本發(fā)明涉及風(fēng)電功率預(yù)測(cè)領(lǐng)域，特別涉及一種基于概率統(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法。

背景技術(shù)：

隨著化石能源的快速消耗，人類正面臨著能源枯竭和環(huán)境惡化的雙重危機(jī)，因此近年來清潔可再生的風(fēng)能在世界范圍內(nèi)也因此受到了廣泛重視與發(fā)展。國(guó)內(nèi)風(fēng)電總裝機(jī)容量已躍居世界第一，風(fēng)電的大規(guī)模發(fā)展和減少化石能源的使用，在一定程度上緩解了能源危機(jī)。但是，由于風(fēng)能具有很強(qiáng)的間歇性和隨機(jī)性，隨著風(fēng)電場(chǎng)數(shù)量的增多和裝機(jī)容量的不斷增大，風(fēng)電的大規(guī)模并網(wǎng)給電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行帶來了巨大的挑戰(zhàn)。

目前，風(fēng)電功率預(yù)測(cè)主要有物理模型和基于NWP風(fēng)速數(shù)據(jù)驅(qū)動(dòng)兩種建模方式。物理模型的建模方式較為復(fù)雜，且實(shí)用性小；而基于NWP風(fēng)速的數(shù)學(xué)模型建模方式雖然運(yùn)用廣泛，但是NWP風(fēng)速的波動(dòng)和準(zhǔn)確度影響著風(fēng)電功率預(yù)測(cè)精度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種基于概率統(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法，解決了現(xiàn)有技術(shù)中基于NWP風(fēng)速的數(shù)學(xué)模型建模方式中，NWP風(fēng)速的波動(dòng)和準(zhǔn)確度影響風(fēng)電功率預(yù)測(cè)精度的技術(shù)問題，達(dá)到了提高NWP風(fēng)速的準(zhǔn)確度，減小NWP風(fēng)速隨機(jī)誤差，提高風(fēng)電功率預(yù)測(cè)模型中風(fēng)速輸入的準(zhǔn)確性，進(jìn)而提高風(fēng)電功率預(yù)測(cè)的精度的技術(shù)效果。

為解決上述技術(shù)問題，本發(fā)明提供一種基于概率統(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法，所述風(fēng)電功率預(yù)測(cè)方法包括：

步驟一，獲取預(yù)設(shè)的時(shí)間范圍內(nèi)的風(fēng)電場(chǎng)數(shù)據(jù)，對(duì)所述風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行預(yù)處理；其中，所述風(fēng)電場(chǎng)數(shù)據(jù)包括風(fēng)電場(chǎng)實(shí)發(fā)風(fēng)速、實(shí)發(fā)功率和多氣象源NWP風(fēng)速數(shù)據(jù)；

步驟二，采集風(fēng)電場(chǎng)歷史數(shù)據(jù)，統(tǒng)計(jì)全年風(fēng)速分布，并根據(jù)風(fēng)速統(tǒng)計(jì)規(guī)律修正所述多氣象源NWP風(fēng)速數(shù)據(jù)，得到修正后的風(fēng)速數(shù)據(jù)；

步驟三，利用PSO算法在對(duì)粒子的迭代中，通過跟蹤極值來更新數(shù)據(jù)，找到種群的最優(yōu)解；利用PSO算法計(jì)算多個(gè)修正后的NWP風(fēng)速融合系數(shù)，以進(jìn)行融合并得到較優(yōu)的融合后風(fēng)速數(shù)據(jù)，并采用所述融合后風(fēng)速數(shù)據(jù)作為預(yù)測(cè)模型的輸入；

步驟四，建立風(fēng)速與功率的回歸模型。

優(yōu)選的，所述步驟一中所述對(duì)所述風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行預(yù)處理，具體為：

對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理；所述對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理具體為判斷所述風(fēng)電場(chǎng)數(shù)據(jù)中所述實(shí)發(fā)風(fēng)速是否存在連續(xù)多個(gè)為零的點(diǎn)和為負(fù)數(shù)的點(diǎn)；若存在，則將其中連續(xù)多個(gè)為零的點(diǎn)和為負(fù)數(shù)的點(diǎn)進(jìn)行刪除，并且刪除相同時(shí)間點(diǎn)對(duì)應(yīng)的實(shí)發(fā)功率和多氣象源NWP風(fēng)速。

優(yōu)選的，在所述對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理之后，所述步驟一還包括：

對(duì)預(yù)處理后的所述風(fēng)電場(chǎng)數(shù)據(jù)按時(shí)間順序排列。

優(yōu)選的，所述步驟二中統(tǒng)計(jì)全年風(fēng)速分布，并根據(jù)風(fēng)速統(tǒng)計(jì)規(guī)律修正所述多氣象源NWP風(fēng)速數(shù)據(jù)，得到修正后的風(fēng)速數(shù)據(jù)，具體為:

統(tǒng)計(jì)全年多個(gè)氣象源風(fēng)速數(shù)據(jù)；V₁、V₂、…V_n表示不同的氣象源風(fēng)速，n表示有n個(gè)氣象源，V_i為第i個(gè)氣象源的風(fēng)速，其中，1≤i≤n；V_ture為實(shí)發(fā)風(fēng)速；

分別統(tǒng)計(jì)V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)對(duì)應(yīng)實(shí)發(fā)風(fēng)速的分布情況。

優(yōu)選的，所述分別統(tǒng)計(jì)V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)對(duì)應(yīng)實(shí)發(fā)風(fēng)速的分布情況，具體為：

分別將V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)的實(shí)發(fā)風(fēng)速以1m/s為分辨率劃分為k個(gè)區(qū)間，設(shè)每個(gè)區(qū)間的頻數(shù)為f_j(j＝1,2,…,k)，最大頻數(shù)對(duì)應(yīng)區(qū)間的風(fēng)速為修正后的風(fēng)速數(shù)據(jù)V_i'。

優(yōu)選的，所述步驟三中所述利用PSO算法計(jì)算多個(gè)修正后的NWP風(fēng)速融合系數(shù)，以進(jìn)行融合并得到較優(yōu)的融合后風(fēng)速數(shù)據(jù)，具體步驟包括：

(1)設(shè)參數(shù)α＝[α₁,α₂,…,α_n]為對(duì)應(yīng)氣象源風(fēng)速融合系數(shù)向量，設(shè)定參數(shù)范圍，其中，n表示有n個(gè)氣象源；

(2)根據(jù)PSO算法計(jì)算風(fēng)速融合系數(shù)向量α，設(shè)定適應(yīng)度函數(shù)：

V_diff＝|αV'^Τ-V_ture|＝|α₁V₁'+α₂V₂'…+α_nV_n'-V_ture|

式中，V_diff表示偏差，V_ture表示實(shí)發(fā)風(fēng)速，V_i'為修正后的風(fēng)速數(shù)據(jù)。

(3)PSO算法通過計(jì)算得到最小V_diff，此時(shí)對(duì)應(yīng)的修正后氣象源風(fēng)速融合系數(shù)α為風(fēng)速融合系數(shù)，融合后風(fēng)速數(shù)據(jù)為V_fusion：

V_fusion＝α₁V₁'+α₂V₂'…+α_nV_n'。

優(yōu)選的，所述步驟四中所述建立風(fēng)速與功率的回歸模型，具體為：

采用最小二乘算法通過所述功率最小化誤差的平方和來獲取風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)之間的最佳函數(shù)匹配，建立風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型。

優(yōu)選的，所述建立風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型時(shí)，

利用實(shí)發(fā)風(fēng)速和實(shí)發(fā)功率之間的關(guān)系，對(duì)實(shí)發(fā)風(fēng)速和實(shí)發(fā)功率使用最小二乘法擬合建模，得到一元多次方程各階次的系數(shù)。

優(yōu)選的，采用所述回歸模型預(yù)測(cè)風(fēng)速場(chǎng)數(shù)據(jù)時(shí)，

將融合后風(fēng)速數(shù)據(jù)作為預(yù)測(cè)輸入，代入所述風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型中計(jì)算得到預(yù)測(cè)功率。

本申請(qǐng)有益效果如下：

(1)本發(fā)明利用概率統(tǒng)計(jì)的方法對(duì)每個(gè)氣象源中的幅值誤差進(jìn)行修正，得到與實(shí)測(cè)風(fēng)速分布范圍相同的修正后預(yù)測(cè)風(fēng)速，解決了多個(gè)氣象源NWP風(fēng)速與實(shí)發(fā)風(fēng)速分布范圍不一致的問題。

(2)本發(fā)明采用PSO算法融合多個(gè)氣象源的NWP風(fēng)速，充分利用每個(gè)氣象源NWP風(fēng)速不同的特征，分析發(fā)現(xiàn)某些氣象源風(fēng)速的互補(bǔ)特性，對(duì)這類的風(fēng)速進(jìn)行融合，在一定水平上消除NWP風(fēng)速誤差，提高風(fēng)功率預(yù)測(cè)精度，解決了單個(gè)NWP風(fēng)速誤差較大的問題。

(3)本發(fā)明利用最小二乘算法進(jìn)行建模預(yù)測(cè)，最小二乘法是以功率殘差平方和最小確定曲線的位置。最小二乘法使用以及計(jì)算方便，能夠準(zhǔn)確的反應(yīng)風(fēng)速-功率之間的關(guān)系，預(yù)測(cè)精度高。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例。

圖1為本申請(qǐng)較佳實(shí)施方式基于概率統(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法的流程圖；

圖2為本申請(qǐng)一實(shí)施例中三個(gè)氣象源NWP風(fēng)速與實(shí)測(cè)風(fēng)速對(duì)比圖；

圖3為本申請(qǐng)一實(shí)施例中實(shí)發(fā)風(fēng)速-功率圖；

圖4為圖2中氣象源A的NWP風(fēng)速-功率圖；

圖5為圖2中氣象源B的NWP風(fēng)速-功率圖；

圖6為圖2中氣象源C的NWP風(fēng)速-功率圖；

圖7為圖5中氣象源B的氣象源風(fēng)速、融合風(fēng)速數(shù)據(jù)4-5m/s區(qū)間內(nèi)實(shí)測(cè)風(fēng)速的分布。

具體實(shí)施方式

為了更好的理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實(shí)施方式對(duì)上述技術(shù)方案進(jìn)行詳細(xì)的說明。

本申請(qǐng)?zhí)峁┑幕诟怕式y(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法，所述風(fēng)電功率預(yù)測(cè)方法利用概率統(tǒng)計(jì)的方法對(duì)每個(gè)氣象源中的幅值誤差進(jìn)行修正，得到與實(shí)測(cè)風(fēng)速分布范圍相同的修正后預(yù)測(cè)風(fēng)速，解決了多個(gè)氣象源NWP風(fēng)速與實(shí)發(fā)風(fēng)速分布范圍不一致的問題；采用PSO算法融合多個(gè)氣象源的NWP風(fēng)速，充分利用每個(gè)氣象源NWP風(fēng)速不同的特征，分析發(fā)現(xiàn)某些氣象源風(fēng)速的互補(bǔ)特性，對(duì)這類的風(fēng)速進(jìn)行融合，在一定水平上消除NWP風(fēng)速誤差，提高風(fēng)功率預(yù)測(cè)精度，解決了單個(gè)NWP風(fēng)速誤差較大的問題。

本申請(qǐng)?zhí)峁┑幕诟怕式y(tǒng)計(jì)和粒子群優(yōu)化的多氣象源風(fēng)速融合的風(fēng)電功率預(yù)測(cè)方法，請(qǐng)參閱圖1，所述風(fēng)電功率預(yù)測(cè)方法包括：

步驟一S100，獲取預(yù)設(shè)的時(shí)間范圍內(nèi)的風(fēng)電場(chǎng)數(shù)據(jù)，對(duì)所述風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行預(yù)處理；其中，所述風(fēng)電場(chǎng)數(shù)據(jù)包括風(fēng)電場(chǎng)實(shí)發(fā)風(fēng)速、實(shí)發(fā)功率和多氣象源NWP風(fēng)速數(shù)據(jù)；

所述步驟一中所述對(duì)所述風(fēng)電場(chǎng)數(shù)據(jù)進(jìn)行預(yù)處理，具體為：

對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理；所述對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理具體為判斷所述風(fēng)電場(chǎng)數(shù)據(jù)中所述實(shí)發(fā)風(fēng)速是否存在連續(xù)多個(gè)為零的點(diǎn)和為負(fù)數(shù)的點(diǎn)；若存在，則將其中連續(xù)多個(gè)為零的點(diǎn)和為負(fù)數(shù)的點(diǎn)進(jìn)行刪除，并且刪除相同時(shí)間點(diǎn)對(duì)應(yīng)的實(shí)發(fā)功率和多氣象源NWP風(fēng)速。

在所述對(duì)不合格的數(shù)據(jù)進(jìn)行預(yù)處理之后，所述步驟一還包括：

對(duì)預(yù)處理后的所述風(fēng)電場(chǎng)數(shù)據(jù)按時(shí)間順序排列。

步驟二S200，采集風(fēng)電場(chǎng)歷史數(shù)據(jù)，統(tǒng)計(jì)全年風(fēng)速分布，并根據(jù)風(fēng)速統(tǒng)計(jì)規(guī)律修正所述多氣象源NWP風(fēng)速數(shù)據(jù)，得到修正后的風(fēng)速數(shù)據(jù)；

所述步驟二中統(tǒng)計(jì)全年風(fēng)速分布，并根據(jù)風(fēng)速統(tǒng)計(jì)規(guī)律修正所述多氣象源NWP風(fēng)速數(shù)據(jù)，得到修正后的風(fēng)速數(shù)據(jù)，具體為:

統(tǒng)計(jì)全年多個(gè)氣象源風(fēng)速數(shù)據(jù)；V₁、V₂、…V_n表示不同的氣象源風(fēng)速，n表示有n個(gè)氣象源，V_i為第i個(gè)氣象源的風(fēng)速，其中，1≤i≤n；V_ture為實(shí)發(fā)風(fēng)速；

分別統(tǒng)計(jì)V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)對(duì)應(yīng)實(shí)發(fā)風(fēng)速的分布情況。

所述分別統(tǒng)計(jì)V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)對(duì)應(yīng)實(shí)發(fā)風(fēng)速的分布情況，具體為：

分別將V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)的實(shí)發(fā)風(fēng)速以1m/s為分辨率劃分為k個(gè)區(qū)間，設(shè)每個(gè)區(qū)間的頻數(shù)為f_j(j＝1,2,…,k)，最大頻數(shù)對(duì)應(yīng)區(qū)間的風(fēng)速為修正后的風(fēng)速數(shù)據(jù)V_i'。

其中，所述分別統(tǒng)計(jì)V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)對(duì)應(yīng)實(shí)發(fā)風(fēng)速的分布情況，具體為：

分別將V₁、V₂、…V_n對(duì)應(yīng)的氣象源風(fēng)速每1m/s區(qū)間內(nèi)的實(shí)發(fā)風(fēng)速以1m/s為分辨率劃分為k個(gè)區(qū)間，設(shè)每個(gè)區(qū)間的頻數(shù)為f_j(j＝1,2,…,k)，最大頻數(shù)對(duì)應(yīng)區(qū)間的風(fēng)速為修正后的風(fēng)速數(shù)據(jù)V_i'。

例一

請(qǐng)參閱圖2，以2015年某電場(chǎng)三個(gè)氣象源的NWP風(fēng)速進(jìn)行分析。請(qǐng)參閱圖3，比較實(shí)發(fā)風(fēng)速與實(shí)發(fā)功率的關(guān)系。圖4至圖6為所述三個(gè)氣象源氣象源A、氣象源B、氣象源C的NWP風(fēng)速-功率圖；以其中氣象源B中的NWP風(fēng)4-5m/s內(nèi)風(fēng)速為例，如圖7所示，在該區(qū)間內(nèi)，實(shí)測(cè)風(fēng)速7-8m/s區(qū)間內(nèi)的頻數(shù)最高，那么該預(yù)測(cè)風(fēng)4-5m/s內(nèi)風(fēng)速的修正值為7m/s。

步驟三S300，利用PSO算法在對(duì)粒子的迭代中，通過跟蹤極值來更新數(shù)據(jù)，找到種群的最優(yōu)解；利用PSO算法計(jì)算多個(gè)修正后的NWP風(fēng)速融合系數(shù)，以進(jìn)行融合并得到較優(yōu)的融合后風(fēng)速數(shù)據(jù)，并采用所述融合后風(fēng)速數(shù)據(jù)作為預(yù)測(cè)模型的輸入；

所述步驟三中所述利用PSO算法計(jì)算多個(gè)修正后的NWP風(fēng)速融合系數(shù)，以進(jìn)行融合并得到較優(yōu)的融合后風(fēng)速數(shù)據(jù)，具體步驟包括：

(1)設(shè)參數(shù)α＝[α₁,α₂,…,α_n]為對(duì)應(yīng)氣象源風(fēng)速融合系數(shù)向量，設(shè)定參數(shù)范圍，其中，n表示有n個(gè)氣象源；

(2)根據(jù)PSO算法計(jì)算風(fēng)速融合系數(shù)向量α，設(shè)定適應(yīng)度函數(shù)：

V_diff＝|αV'^Τ-V_ture|＝|α₁V₁'+α₂V₂'…+α_nV_n'-V_ture|

Vdiff＝|αV′T-Vture|＝|α1V′1+α2V′2…+αnV′n-Vture|

式中，V_diff表示偏差，V_ture表示實(shí)發(fā)風(fēng)速，V_i'為修正后的風(fēng)速數(shù)據(jù)。

(3)PSO算法通過計(jì)算得到最小V_diff，此時(shí)對(duì)應(yīng)的修正后氣象源風(fēng)速融合系數(shù)α為風(fēng)速融合系數(shù)，融合后風(fēng)速數(shù)據(jù)為V_fusion：

V_fusion＝α₁V₁'+α₂V₂'…+α_nV_n'。

步驟四S400，建立風(fēng)速與功率的回歸模型。

所述步驟四中所述建立風(fēng)速與功率的回歸模型，具體為：

采用最小二乘算法通過所述功率最小化誤差的平方和來獲取風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)之間的最佳函數(shù)匹配，建立風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型。

所述建立風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型時(shí)，利用實(shí)發(fā)風(fēng)速和實(shí)發(fā)功率之間的關(guān)系，對(duì)實(shí)發(fā)風(fēng)速和實(shí)發(fā)功率使用最小二乘法擬合建模，得到一元多次方程各階次的系數(shù)。

采用所述回歸模型預(yù)測(cè)風(fēng)速場(chǎng)數(shù)據(jù)時(shí)，將融合后風(fēng)速數(shù)據(jù)作為預(yù)測(cè)輸入，代入所述風(fēng)速數(shù)據(jù)與功率數(shù)據(jù)的一元線性回歸模型中計(jì)算得到預(yù)測(cè)功率。

本申請(qǐng)有益效果如下：

(1)本發(fā)明利用概率統(tǒng)計(jì)的方法對(duì)每個(gè)氣象源中的幅值誤差進(jìn)行修正，得到與實(shí)測(cè)風(fēng)速分布范圍相同的修正后預(yù)測(cè)風(fēng)速，解決了多個(gè)氣象源NWP風(fēng)速與實(shí)發(fā)風(fēng)速分布范圍不一致的問題。

(2)本發(fā)明采用PSO算法融合多個(gè)氣象源的NWP風(fēng)速，充分利用每個(gè)氣象源NWP風(fēng)速不同的特征，分析發(fā)現(xiàn)某些氣象源風(fēng)速的互補(bǔ)特性，對(duì)這類的風(fēng)速進(jìn)行融合，在一定水平上消除NWP風(fēng)速誤差，提高風(fēng)功率預(yù)測(cè)精度，解決了單個(gè)NWP風(fēng)速誤差較大的問題。

(3)本發(fā)明利用最小二乘算法進(jìn)行建模預(yù)測(cè)，最小二乘法是以功率殘差平方和最小確定曲線的位置。最小二乘法使用以及計(jì)算方便，能夠準(zhǔn)確的反應(yīng)風(fēng)速-功率之間的關(guān)系，預(yù)測(cè)精度高。

最后所應(yīng)說明的是，以上具體實(shí)施方式僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照實(shí)例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。