技術(shù)特征：

1.一種風電場功率預測綜合評價方法，其特征在于：包括以下步驟：

1)確定風電場功率預測評價指標和各指標的評定等級，構(gòu)建多級評價指標框架；

2)利用云模型確定各級指標的權(quán)重；

3)構(gòu)建多級指標隸屬于各評定等級的綜合云模型；

4)根據(jù)實際風電場各指標數(shù)據(jù)，采用綜合云模型計算各多級指標隸屬于各評定等級的隸屬度，通過該隸屬度與各級指標的權(quán)重相乘，得到一級指標的隸屬度評價值矩陣；

5)選取一級指標的隸屬度評價值矩陣數(shù)值最高的一列，該列所代表的評定等級即為風電場功率預測綜合評價的最終等級。

2.根據(jù)權(quán)利要求1所述的風電場功率預測綜合評價方法，其特征在于：所述步驟1)中選取風電場功率預測評價值作為一級指標；短期功率預測評價值、超短期功率預測評價值作為二級指標；最大誤差E_max、準確率CAR、合格率QR、超短期合格率SQR和上報率LR作為三級指標，構(gòu)成三級指標評價體系；

二級指標中短期功率預測評價值下屬的三級指標集記為超短期功率預測評價值下屬的三級指標集記為

所述評定等級包括優(yōu)秀、良好、合格以及不合格。

3.根據(jù)權(quán)利要求2所述的風電場功率預測綜合評價方法，其特征在于：各三級指標計算方法如下：

(1)最大誤差

E_max＝max(|P_P-P_M|)，式中，P_M為實際輸出功率序列；P_P為對應(yīng)時段的預測功率序列；max(|P_P-P_M|)表示求取實際功率與預測功率差值絕對量的最大值；

(2)準確率

式中，n為功率采樣點的個數(shù)；p_Mi為第i個采樣點的實際功率值；p_Pi為第i個采樣點的預測功率值；C_i為第i個采樣點的開機容量；

(3)合格率

$QR=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{B}_i\×100\%$

$B_i=\left\{\begin{array}{cc}1& (1-\frac{|p_{Mi}-p_{Pi}|}{C_i})\≥0.75\\ 0& (1-\frac{|p_{Mi}-p_{Pi}|}{C_i})\<0.75\end{array}\right.$

式中，B_i為第i個采樣點是否合格的判據(jù)，1表示合格，0表示不合格；

(4)上報率

式中，E表示評價周期內(nèi)預測數(shù)據(jù)成功上傳的天數(shù)或采樣點個數(shù)，F(xiàn)表示評價周期內(nèi)的總天數(shù)或總的采樣點個數(shù)；

(5)超短期合格率

式中，N為合格預測次數(shù)；M為預測總次數(shù)；

其中，超短期合格率中合格預測的判定標準為：超短期單次預測功率中第1點預測結(jié)果的絕對誤差小于持續(xù)法預測的第1點預測結(jié)果的絕對誤差，且單次16點預測序列的均方根誤差小于對應(yīng)時段短期預測序列的均方根誤差的預測稱為合格預測，若不滿足所述兩個條件其中任意一個條件即稱為不合格預測；其中，持續(xù)法是指以上一時刻實際功率作為下一時刻預測功率的方法。

4.根據(jù)權(quán)利要求1所述的風電場功率預測綜合評價方法，其特征在于：所述步驟2)中通過云模型確定各指標權(quán)重，并根據(jù)云圖云滴的凝聚程度來修正權(quán)重，以修正后的云模型數(shù)字特征(E_x,E_n,H_e)作為各級指標的權(quán)重，其中，Ex為期望、En為熵、He為超熵。

5.根據(jù)權(quán)利要求4所述的風電場功率預測綜合評價方法，其特征在于：當超熵H_e≤設(shè)定闕值時，將云模型數(shù)字特征(E_x,E_n,H_e)作為層級指標間的權(quán)重。

6.根據(jù)權(quán)利要求5所述的風電場功率預測綜合評價方法，其特征在于：所述設(shè)定闕值為0.0015。

7.根據(jù)權(quán)利要求2所述的風電場功率預測綜合評價方法，其特征在于：所述步驟3)中采用正向云發(fā)生器形成各三級指標相對于各評定等級的綜合云模型，所述綜合云模型的三個數(shù)字特征由下述公式確定：

$\left\{\begin{array}{c}{E}_x=(B_{min}+B_{max})/2\\ E_n=(B_{max}-B_{min})/6\\ H_e=k\end{array}\right.$

式中，Ex為期望、En為熵、He為超熵；B_min為所求評定等級區(qū)間的最小值，B_max為所求評定等級區(qū)間的最大值，所述評定等級包括優(yōu)秀、良好、合格和不合格；k值為控制云模型模糊度的常數(shù)。

8.根據(jù)權(quán)利要求7所述的風電場功率預測綜合評價方法，其特征在于：所述步驟4)輸入風電場實際月平均指標數(shù)據(jù)，通過綜合云模型運用正向云發(fā)生器計算三級指標隸屬于各評定等級的隸屬度；通過云運算法則計算出二級指標的隸屬度評價值矩陣以及一級指標的隸屬度評價值矩陣。

9.根據(jù)權(quán)利要求8所述的風電場功率預測綜合評價方法，其特征在于：在通過綜合云模型運用正向云發(fā)生器計算三級指標隸屬于各評定等級的隸屬度時，首先以三級指標相對于各評定等級的綜合云模型的三個數(shù)字特征(Ex,En,He)生成以En為期望，He為標準差的正態(tài)隨機數(shù)En'；然后由指標數(shù)據(jù)x和隸屬度公式求得所述三級指標隸屬于各評定等級的隸屬度μ，其中，指標數(shù)據(jù)x為各三級評價指標月平均值。