[发明专利]一种基于改进季节性指数平滑模型的风力发电量预测方法

说明书

本发明涉及一种基于改进季节性指数平滑模型的风力发电量预测方法，属于能源供给预测领域。该方法包括以下步骤：S1：梳理风力发电的影响关键指标；S2：构建改进的季节性指数平滑模型；S3：选取季节性指数平滑系数；S4：输入预测日期及风力发电数据和天气预报数据，得到风力发电结果。本发明采用风力发电数据和外部气象数据，基于风力发电的影响关键指标，通过对经典季节性指数平滑法预测模型中的平稳因子进行修正，并去掉趋势因子，构建一种基于改进季节性指数平滑模型的风力发电量预测方法，能够有效的协助电力公司制定出更好的能源调度安排，对促进新能源消纳具有重要作用。

技术领域

本发明属于风力发电技术领域，特别涉及一种基于改进季节性指数平滑模型的风力发电量预测方法。

背景技术

在电网系统中，风力发电具有不确定性、间歇性和波动性的特点，使得风力发电预测不够准确，对电力公司合理安排清洁能源消纳带来了严重的挑战，导致“弃风”问题严重。为此需要提高风力发电的预测准确度，综合风力发电数据和外部气象数据，急需一种风力发电预测方法。

发明内容

有鉴于此，本发明的目的是提供一种基于改进季节性指数平滑模型的风力发电量预测方法，能够克服现有技术中存在的问题。

本发明的第一方面的目的是通过以下技术方案实现的：

该种基于改进季节性指数平滑模型的风力发电量预测方法，包括以下步骤：

步骤S1：确定风力发电的影响关键指标；

步骤S2：构建改进的季节性指数平滑模型；

步骤S3：选取季节性指数平滑系数；

步骤S4：输入预测日期及风力发电数据和天气预报数据，得到风力发电结果。

特别地，风力发电的影响关键指标基于风力发电的内外部影响因素，所述内部因素包括设备启停引起风电波动；外部因素包括风力发电受到的气象参数影响。

特别地，所述步骤S2中，通过遍历风力发电数据，通过绘制风力发电的时间序列图，借助数据管理等不同的判定条件，判断风力发电的趋势变化及数据特征。

特别地，所述步骤S2中，构建改进的季节性指数平滑模型进行风力发电量预测值计算的具体步骤如下：

步骤S21：分别计算前两个周期长的每期平均值,其中，第一个周期的平均值：第二个周期的平均值：其中l为季节周期长度；x₁、x₂，…，x₃为观测值；

步骤S22：计算两个周期内平均每个时期的增量：

步骤S23：计算初始指数平滑值：

步骤S24：分别计算前两个周期内每一个的季节因子。第一个周期内每一时期的季节因子：其中：当t＝1时，n＝1；当t＝2时，n＝2；以此类推，当t＝l时，n＝l。第二个周期内每一时期的季节因子：其中：当t＝l+1时，n＝1；当t＝l+2时，n＝2；以此类推，当t＝2l时，n＝l；

步骤S25：计算前两个周期中平均每个时期的季节因子：C”_t＝0.5(C'_t-l+C'_t)，其中t＝l+1，l+2，…，2l；

步骤S26：计算l个平均季节因子之和：l'＝C”_l+1+C”_l+2+…+C”_2l。得到正态化后的季节因子：其中t＝l+1，l+2，…，2l；每当计算完1个周期，得到l个季节因子后，按步骤六的方法，将其进行正态化；