[发明专利]一种基于灰色模型和支持向量机的短期风电功率预测方法

说明书

本发明公开了一种基于灰色模型和支持向量机的短期风电功率预测方法，包括以下步骤：获取风向量和气象影响因素之间的关系；所述的风向量包括风速和风向，所述的气象影响因素为温度、空气湿度和地表气压；步骤二：运用采用LSSVM方法对短期内的风向量进行估计；采用改进的灰色模型对短期风电功率进行预测；采用改进的粒子群算法对改进灰色预测模型的背景值进一步优化，输出初始短期风电预测功率；采用傅里叶残差序列对初始短期风电预测功率的误差进行补偿，得到最终的短期风电预测功率，从而对短期风电功率进行更加精准的预测。

技术领域

本发明涉及风电功率预测技术领域，尤其涉及一种基于灰色模型和支持向量机的短期风电功率预测方法。

背景技术

随着新能源技术的发展，对可再生能源的利用率不断提高，尤其是风电并网的比例大幅增加。但是由于风的随机性造成风电出力的波动性和不稳定性，严重影响电力系统的经济安全稳定运行，准确的风电功率预测将为电网的安全运行提供必要条件。

目前短期风电功率预测方法经前辈学者的研究常用方法有灰色模型法和回归分析法、人工神经网络法、支持向量机法，就目前的研究现状而言，国外的风电功率预测系统有ANEMOS，Prediktor，WPMS等。目前我国的风电功率预测系统有WPFS，FR3000，SPWF-3000等。然而，经学者研究表明，单一的风电功率预测模型预测误差较大，很难根据其预测结果对未来做出判断。

发明内容

本发明的目的是提供一种基于灰色模型和支持向量机的短期风电功率预测方法，能够以更加精确的方式对短期风电功率进行预测。

本发明采用的技术方案为：

一种基于灰色模型和支持向量机的短期风电功率预测方法，包括以下步骤：步骤一：

获取风向量和气象影响因素之间的关系；所述的风向量包括风速和风向，所述的气象

影响因素为温度、空气湿度和地表气压；

从风电场获取风电功率历史数据，从天气预报系统中获取气象历史数据，所述的气象历史数据包括气象影响因素历史数据和风向量历史数据；

运用灰色关联性分析气象影响因素历史数据和风向量历史数据，并计算出不同季节不同时刻的风向量和气象影响因素之间的相关系数；

步骤二：运用采用LSSVM方法对短期内的风向量进行估计；以实时的风向量、实时的气象影响因素、步骤一获取的相关系数所组成的关联矩阵为输入参量，得到预测风向量信息；

步骤三：采用改进的灰色模型对短期风电功率进行预测；采用改进的粒子群算法对改进灰色预测模型的背景值进一步优化；采用步骤二中预测到的风速、风向作为输入变量，输出初始短期风电预测功率；

步骤四：采用傅里叶残差序列对初始短期风电预测功率的误差进行补偿，得到最终的短期风电预测功率。

所述的基于灰色模型和支持向量机的短期风电功率预测方法中的步骤一包括以下步骤：

步骤1.1：将气象影响因素历史数据和风向量历史数据转换为无量纲单位；设定X₀＝{x₀(1),x₀(2),…x₀(k)…x₀(n)}表示预测风向量历史数据的序列，即表示预测的风速和风向的序列；X_i＝{x_i(1),x_i(2),…x_i(k)…,x_i(n)}表示气象影响因素历史数据的序列，即表示温度历史数据的序列、空气湿度历史数据的序列、地表气压历史数据的序列；其中i∈{1,2,…,D}，D表示气象历史数据的采集次数；k∈{1,2,…,n},X₀和X_i初值不等但序列长度相同；