[发明专利]考虑功率变化趋势的风电分段短期功率预测方法

说明书

一种考虑功率变化趋势的风电分段短期功率预测方法，具体包括如下步骤：获取风电短期功率预测历史数据集；基于高斯核函数建立不同变化趋势下风电功率预测误差分析模型，提取风电功率变化特征；利用风电历史数据集与风电功率变化特征，基于人工神经网络建立风电短期功率多区间预测模型，获得风电短期功率预测结果。本发明对不同变化趋势下的风电进行单独分析和建模，可以有效提高风电短期功率预测精度。

技术领域

本发明属于风电功率预测技术领域，也涉及可再生能源技术领域，具体涉及一种考虑功率变化趋势的风电分段短期功率预测方法。

背景技术

能源危机和生态环境恶化情况下，风力发电技术得到了快速发展。再加上“碳达峰、碳中和”和以新能源为主体的背景下，未来风力发电必将迎来更快更大发展。风力发电在有效缓解上述问题的同时，其出力不确定性对电网安全运行提出了巨大挑战。准确的风电短期功率预测可以有效解决上述问题，因此，需要对风电短期功率预测技术开展研究。

风电短期功率预测误差分析的核心问题在于，尽可能提高风电短期功率预测精度。不同功率变化趋势下，风电功率的变化、预测误差分布均存在不同的特点，通过分析挖掘不同变化趋势下的风电功率特征，有效提高风电短期功率预测精度，对电网安全运行具有重要意义。

风电短期功率预测误差分析的现有技术如下所示：

现有技术1：专利申请号为CN202110256120.8、授权公告日为2022-09-02的“基于独立稀疏堆叠自编码器的风电场超短期功率预测方法”，其包括：采集多座风电场历史功率观测数据集，得到空间降维的历史特征数据，与气象信息共同作为预测功率的影响因素，并进一步降维得到低维特征。利用具有动态映射能力的神经网络进行预测，得到风电场功率的低维预测数据，解码重构后得到风电场功率预测结果。

现有技术2：专利申请号为CN202110198565.5，授权公告日为2021-07-02的“一种基于单风机建模的短期功率预测方法及系统”，其包括：提出一种基于单风机建模的短期功率预测方法及系统，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；根据气象因素和实际风速、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；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。

现有技术3：专利申请号为CN202110503783.5，授权公告日为2022-03-25的“一种基于孤立森林与WGAN网络的风电输出功率预测方法”，其包括：提出基于孤立森林的风电原始数据异常值检测方法，自适应检测并剔除海量风电数据中的异常值；基于对抗生成网络的缺失值填补方法，探索风电数据的变化规律，填补风电数据的缺失值和上一步骤中剔除的异常值；面向海量风电数据的归一化方法，统一风电数据中不同特征的量纲；基于门控循环单元网络的风电功率预测方法，高精度超短期风电输出功率预测。

现有技术4：专利申请号为CN202110398158.9，授权公告日为2022-03-29的“一种基于改进缎蓝园丁鸟算法优化LSSVR的风电功率预测方法”，其包括：提出了一种基于二次分解和ISBO优化参数的LSSVR风电功率超短期预测方法，考虑模型训练过程和预测的复杂度，构造了一种基于二次分解和t均值检验的二次分解策略，对原始风电功率序列进行分解、动态划分、重构处理；对标准的缎蓝园丁鸟算法进行改进，并利用改进型缎蓝园丁鸟算法，优化最小二乘支持向量回归模型的两个参数，建立风电功率LSSVR预测模型。

总之，目前国内外学者对风电功率预测的研究主要包括以下两个方面：第一个方面，直接预测法，即根据输入数据和预测模型，直接预测未来风电功率变化曲线；第二个方面，是间接预测法，即根据输入数据和预测模型，先预测未来的风速变化曲线，然后基于风电机组的风速-功率关系曲线，转化为风电功率预测曲线。但是现有技术在不同变化趋势下，风电的功率预测误差大，对于不同变化趋势下的预测结果的研究是没有的。

发明内容