[发明专利]一种短期风力发电输出功率的预测方法

说明书

本发明涉及一种短期风力发电输出功率的预测方法，其技术特点是：将风力发电数据划分为训练数据和预测数据，并对数据进行归一化处理；设置和初始化改进蝴蝶优化算法和支持向量机模型的参数；使用训练数据训练支持向量机模型；使用改进蝴蝶优化算法计算具有最优适应度值的蝴蝶位置；将具有最优适应度值的蝴蝶位置带入支持向量机模型，并使用支持向量机模型对风力发电输出功率进行预测；输出预测结果。本发明采用改进蝴蝶优化算法‑支持向量机模型对短期风力发电输出功率进行预测，能够提高对于具有随机性和波动性的短期风力发电输出功率的预测准确性，进而提高新能源发电的使用率，有助于提高电网稳定性。

技术领域

本发明属于风力发电技术领域，尤其是一种短期风力发电输出功率的预测方法。

背景技术

经济发展对能源的需求与日俱增，导致资源枯竭、环境污染和气候变化与现实要求的矛盾日益突出，所以风能的开发利用得到各国的大力关注。风力资源因其具有零污染和成本低的突出优势，风能的大规模开发利用将极大缓解环境污染和对用电负荷安全供电的问题，但是，由于风能特性导致风电输出功率具有间歇性、随机性，风电并网会影响电网的电压和频率，还会对电网安全运行和电力部门做出合理的调度计划造成巨大影响，因此，准确地预测风电输出功率对促进清洁能源的开发利用和电网的安全经济运行具有重要意义。

从预测的时间尺度上来说，风电功率预测主要可分为长期预测、短期预测和超短期预测。长期风电功率预测是指对未来10天以上的风能进行预测，可划分为月、季和年度预测等，一般用于为风电企业的长期生产计划制定提供参考依据；而超短期预测并无具体标准，一般可认为30min内的风电功率预测为超短期预测，主要是用于发电机控制和对已做出的短期风电功率预测进行补充和修正。通过研究并积累风电场输出功率的日变化及小时变化规律，给电力部门制定日运行方式以及在风电并网运行时，提供未来1h-2h的功率预测。

短期预测是指对未来3天(72小时)以内的风电功率进行预测，可为电力部门制定合理的调度计划并为风电场安全生产提供科学的指导和技术支持。而在短期预测中支持向量机凭借其在解决非线性、小样本和高维度模式学习方面独特优势取得了不错效果，支持向量机的基本思想是通过引入内积核函数，将低维的输入空间非线性变换到一个高维空间，再从该高维空间中来寻找输入变量和输出变量之间的非线性关系，可解决小样本、非线性、高维数的回归问题。如何将支持向量机对短期风力发电输出功率进行准确预测是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种短期风力发电输出功率的预测方法，其通过构建基于改进蝴蝶优化算法-支持向量机模型对短期风力发电输出功率进行预测，解决了当具有波动性和随机性的风力发电接入电网时，对电网安全稳定运行造成冲击的问题。

本发明解决现有的技术问题是采取以下技术方案实现的：

一种短期风力发电输出功率的预测方法，包括以下步骤：

步骤1、将风力发电数据划分为训练数据和预测数据，并对数据进行归一化处理；

步骤2、设置和初始化改进蝴蝶优化算法和支持向量机模型的参数；

步骤3、使用训练数据训练支持向量机模型；

步骤4、使用改进蝴蝶优化算法计算具有最优适应度值的蝴蝶位置；

步骤5、将具有最优适应度值的蝴蝶位置带入支持向量机模型，并使用支持向量机模型对风力发电输出功率进行预测；

步骤6、输出预测结果。

进一步，所述训练数据和预测数据均包含输入数据和输出数据，输入数据包括风速和风向，输出数据是风力发电的输出功率；对数据进行归一化处理方法如下：