一種區域內風電總功率的預測方法技術

本發明專利技術屬于風力發電功率預測技術領域，涉及一種面向區域內風電總功率的預測方法。該方法包括：A）在區域內選擇代表風電場，并進一步獲取各代表風電場的輸出功率預測值；B）通過徑向基函數神經網絡建立映射模型，并根據各代表風電場的輸出功率預測值計算出區域內風電總功率預測值；C）輸出區域內風電總功率預測值。該預測方法具有使用操作方便、輸入輸出簡單、預測準確度高、誤差小，可擴展性好、運用靈活等優點，當代表風電場的預測功率已知，可直接通過映射模型計算出區域內風電總功率預測值；當代表風電場的預測功率未知，可將映射模型接入代表風電場，通過代表風電場的NWP數據來驅動模型，進一步計算出區域內風電總功率預測值。

【技術實現步驟摘要】

本專利技術屬于風力發電功率預測
，涉及一種面向區域內風電總功率的預測方法。
技術介紹
風電輸出功率具有很強的隨機性，目前的預報水平還不能滿足電力系統實際運行的需要，準確的區域風電功率預測有利于電力調度部門安排該區域電力系統的發電計劃，保證電能質量，減少系統的備用容量，這對于降低電力系統運行成本有重要的意義。目國內風電功率預測主要集中在對單個風電場功率的預測，對于某一區域內所屬風電場總功率的預測相對較少。區域風電總功率指特定地理范圍或者行政隸屬范圍內所有并網風電場在相同時刻接入電網的功率之和，最簡單的預測方式就是把單個風電場的預測結果求和便得出省級全網風電總功率。事實上，這種方式行不通。首先，很多風電場未安裝風功率預測系統。其次，各個風電場預測結果準確度良莠不齊，直接相加有可能使誤差放大，得出的結果不可 目。實質上，綜合考慮到各個風電場之間的地理位置，風功率的間歇性，各個風電場風機運行的穩定性，隨機性干擾等因素的影響，本專利技術通過分析各個風電場以及區域內總風電功率歷史數據，建立了一個有效的映射模型以實現區域風電功率預測。
技術實現思路
為了克服現有技術的，本專利技術的目的在于提出一種誤差小、準確度高、使用方便的區域內風電總功率的預測方法。本專利技術是通過如下技術方案來實現的，包括如下步驟Α.在區域內選擇代表風電場，并進一步獲取各代表風電場的輸出功率預測值；B.通過徑向基函數神經網絡建立映射模型，并根據各代表風電場的輸出功率預測值計算出區域內風電總功率預測值；C.輸出區域內風電總功率預測值。本專利技術的預測方法具有如下優點(I)該方法使用操作方便，通過建立映射模型實現流程化操作，輸入輸出簡單。(2)該方法預測準確度高、誤差小，可擴展性好。(3)該方法運用靈活，當代表風電場的預測功率已知(即通過風電功率預測系統直接讀取)，可直接通過映射模型計算出區域內風電總功率預測值；當代表風電場的預測功率未知，可將映射模型接入代表風電場，通過代表風電場的NWP數據(包括風向和風速)來驅動模型，進一步計算出區域內風電總功率預測值。附圖說明圖I為本專利技術區域內風電總功率的預測方法的流程示意圖；圖2為通過風向和風速的劃分規則建立的決策樹示意圖；圖3為通過徑向基函數神經網絡(以下簡稱RBF神經網絡)建立的映射模型示意圖。具體實施例方式下面結合附圖對本專利技術的區域內風電總功率的預測方法作進一步詳細的說明。如圖3所示，該預測方法可分為如下幾步步驟I.選擇代表風電場。通過下式(I)求取各風電場的輸出功率與區域內風電總功率的相關系數權利要求1.，其特征在于，該方法包括如下步驟 A.在區域內選擇代表風電場，并進一步獲取各代表風電場的輸出功率預測值； B.通過徑向基函數神經網絡建立映射模型，并根據各代表風電場的輸出功率預測值計算出區域內風電總功率預測值； C.輸出區域內風電總功率預測值。2.如權利要求I所述的方法，其特征在于，所述步驟A中，選擇代表風電場的具體方法包括 Al.通過下式求取各風電場的輸出功率與區域內風電總功率的相關系數3.如權利要求I所述的方法，其特征在于，所述步驟A中，各代表風電場的輸出功率預測值通過風電功率預測系統直接讀取，或者通過各代表風電場的風向和風速計算得出。4.如權利要求3所述的方法，其特征在于，所述通過各代表風電場的風向和風速計算得出各代表風電場輸出功率預測值的具體步驟包括 首先，通過風向和風速的劃分規則對各代表風電場的輸出功率進行歸類； 其次，對歸類的各代表風電場的輸出功率進行曲線擬合后，即得到各代表風電場的輸出功率預測方程。5.如權利要求4所述的方法，其特征在于， 所述風向d(t)的劃分規則為 NEE (東北東方向)0 ( d(t) < 45; NEN (東北北方向)45 ( d(t) < 90; NWN (西北北方向)90 ( d(t) < 135; NWff (西北西方向)135 ( d(t) < 180; Sffff (西南西方向)180 ( d(t) < 225; SffS (西南南方向):225 ( d(t) < 270; SES (東南南方向):270 ( d(t) < 315; SEE (東南東方向):315 ( d(t) < 360; 所述風速V (t)的劃分規則為 B (大風)0 < v(t) ^ 5; M (中風)5 < v(t) ( 10;S (小風)v (t) ^ 10。6.如權利要求4所述的方法，其特征在于，所述曲線擬合的具體步驟包括 I)通過所讀取的數據Pai)和(Kti)繪制散點圖，并根據散點圖確定曲線類型和曲線擬合方程式中的項數m ;所述曲線擬合方程式為P(ti) = amdm (\)+a』1^1 Ui)+…+a0式中，PUi)分別為t時刻第i個代表風電場的輸出功率和風向，a。、......'ay、am為待確定的系數，m為項數； 2)建立下式中的目標函數7.如權利要求I所述的方法，其特征在于，所述步驟B的具體方法包括 所述映射模型包括輸入層、隱含層和輸出層；設代表風電場有m個,即輸入層有m個神經元；設隱含層有n+1個神經元、且其中一個神經元的輸出值恒為I ; 首先，所述輸入層的每個神經元將各代表風電場的輸出功率預測值分別傳至隱含層中除輸出值恒為I以外的其它η個神經元，所述η個神經元的輸出值通過下式計算8.如權利要求7所述的方法，其特征在于， 所述隱含層中一個輸出恒為I的神經元的輸出值與相應權重Wtl進行乘積后傳至輸出層； 所述隱含層中其它η個神經元輸出值分別與相應權重通過下式進行計算后傳至輸出層全文摘要本專利技術屬于風力發電功率預測
，涉及一種面向區域內風電總功率的預測方法。該方法包括A)在區域內選擇代表風電場，并進一步獲取各代表風電場的輸出功率預測值；B)通過徑向基函數神經網絡建立映射模型，并根據各代表風電場的輸出功率預測值計算出區域內風電總功率預測值；C)輸出區域內風電總功率預測值。該預測方法具有使用操作方便、輸入輸出簡單、預測準確度高、誤差小，可擴展性好、運用靈活等優點，當代表風電場的預測功率已知，可直接通過映射模型計算出區域內風電總功率預測值；當代表風電場的預測功率未知，可將映射模型接入代表風電場，通過代表風電場的NWP數據來驅動模型，進一步計算出區域內風電總功率預測值。文檔編號H02J3/00GK102938562SQ201210250429公開日2013年2月20日 申請日期2012年7月19日 優先權日2012年7月19日專利技術者陳志寶, 陳穎, 程序, 周海, 丁杰, 曹瀟, 崔方, 譚志萍, 王知嘉, 于炳霞, 丁宇宇, 周強 申請人:中國電力科學研究院, 國家電網公司本文檔來自技高網...

【技術保護點】
一種區域內風電總功率的預測方法，其特征在于，該方法包括如下步驟：A．在區域內選擇代表風電場，并進一步獲取各代表風電場的輸出功率預測值；B．通過徑向基函數神經網絡建立映射模型，并根據各代表風電場的輸出功率預測值計算出區域內風電總功率預測值；C．輸出區域內風電總功率預測值。

【技術特征摘要】

【專利技術屬性】
技術研發人員：陳志寶，陳穎，程序，周海，丁杰，曹瀟，崔方，譚志萍，王知嘉，于炳霞，丁宇宇，周強，
申請(專利權)人：中國電力科學研究院，國家電網公司，
類型：發明
國別省市：