,B)+0.5×dis3(A,B)

其中：