[发明专利]基于变差函数的风电爬坡事件多级预警方法

说明书

本发明涉及一种风电爬坡事件的刻画方法，特别涉及一种基于变差函数的风电爬坡事件多级预警方法，具体包括如下步骤：首先利用相对风电功率的定义，获取相应的相对风电功率时间序列。利用变差函数平方根对相对风电功率时间序列进行刻画，将得到的风电功率实时变化速率时间序列进行自相关分析。根据分析结果，用BP神经网络建立预测模型，对序列进行预测。选定变差刻画方式下的风电爬坡事件的多级阈值，利用阈值对BP神经网络的预测结果进行识别，实现对风电爬坡事件的多级预警。本发明弥补了传统风电爬坡事件定义中，仅考虑首末两点功率的不足；综合考虑了一段时间内所有时间点的变化情况，更准确的对爬坡事件进行定义与识别。

技术领域

本发明涉及一种风电爬坡事件的刻画方法，特别涉及一种基于变差函数刻画方式下的风电爬坡事件多级预警方法，增加风电爬坡事件预测的可预测性。

发明背景

对风电的不确定性认识和掌握是我国促进大规模可再生能源安全高效的消纳和清洁能源结构转型的关键基础问题。其中，长时间极限气象引发的功率爬坡事件是风电不确定性的一个重要表现；虽然发生概率小，但其难以预测和控制，会对电网的安全稳定运行、调度规划和实时控制造成重大的影响和危害。所以开展风电功率爬坡事件的预测工作是十分必要的。

目前，风电爬坡事件预警的研究成果较多，张东英等人对风电爬坡事件研究进行了综述和展望；利用时间段首末时刻功率差值的绝对值大于阈值来刻画爬坡事件是目前常见的一种形式。阮睿等人提出了一种基于等效平均风速的风力发电功率预测，将首末时刻的变化值进行均值处理；崔明建等人提出了一种基于原子稀疏分解和反向传播神经网络的组合预测方法，提升了预测的精准性。然而上述研究中对爬坡事件的定义与描述仅考虑了某段时间首末时刻值，并没有考虑到某段时间内部的全部时间点的变化情况，仅考虑首末时刻变化值得到的时间序列的可预测性较差。

实际中，风电爬坡事件是一种随机发生事件，即使是很短时间内也可能发生严重的风电爬坡事件，因此仅通过设定固定时段后选取首末时刻差值进行定义，并不能考虑到全部的风电爬坡事件，因此如何使风电爬坡事件的描述更加准确和如何提升爬坡事件的可预测性是一个值得深入研究的问题。

发明内容

为了提升风电爬坡事件的可预测性，增加风电爬坡事件的可预测长度，本发明提出了一种基于变差函数的风电爬坡事件多级预警方法。该方法的步骤如下：

步骤一：利用风电场输出功率曲线与相对应的电网负荷曲线获取相对风电功率曲线；

步骤二：在使用相对风电功率变化量的绝对值定义的基础上，用变差函数平方根对风电爬坡事件进行定量刻画，获取变化后的风电功率实时变化速率时间序列曲线；

步骤三；得到风电功率实时变化速率时间序列后，对其进行自相关分析，观测其可预性；

步骤四：利用BP神经网络算法，基于风电功率实时变化速率时间序列建立风电爬坡事件的可预测模型；

步骤五：根据相对风电功率变化量的绝对值定义风电爬坡事件的阈值选取方法，得到变差刻画方式下的多级阈值，利用阈值对BP神经网络的预测结果进行有效的识别，实现风电爬坡事件的多级预警。

本发明的优点在于：

1)使用变差对相对风电功率爬坡事件进行刻画，增加了描述风电状态数列的可预测长度，提升了风电爬坡事件的可预报性。

2)弥补了传统风电爬坡事件定义中，仅考虑首末两点功率的不足；综合考虑了一段时间内所有时间点的变化情况，更准确的对爬坡事件进行定义与识别。

3)利用多个阈值划分的方法，实现了适于不同程度的爬坡的多级预警。

附图说明

图1为本发明方法的流程示意图；

图2为相对风电功率曲线；