一種計及多風電場相關性的區(qū)域風電出力預測方法
【專利摘要】本發(fā)明公開了一種計及多風電場相關性的區(qū)域風電出力預測方法。本發(fā)明基于ARIMA模型直接進行單一風電場功率預測（直接預測功率法）；然后對該風電場內多個機組進行K-means聚類劃分為3類機群，并分段多次擬合求解每類機群P-V特性曲線，基于ARIMA模型進行每類機組的風速預測，根據每類機群P-V特性曲線和預測風速值求解該機群功率預測曲線，得到該風電場功率預測值（預測風速法預測功率）。將上述兩種功率預測法加權平均，得到一種新的組合預測法。本發(fā)明提出了基于M-Copula函數(shù)建立兩風電場間輸出功率的相關性數(shù)學模型。基于該數(shù)學模型，采用組合預測功率法，進行了計及相關性的區(qū)域多風電場功率預測。該方法提高了區(qū)域多風電場功率預測精度，減小了預測誤差。
【專利說明】-種計及多風電場相關性的區(qū)域風電出力預測方法

【技術領域】
[0001] 本發(fā)明屬于電力系統(tǒng)預測與風力發(fā)電配電【技術領域】。

【背景技術】
[0002] 風電作為一種清潔的新型能源，具有波動性、不確定性和間歇性。風電的大規(guī)模接 入電網對電力系統(tǒng)的穩(wěn)定運行和正常調度帶來巨大的挑戰(zhàn)。深入研究風電功率預測技術， 可以降低風電波動性引入的不良影響，為電網的合理調度和穩(wěn)定運行提供依據，從而提高 風力發(fā)電的質量和經濟效益。
[0003] 此外，電網內的多個風電場出力往往因其地理位置的遠近而有著不同程度的相關 性，而這種相關性可以用Copula函數(shù)較準確的描述出力。針對單一 Copula函數(shù)(如正態(tài) Copula、t -Copula、Frank Copula，Gumbel Copula 和 Clayton Copula)擬合風電場出力 間的相關性時存在一定的局限，采用能更好擬合風電場出力相關性的Μ-Copula函數(shù)。
[0004] 在進行同一區(qū)域多風電場的功率預測時，若不考慮此相關性，可能會導致功率預 測值出現(xiàn)較大誤差，從而造成系統(tǒng)規(guī)劃和運行風險評估偏離實際。


【發(fā)明內容】

[0005] 技術問題：本發(fā)明的目的是提供一種計及多風電場相關性的區(qū)域風電出力預測 方法，在進行同一區(qū)域多風電場的功率預測時，基于M-Copula函數(shù)建立的多風電場間的相 關性，采用組合預測功率法，進行考慮相關性的區(qū)域多風電場功率預測，從而提高功率預測 精度，減小預測誤差。
[0006] 技術方案：本發(fā)明提出了一種新的組合功率預測方法，即將兩種功率預測方法進 行組合，其中，法一：直接預測功率法，根據歷史功率數(shù)據，基于ARIMA模型直接進行風電場 總輸出功率的預測；法二：預測風速法預測功率，根據歷史風速數(shù)據，將某一風電場內機組 分別進行K-means聚類劃分機群，并求解每組機群的P-V (功率一風速）特性曲線，進行分 段多項式擬合，求解風電場總出力表達式；基于ARIMA模型進行每類機群風速的預測，由預 測的風速結果和P-V特性曲線，求解出每類機群功率預測值，再得到該風電場的總輸出功 率預測。
[0007] 本發(fā)明是采用以下的技術方案來實現(xiàn)的，包括下列步驟： Stepl :采集并篩選風速及有功數(shù)據，剔除離網不工作的、異常狀況導致停機的以及發(fā) 生畸變的壞數(shù)據點； Step2 :直接預測功率法：根據歷史功率數(shù)據，基于ARIMA模型直接進行風電場總輸出 功率的預測； St印3 :預測風速法預測功率； Step4 :組合預測功率法預測功率：將上述兩種功率預測方法加權平均組合，并利用最 小二乘法求解得到最優(yōu)權重系數(shù)； St印5 :基于M-copula理論建立兩風電場間輸出功率的相關性模型，進行最優(yōu)權重系 數(shù)及copula函數(shù)參數(shù)估計； Step6 :進行未考慮相關性的多風電場總輸出功率的預測；基于Step5的兩風電場間輸 出功率的相關性模型，進行計及相關性的多風電場的功率預測； St印7 :分析預測結果：進行St印2、St印3和St印4的三種預測功率法的預測誤差分 析；分析Step6中考慮與未考慮相關性的多風電場功率預測值結果。
[0008] 其中： 所述Step3的預測風速法預測功率的方法為：根據歷史風速和功率數(shù)據，將某一風電 場內機組分別進行K-means聚類劃分機群，并求解每組機群的功率-風速P-V特性曲線，進 行分段多項式擬合，求解風電場總出力表達式；基于ARIMA模型進行每類機群風速的預測， 由預測的風速結果和P-V特性曲線，求解出每類機群功率預測值，再得到該風電場的總輸 出功率預測。
[0009] 所述Step4的組合預測功率法預測功率的方法為：將Step2的直接預 測功率法和Step3的預測風速法預測功率兩種方法的預測功率值加權平均，即

【權利要求】
1. 一種計及多風電場相關性的區(qū)域風電出力預測方法，其特征在于該方法包括下述步 驟： Stepl :采集并篩選風速及有功數(shù)據，剔除離網不工作的、異常狀況導致停機的以及發(fā) 生畸變的壞數(shù)據點； Step2 :直接預測功率法：根據歷史功率數(shù)據，基于ARIMA模型直接進行風電場總輸出 功率的預測； St印3 :預測風速法預測功率； Step4 :組合預測功率法預測功率：將上述兩種功率預測方法加權平均組合，并利用最 小二乘法求解得到最優(yōu)權重系數(shù)； St印5 :基于M-copula理論建立兩風電場間輸出功率的相關性模型，進行最優(yōu)權重系 數(shù)及copula函數(shù)參數(shù)估計； Step6 :進行未考慮相關性的多風電場總輸出功率的預測；基于Step5的兩風電場間輸 出功率的相關性模型，進行計及相關性的多風電場的功率預測； St印7 :分析預測結果：進行St印2、St印3和St印4的三種預測功率法的預測誤差分 析；分析Step6中考慮與未考慮相關性的多風電場功率預測值結果。
2. 根據權利要求1所述的計及多風電場相關性的區(qū)域風電出力預測方法，其特征在于 所述Step3的預測風速法預測功率的方法為：根據歷史風速和功率數(shù)據，將某一風電場內 機組分別進行K-means聚類劃分機群，并求解每組機群的功率-風速P-V特性曲線，進行分 段多項式擬合，求解風電場總出力表達式；基于ARIMA模型進行每類機群風速的預測，由預 測的風速結果和P-V特性曲線，求解出每類機群功率預測值，再得到該風電場的總輸出功 率預測。
3. 根據權利要求1所述的計及多風電場相關性的區(qū)域風電出力預測方法， 其特征在于Step4的組合預測功率法預測功率的方法為：將Step2的直接預 測功率法和Step3的預測風速法預測功率兩種方法的預測功率值加權平均，即
其中，
分別為兩種預測方法的權重系數(shù)，

士別為兩種預測方法的預測功率值，
為組合預測 功率法的預測功率值；最后利用最小二乘法求解得到最優(yōu)權重系數(shù)
4. 根據權利要求1所述的計及多風電場相關性的區(qū)域風電出力預測方法，其特征在于 St印5的基于M-copula理論建立兩風電場間輸出功率的相關性模型，進行最優(yōu)權重系數(shù)及 copula函數(shù)參數(shù)估計的方法為：選用由 Gumbel Copula、Frank Copula和 Clayton Copula 三個Copula函數(shù)的線性組合構造的Μ-Copula函數(shù)建立兩風電場間輸出功率的相關性模 型，M-Copula函數(shù)其表達式為： 其中：

上述公式中,分別為Ε?5ν兩個隨機變量
分別代表這 三個copula函數(shù) 分別為 Frank Copula、Gumbel Copula 和 Clayton Copula 函數(shù)的權重系數(shù)，均為非負數(shù)，且
分別是Frank、Gumbel和 Clayton Copula函數(shù)的相關系數(shù)，且滿足
;_Μ?表示由三 個Copula函數(shù)的線性組合組成的混合Copula函數(shù)，最后以最大期望法估計中?Ρ|、
這6個參數(shù)。
5.根據權利要求1所述的計及多風電場相關性的區(qū)域風電出力預測方法，其特征在于 Step 7分析預測結果的方法為：選用以下兩個誤差指標組合評價預測結果： a. 平均絕對誤差MAE :MAE是所有預測值與實際值偏差的絕對值的平均，該指標是對 預測誤差平均幅值的評價，能準確地反映預測誤差的大小， b. 均方根誤差RMSE:用來衡量誤差的分散程度，該指標能反映出預測模型的精密度，
其中
為平均絕對誤差值，#是預測值的個數(shù)，為額定功率，
/=1，2, 3…N，為第i個預測值與第i個實際值的偏差。
【文檔編號】G06Q50/06GK104252649SQ201410496459
【公開日】2014年12月31日 申請日期:2014年9月25日 優(yōu)先權日:2014年9月25日
【發(fā)明者】時斌, 吳雨薇, 朱雪瓊, 朱海勇, 張加嶺 申請人:東南大學