本發(fā)明屬于風(fēng)電場技術(shù)領(lǐng)域，尤其涉及一種基于二十四節(jié)氣的風(fēng)電功率預(yù)測方法。

背景技術(shù)：

風(fēng)能的隨機波動性對電網(wǎng)產(chǎn)生的較大沖擊給風(fēng)電產(chǎn)業(yè)的發(fā)展帶來了巨大挑戰(zhàn)。目前風(fēng)電功率預(yù)測誤差較大，數(shù)值天氣預(yù)報精度、訓(xùn)練樣本的代表性與數(shù)量、預(yù)測算法與參數(shù)設(shè)置是風(fēng)電功率預(yù)測誤差的主要來源。其中，數(shù)值天氣預(yù)報與訓(xùn)練樣本的影響最為顯著。在氣候變化或季節(jié)更替時，由于風(fēng)速、風(fēng)向、溫度、濕度的變化，自然風(fēng)波動的隨機性、多樣性增加了數(shù)值天氣預(yù)報與訓(xùn)練樣本構(gòu)建的難度，然而自然風(fēng)的波動特征具有一定的季節(jié)性、氣候性規(guī)律。準(zhǔn)確劃分季節(jié)、預(yù)判氣候轉(zhuǎn)換、掌握天氣參數(shù)的變化規(guī)律是提高數(shù)值天氣預(yù)報精度、選擇能夠代表當(dāng)前預(yù)測時刻氣候狀態(tài)的樣本集，從而提升風(fēng)電功率預(yù)測技術(shù)水平的重要前提。傳統(tǒng)的風(fēng)電功率預(yù)測建模方法大多以年或陽歷月份為周期劃分樣本數(shù)據(jù)，然而這種紀(jì)歷方法在季節(jié)表現(xiàn)上會出現(xiàn)日期誤差，我國獨創(chuàng)的二十四節(jié)氣以“運行角度”來表述地球與太陽相對位置進而反映季節(jié)變化，在歷法上可以精確到秒，因此二十四節(jié)氣相對陽歷更能準(zhǔn)確表述季節(jié)、氣候及物候變化情況，因而一定程度上，同一節(jié)氣內(nèi)的氣象數(shù)據(jù)相對陽歷更具有相似性，以同一節(jié)氣內(nèi)的數(shù)據(jù)來訓(xùn)練預(yù)測模型，會在一定程度上提高預(yù)測精度。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明提出一種基于二十四節(jié)氣的風(fēng)電功率預(yù)測方法，包括以下步驟：

步驟1：采集風(fēng)電場功率預(yù)測所需的指定風(fēng)電場數(shù)值天氣預(yù)報數(shù)據(jù)、選定年份的二十四節(jié)氣信息以及風(fēng)電場運行數(shù)據(jù)，并對上述數(shù)據(jù)進行清洗與預(yù)處理，提取指定年份節(jié)氣的節(jié)點日期；

步驟2：根據(jù)二十四節(jié)氣的時間節(jié)點，將經(jīng)過預(yù)處理的風(fēng)電場數(shù)值天氣預(yù)報數(shù)據(jù)、風(fēng)電場實測輸出功率數(shù)據(jù)進行劃分，建立與節(jié)氣對應(yīng)的24組數(shù)據(jù)樣本集；

步驟3：以對應(yīng)二十四節(jié)氣的24組訓(xùn)練樣本集為基礎(chǔ)，建立24個對應(yīng)節(jié)氣的風(fēng)電功率預(yù)測模型；

步驟4：依據(jù)所需預(yù)測時間點所在的節(jié)氣或依據(jù)輸入數(shù)值天氣預(yù)報數(shù)據(jù)所對應(yīng)的節(jié)氣，確定預(yù)測模型及參數(shù)，在模型輸入?yún)⒘窟M行數(shù)據(jù)預(yù)處理后，將數(shù)值天氣預(yù)報數(shù)據(jù)輸入對應(yīng)節(jié)氣的風(fēng)電功率預(yù)測模型，得到風(fēng)電功率預(yù)測結(jié)果。

所述步驟2：建立與節(jié)氣對應(yīng)的24組訓(xùn)練數(shù)據(jù)樣本集，同一組訓(xùn)練樣本來源于同一節(jié)氣的數(shù)據(jù)，所選數(shù)據(jù)僅與節(jié)氣有關(guān)、與年份無關(guān)，既可來源于同一年相同節(jié)氣也可以是不同年份相同節(jié)氣。

所述步驟3：建立24個對應(yīng)節(jié)氣的風(fēng)電功率預(yù)測模型；在建立24組預(yù)測模型時，不限定預(yù)測算法，可根據(jù)每個節(jié)氣的數(shù)據(jù)特點和最終預(yù)測精度選定預(yù)測算法。

所述步驟1：采集風(fēng)電場功率預(yù)測所需運行數(shù)據(jù)及天氣數(shù)據(jù)，并對數(shù)據(jù)進行清洗與預(yù)處理，提取指定年份的節(jié)氣的節(jié)點日期；其中對數(shù)據(jù)進行清洗與預(yù)處理包括合理的檢驗篩選、剔除錯誤數(shù)據(jù)以及插補和修正。

本發(fā)明的有益效果在于：

考慮到季節(jié)氣候因素對風(fēng)速、風(fēng)向的影響，二十四節(jié)氣能夠科學(xué)準(zhǔn)確地反映了一年中的自然力特征，相對陽歷更能準(zhǔn)確表述季節(jié)、氣候及物候變化情況。本發(fā)明從建立預(yù)測模型和樣本劃分角度出發(fā)，考慮到同一節(jié)氣內(nèi)的氣象數(shù)據(jù)樣本集更能代表當(dāng)前預(yù)測時刻氣候狀態(tài)，根據(jù)二十四節(jié)氣的時間節(jié)點，將樣本數(shù)據(jù)進行劃分，以同一節(jié)氣內(nèi)的數(shù)據(jù)建立預(yù)測模型，從而在一定程度上減小了由于季節(jié)和氣候變化對于預(yù)測精度的影響，提高了預(yù)測精度。

附圖說明

附圖1為基于二十四節(jié)氣的風(fēng)電功率預(yù)測方法流程圖。

具體實施方式

下面結(jié)合附圖和具體實施方式對本發(fā)明進行詳細說明。附圖1為基于二十四節(jié)氣的風(fēng)電功率預(yù)測方法流程圖，如圖1所示，該方法采集風(fēng)電場功率預(yù)測所需的指定風(fēng)電場數(shù)值天氣預(yù)報數(shù)據(jù)、選定年份的二十四節(jié)氣信息以及風(fēng)電場運行數(shù)據(jù)，并對數(shù)據(jù)進行清洗與預(yù)處理，提取指定年份的節(jié)氣的節(jié)點日期，對數(shù)據(jù)進行清洗和預(yù)處理包括合理性檢驗和篩選、錯誤數(shù)據(jù)的剔除及插補和修正。根據(jù)二十四節(jié)氣的時間節(jié)點，將經(jīng)過預(yù)處理的風(fēng)電場數(shù)值天氣預(yù)報數(shù)據(jù)、風(fēng)電場實測輸出功率數(shù)據(jù)進行劃分，建立與節(jié)氣對應(yīng)的24組數(shù)據(jù)訓(xùn)練樣本集；以對應(yīng)二十四節(jié)氣的24組訓(xùn)練樣本集為基礎(chǔ)，根據(jù)算法特點和測試精度確定每組樣本的預(yù)測算法，經(jīng)訓(xùn)練后確定模型參數(shù)，建立24個對應(yīng)節(jié)氣的風(fēng)電功率預(yù)測模型；依據(jù)預(yù)測時間點所在的節(jié)氣或依據(jù)輸入數(shù)值天氣預(yù)報數(shù)據(jù)所對應(yīng)的節(jié)氣，將數(shù)值天氣預(yù)報數(shù)據(jù)輸入對應(yīng)節(jié)氣的風(fēng)電功率預(yù)測模型，得到風(fēng)電功率預(yù)測結(jié)果。下面以某風(fēng)電場的數(shù)據(jù)為例進行分析說明。表1是2011年5月1日至2012年4月30日每5分鐘的數(shù)據(jù)，包括數(shù)值天氣預(yù)報的風(fēng)速、風(fēng)向的正弦余弦值以及對應(yīng)點的實測功率。

表1某風(fēng)電場數(shù)據(jù)示例

按照二十四節(jié)氣的時間點來劃分數(shù)據(jù)樣本，即劃分為24組，表2為基于節(jié)氣的數(shù)據(jù)訓(xùn)練樣本示例，表3為基于節(jié)氣的數(shù)據(jù)測試樣本示例，如表2和表3所示，為比較基于二十四節(jié)氣的風(fēng)電功率預(yù)測與傳統(tǒng)預(yù)測方法的誤差，把以上24組數(shù)據(jù)，每組劃分為訓(xùn)練樣本和測試樣本。本實施例的數(shù)據(jù)樣本為一年內(nèi)的數(shù)據(jù)資料，測試數(shù)據(jù)從每組內(nèi)選取。在對每組數(shù)據(jù)樣本進行測試數(shù)據(jù)選取時，在此實施例中，測試樣本取自交叉部分，即按照節(jié)氣劃分的數(shù)據(jù)樣本與其對應(yīng)的按照陽歷劃分的數(shù)據(jù)樣本的重疊部分，如表3、表4所示。

表2基于節(jié)氣的數(shù)據(jù)訓(xùn)練樣本示例

表3基于節(jié)氣的數(shù)據(jù)測試樣本示例

表4按照陽歷劃分數(shù)據(jù)樣本示例

針對二十四組數(shù)據(jù)樣本選擇預(yù)測算法，建立預(yù)測模型。預(yù)測模型以數(shù)值天氣預(yù)報數(shù)據(jù)作為模型輸入，同一時刻的風(fēng)電場輸出功率為訓(xùn)練目標(biāo)；在測試階段，根據(jù)預(yù)測均方根誤差確定每組數(shù)據(jù)最合適的預(yù)測模型，分別建立預(yù)測模型。

經(jīng)過計算到24組預(yù)測結(jié)果，其中夏至數(shù)據(jù)和谷雨數(shù)據(jù)為問題數(shù)據(jù)，被剔除。在本實施例中，選取均方根誤差(rmse)以及預(yù)測值與真實值的對比圖作為評價預(yù)測精度的兩個因素，通過matlab輸出均方根誤差(rmse)的結(jié)果，如表5、表6所示。

表5rmse輸出結(jié)果

表6rmse輸出結(jié)果

從平均誤差來看：在基于二十四節(jié)氣的風(fēng)功率預(yù)測實驗中，22組計算結(jié)果的平均誤差為0.11888，而對比試驗中，22組計算結(jié)果的平均誤差為0.12069。相比之下，基于節(jié)氣的風(fēng)功率預(yù)測平均誤差減小0.181％。通過以上對實驗結(jié)果的分析，可以得到以下結(jié)論：基于二十四節(jié)氣的風(fēng)電功率預(yù)測方法，相比傳統(tǒng)方法會在一定程度上提高預(yù)測精度。

此實施例僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)該以權(quán)利要求的保護范圍為準(zhǔn)。