[发明专利]一种风电功率爬坡事件检测方法

说明书

本发明提供一种风电功率爬坡事件检测方法，步骤包括S1原始数据采集；S2数据预处理；S3数据压缩，采用SDT旋转门算法对预处理后的数据进行压缩；S4趋势判定及标记，定义功率变化趋势，将局部功率的变化分为上升趋势、平稳趋势、下降趋势三类；S5爬坡事件判定，对于有可能的上爬坡和下爬坡事件进行判定；S6爬坡事件记录。本发明将旋转门算法与局部趋势定义相结合来进行爬坡事件检测避免检测过程中小幅度波动所造成的漏检与误检，既缩短了爬坡检测时间又提高了爬坡检测精度。

技术领域

本发明属于短期风电功率技术领域，具体涉及一种风电功率爬坡事件检测方法。

背景技术

随着中国经济的快速发展，能源需求也日益增加。风能作为清洁可再生能源，在世界范围内已经得到了广泛的利用，风能自身具有强波动特性和不确定性，随着风电在电力系统中渗透率的不断增大，对电力系统的安全运行提出了诸多挑战，而准确的风电功率预测，可以为风资源并网发电、安全调度、市场竞价等提供重要的参考。

当前，爬坡预测主要遵循风电功率预测的思路，然后根据爬坡定义检测识别出爬坡事件，这种间接预测方法仍属于传统的功率预测。由于当前爬坡事件的研究主要侧重于爬坡预测，而在检测识别方面的研究并不多，检测识别的好坏，将直接影响爬坡预测的精度。风电爬坡事件是风功率波动严重的小概率事件，如何在大数据中快速检测出爬坡事件十分关键。因此，有效的爬坡检测技术至关重要。

发明内容

本发明针对现有技术中的不足，提供一种快速、准确的爬坡检测方法，以弥补现有爬坡事件检测方法的不足。本发明提供一种风电功率爬坡事件检测方法，即基于SDT和趋势标记相结合的风电爬坡事件检测方法。该方法根据爬坡事件蕴含显著的趋势信息，采用数据压缩的方法对原始数据进行压缩处理，预提取出可能存在的爬坡段，然后，引入趋势标记的方法对爬坡事件进行检测。

为实现上述目的，本发明采用以下技术方案：一种风电功率爬坡事件检测方法，包括以下步骤：

S1原始数据采集：采集风场的原始气象数据(v_i，p_i)，其中v_i表示i时刻的风速值，p_i表示i时刻的功率值；

S2数据预处理：对原始气象数据进行数据的预处理，预处理过程包括：剔除异常数据和插补缺失数据；预处理后的气象数据为表示预处理后i时刻的风速值，表示预处理后i时刻的功率值；

S3数据压缩：采用数据压缩的方法，对S2预处理后的气象数据进行压缩处理：

通过SDT旋转门算法对预处理后的气象数据形成的曲线进行分段趋势提取，提取出风电功率的上升趋势和下降趋势的趋势段；

S4趋势判定及标记：定义功率变化趋势，将局部功率的变化分为上升趋势、平稳趋势、下降趋势三类，

功率变化趋势满足式(1)：

ΔP^sdt＞M，上升趋势(+1)

|ΔP^sdt|≤M，平稳趋势(0)

ΔP^sdt＜-M，下降趋势(-1)

式中，局部功率的变化量分别表示经过SDT压缩后s+1、s时刻的功率，M为阈值，且M＞0；

若ΔP^sdt大于M，则视为上升趋势，并标记为+1；若ΔP^sdt小于-M，则视为下降趋势，标记为-1；若|ΔP^sdt|≤M，则视为平稳趋势，并标记为0；

S5爬坡事件判定：检测爬坡事件，定义爬坡事件满足式(2)：