[发明专利]基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法

摘要

本发明涉及风电技术领域，是基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法，其特点是：它包括cos过完备原子库的建立、衰减线性原子库的建立、基于最大Lyapunov指数的混沌预测模型、基于cos衰减性原子分解和混沌理论的风电功率超短期预测、仿真计算和误差分析等步骤，与现有的仅考虑历史风电功率数据时序，本发明能跟踪未来的功率趋势，物理意义清晰，并考虑风电功率的衰减特性。基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法预测精度高，预测结果有效，适用性和实用性强。

主权项

1.一种基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法，其特征在于：它包括以下步骤：1)cos过完备原子库的建立考虑到风电功率的波动性、间歇性、随机性特点，对原始风电功率序列分解后，建立不同特性的原子库，同时自适应地选择最佳原子，采用cos作为ASD的基函数，原子库的表达式为式(1)：其中：为高斯窗函数；参数组为其中s为伸缩尺度变换参数，τ为位移特征参数，ξ为频率特性参数，为相位参数，K_γ为使||g_γ(t)||＝1的系数；2)衰减线性原子库的建立风电功率出力包括稳定出力区、波动出力区、振荡出力区，考虑到风电功率这3个出力基本特性，构造一个衰减的原子库，原子可自适应匹配风电功率的衰减，衰减原子库是通过所建立的原子库的平移、伸缩、变换生成的，表达形式为式(2)：其中：m为原子的截距，n为原子的斜率，β为衰减常数，u′(t)为单位阶跃函数，t_k为原子的开始时间，t_j为原子的结束时间，k_γ1为使||g_γ1(t)||＝1的修正系数；3)基于最大Lyapunov指数的混沌预测模型根据混沌理论中相近点的收缩或膨胀进行预测，若经过T步的演化，Y_k与Y_N分别演化为Y_k+T与Y_N+T，基于系统最大Lyapunov指数的物理意义，得：式(3)；其中，T为预测步骤，Y_N为参考相点，Y_k为Y_N的近相点，λ₁为最大Lyapunov指数；4)基于cos衰减性原子分解和混沌理论的风电功率超短期预测①按步骤1)和步骤2)对历史风电功率数据建立衰减性原子库，依据功率波动特性得到a₁(t)，a₂(t)，…a_n(t)共n个原子分量和一个残差分量R(t)，②根据式(1)和式(2)，对未来16个时刻的原子分量值进行自预测，③按步骤3)对残差分量进行预测未来16个时间点的输出功率值为式(4)其中：j＝1,2,...,16；5)仿真计算仿真输入量：根据电场的实测数据进行分析，确定电场的总装机容量；风机台数；每台风机的额定容量；数据采样间隔为15min；根据步骤1)至步骤4)，得到整场风电功率实时预测结果；6)误差分析设P_Mk为k时段的实际平均功率，P_Pk为k时段的预测平均功率，N为日考核总时段，Cap为风电场开机容量，那么，实时预测准确率定义为式(5)：合格率定义为式(6)：其中若则B_k＝1，若则B_k＝0全天预测结果均方根误差为式(7)：按步骤5)，输入仿真输入量，将模型计算的预测功率同实测功率经过步骤6)中的误差评价标准式(5)、式(6)、式(7)进行误差计算，求得预测准确率。