[发明专利]一种基于单风机建模的短期功率预测方法及系统

权利要求书

1.一种基于单风机建模的短期功率预测方法，其特征在于，包括：

S1、采用模糊C均值聚类的方法将风电场风机群划分为k类风机组；

步骤S1中划分k类风机组的具体方法包括：

S101、获取风电场各风机的经度、纬度和海拔高度信息，并以风电场中心点为原点建立直角坐标系，根据风电场中心坐标和风机经纬度坐标信息，转换成直角坐标系中的位置信息，即距风电场中心的横向距离和纵向距离，进行归一化处理成代表风机分布特征的数据集；

S102、对聚类质心进行初始化处理，即随机分配确定隶属度矩阵；

S103、计算每个聚类簇的质心，并将数据样本并入与之欧氏距离最短的那个质心的簇内；

S104、计算聚类中心和隶属度，更新聚类中心和簇隶属度，判断新的聚类中心与原聚类中心是否相等，若相等，则迭代结束；若不相等，回到S103，继续迭代，直到计算结果收敛，即聚类中心不再变动；

S105、记录聚类中心，并将其特征转换成经纬度坐标；

S106、记录各簇所包含的风点机组的编号，每个簇的风机划分成一个区域；

S2、根据聚类中心的经纬度坐标，将高精度ＮＷＰ数据，通过空间双线性插值方法，得到场内k类风机组质心处的气象因素；

S3、基于风机数据，将每类风电机组的风机风速的平均值作为该区域的实测风速，风机功率的总和作为该区域的实际功率；

S4、根据S2中提供的气象因素和S3中提供的实际风速、实际功率，建立每类风电机组的功率预测模型，得到其预测功率；

S5、以每类风电机组的功率预测值为基础进行组合预测，对权重系数进行遍历，获取最优权重，得到整个风电场的功率预测值；

步骤S4所述功率预测模型的建立方法包括：

S401、将S2中提供的气象因素作为特征量，以及S3中提供的实际风速作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-风速预测模型，得到预测风速；

S402、将S2中提供的气象因素与S401中构建的预测风速一起作为特征量，以及S3中提供的实际功率作为标签，调用LASSO回归模型，网格搜索自动进行参数寻优，建立各类风机组的NWP-功率预测模型。

2.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S3所述风机数据为经过预处理的风机数据，所述预处理过程包括：

S301、根据风机状态数据，将停电检修、限电时段的异常数据直接剔除；

S302、将连续3个以及3个以上相同的数值进行剔除；

S303、对不合理数据进行剔除。

3.根据权利要求1所述的基于单风机建模的短期功率预测方法，其特征在于，步骤S5所述最优权重的获取方法包括：

S501、将各类风机组的预测功率按照风机容量与全场装机容量的比例归算至全场功率，获得k组功率预测结果；

S502、k组功率预测结果，权重系数设置为0~1.2，间隔为0.01；

S503、对权重系数遍历，进行组合预测，且每组权重系数总和的范围为0.85~1.15；

S504、采用偏差作为平均组合预测模型的性能的指标，根据偏差公式计算不同组合预测的误差；

其中，n为样本个数，为实测功率，为组合预测功率；

S505、将误差最小值所对应的权重系数作为模型参数保存。