基于相似度理論的風(fēng)力發(fā)電輸出功率預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及風(fēng)力發(fā)電技術(shù)領(lǐng)域，具體涉及一種基于相似度理論的風(fēng)力發(fā)電輸出功 率預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 隨著全球工業(yè)化的快速發(fā)展和世界人口的持續(xù)增長(zhǎng)，以石油、天然氣和煤炭為主 的常規(guī)能源日漸枯竭，開發(fā)利用清潔、安全、環(huán)保的可再生能源成為人類社會(huì)緩解日益加劇 的能源短缺的共同選擇和治理嚴(yán)峻環(huán)境污染的有生力量。風(fēng)能作為一種可再生能源近年來 得到廣泛關(guān)注，其發(fā)展速度最快，技術(shù)較成熟，是最具有大規(guī)模發(fā)展和商業(yè)化潛能的產(chǎn)業(yè)。
[0003] 對(duì)于電網(wǎng)而言，風(fēng)力發(fā)電機(jī)組的輸出功率可以視為負(fù)的負(fù)荷，由于風(fēng)力發(fā)電機(jī)組 受天氣的影響較大，所以風(fēng)力發(fā)電輸出功率具有隨機(jī)波動(dòng)以及間歇性等特點(diǎn)，風(fēng)力發(fā)電機(jī) 組并網(wǎng)將對(duì)電網(wǎng)的功率平衡產(chǎn)生很大的影響。為了保證電力系統(tǒng)的安全穩(wěn)定的運(yùn)行，使電 力調(diào)度部門能夠根據(jù)風(fēng)力發(fā)電發(fā)電量變化及時(shí)調(diào)整調(diào)度計(jì)劃，合理配置電網(wǎng)中的風(fēng)力發(fā)電 發(fā)電量，降低備用容量和運(yùn)行成本，提高風(fēng)力發(fā)電穿透功率極限，便于安排機(jī)組維護(hù)和檢 修，提高風(fēng)力發(fā)電系統(tǒng)容量系數(shù)，增強(qiáng)風(fēng)力發(fā)電系統(tǒng)參與發(fā)電競(jìng)價(jià)能力，需要對(duì)風(fēng)力發(fā)電輸 出功率進(jìn)行預(yù)測(cè)。
[0004] 目前風(fēng)力發(fā)電輸出功率預(yù)測(cè)的研究越來越多，主要分為間接預(yù)測(cè)與直接預(yù)測(cè)。間 接預(yù)測(cè)方法先對(duì)風(fēng)速進(jìn)行預(yù)測(cè)，然后根據(jù)風(fēng)力發(fā)電機(jī)組或風(fēng)力發(fā)電系統(tǒng)的功率曲線得到風(fēng) 力發(fā)電系統(tǒng)功率輸出；直接預(yù)測(cè)方法直接預(yù)測(cè)風(fēng)力發(fā)電系統(tǒng)的輸出功率。間接預(yù)測(cè)方法沒 有真正實(shí)現(xiàn)風(fēng)力發(fā)電系統(tǒng)輸出功率預(yù)測(cè)，因?yàn)槌孙L(fēng)速外，風(fēng)向、氣溫、氣壓、濕度以及天氣 類型等都對(duì)風(fēng)力發(fā)電系統(tǒng)輸出功率有一定的影響。直接預(yù)方法又可以分為物理模型法和統(tǒng) 計(jì)方法。物理模型法需對(duì)風(fēng)力發(fā)電系統(tǒng)所在地進(jìn)行物理建模。該方法的輸入?yún)?shù)包括風(fēng)速、 風(fēng)向、氣溫、氣壓、濕度以及天氣類型等數(shù)字氣象預(yù)報(bào)數(shù)據(jù)。氣象預(yù)報(bào)每日更新頻率很低，因 此該方法更適合中期風(fēng)力發(fā)電系統(tǒng)發(fā)電量的預(yù)測(cè)。該方法需要豐富的氣象知識(shí)，需要了解 物理特性，如果模型比較粗糙，預(yù)測(cè)精度就較差。統(tǒng)計(jì)方法需對(duì)歷史數(shù)據(jù)進(jìn)行分析建模，有 持續(xù)預(yù)測(cè)法、空間相關(guān)法、空間平滑法、時(shí)間序列法、卡爾曼濾波法、灰色預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò) 法、小波分析法、支持向量機(jī)回歸法、模糊邏輯法等，預(yù)測(cè)精度的精度依賴掌握足夠的歷史 數(shù)據(jù)和所選擇的分析建模方法。
[0005] 此外，相似度理論已經(jīng)應(yīng)用于電力負(fù)荷預(yù)測(cè)中，并取得了不錯(cuò)的效果。此外，神經(jīng) 網(wǎng)絡(luò)法能夠以任意精度逼近任何非線性映射，因此適合描述具有復(fù)雜非線性特點(diǎn)的風(fēng)力發(fā) 電輸出功率預(yù)測(cè)模型，模糊邏輯法可以得到樣本分屬于各個(gè)類別的不確定性程度，更能客 觀反映現(xiàn)實(shí)世界。所以根據(jù)風(fēng)力發(fā)電的不同時(shí)間段的相似性和非線性變化規(guī)律，采用一種 基于模糊邏輯法選取相似時(shí)間段的神經(jīng)網(wǎng)絡(luò)風(fēng)力發(fā)電輸出功率預(yù)測(cè)方法，可有效提高風(fēng)力 發(fā)電輸出功率預(yù)測(cè)發(fā)電的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明要解決的技術(shù)問題：針對(duì)現(xiàn)有技術(shù)的上述問題，提供一種方法簡(jiǎn)單易行、預(yù) 測(cè)準(zhǔn)確度高的基于相似度理論的風(fēng)力發(fā)電輸出功率預(yù)測(cè)方法。
[0007] 為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：
[0008] -種基于相似度理論的風(fēng)力發(fā)電輸出功率預(yù)測(cè)方法，步驟包括：
[0009] 1)針對(duì)風(fēng)力發(fā)電系統(tǒng)的發(fā)電量歷史監(jiān)測(cè)數(shù)據(jù)的和氣象部門提供的歷史氣象數(shù)據(jù)， 選取指定的氣候類型和天氣類型作為相似時(shí)間段的特征向量，分別將所述氣候類型進(jìn)行歸 一化處理，同時(shí)將天氣類型特征向量映射為數(shù)值；
[0010] 2)將歸一化的氣候類型特征向量、映射為數(shù)值的天氣類型特征向量進(jìn)行模式辨識(shí) 分析；
[0011] 3)根據(jù)分類評(píng)價(jià)指標(biāo)函數(shù)分別求得所述氣候類型特征向量的所有數(shù)據(jù)分類的有 效度，然后將有效度最小的數(shù)據(jù)分類作為分類結(jié)果，形成相似時(shí)間段樣本集；
[0012] 4)由所述氣候類型特征向量的相似時(shí)間段有效度樣本集構(gòu)成影響風(fēng)風(fēng)力發(fā)電系 統(tǒng)輸出功率的因素向量樣本集，然后求得風(fēng)力發(fā)電系統(tǒng)在不同時(shí)間段的相似度；
[0013] 5)建立基于相似時(shí)間段的風(fēng)力發(fā)電輸出功率的機(jī)器學(xué)習(xí)模型，以每個(gè)相似時(shí)間段 風(fēng)力發(fā)電系統(tǒng)的輸出功率和該相似時(shí)間段的相似時(shí)間段樣本集訓(xùn)練所述機(jī)器學(xué)習(xí)模型；
[0014] 6)針對(duì)每一個(gè)預(yù)測(cè)時(shí)間段，將預(yù)測(cè)時(shí)間段的風(fēng)速、風(fēng)向、氣溫、氣壓、濕度及天氣類 型特征向量和相似度輸入機(jī)器學(xué)習(xí)模型，得到風(fēng)力發(fā)電系統(tǒng)在預(yù)測(cè)時(shí)間段的輸出功率。
[0015] 優(yōu)選地，所述步驟1)中選取指定的氣候類型和天氣類型作為相似時(shí)間段的特征 向量的詳細(xì)步驟包括：將歷史時(shí)間按待預(yù)測(cè)時(shí)間段的時(shí)間長(zhǎng)度劃分為若干時(shí)間區(qū)段，將各 時(shí)間區(qū)段作為類相似時(shí)間段，對(duì)歷史氣象數(shù)據(jù)按類相似時(shí)間段分組，選取相似時(shí)間段的氣 候類型和天氣類型作為相似時(shí)間段的特征向量；所述相似時(shí)間段與待預(yù)測(cè)時(shí)間段的時(shí)間長(zhǎng) 度相同。
[0016] 優(yōu)選地，所述氣候類型包括風(fēng)速、風(fēng)向、氣溫、氣壓、濕度。
[0017] 優(yōu)選地，所述步驟1)中將所述氣候類型進(jìn)行歸一化處理的函數(shù)表達(dá)式如式（1)所 示；
[0018] iz= i zt/iznax ⑴
[0019] 式（1)中，iz為氣候類型特征向量z的歸一化處理結(jié)果，i zt為待歸一化處理的氣 候類型特征向量z的值，i_x為氣候類型特征向量z的歸一化基準(zhǔn)值，歸一化基準(zhǔn)值i z_選 該氣候類型特征向量的歷史最大值，氣候類型特征向量Z為風(fēng)速、風(fēng)向、氣溫、氣壓、濕度五 種氣候類型特征向量中的一種。
[0020] 優(yōu)選地，所述步驟1)中將天氣類型特征向量映射為數(shù)值具體是指將天氣類型特 征向量的模糊描述按照預(yù)設(shè)的天氣類型模糊描述-數(shù)值映射表映射為天氣類型特征向量 對(duì)應(yīng)的數(shù)值，所述天氣類型模糊描述-數(shù)值映射表的每一條記錄包括天氣類型的模糊描述 以及該模糊描述對(duì)應(yīng)的數(shù)值。
[0021] 優(yōu)選地，所述步驟2)的詳細(xì)步驟包括：
[0022] 2. 1)以風(fēng)力發(fā)電系統(tǒng)的發(fā)電量歷史監(jiān)測(cè)數(shù)據(jù)為基準(zhǔn)，對(duì)氣象部門提供的歷史氣象 數(shù)據(jù)進(jìn)行整理、分析和篩選，剔除掉其與監(jiān)測(cè)數(shù)據(jù)不相符的數(shù)據(jù)；
[0023] 2. 2)將歸一化的天氣類型特征向量以及映射為數(shù)值的天氣類型特征向量進(jìn)行辨 識(shí)分析，利用模糊辨識(shí)分析法進(jìn)行辨識(shí)求得不同類型數(shù)目下數(shù)據(jù)分類結(jié)果，把具有相同天 氣特征的樣本列為一類，所述相同天氣特征是指具有相似天氣類型特征向量以及天氣類型 特征向量。
[0024] 優(yōu)選地，所述步驟3)中求得氣候類型特征向量的所有數(shù)據(jù)分類的有效度的函數(shù) 表達(dá)式如式（2)所示；
[0026] 式（2)中，Q1為第i個(gè)氣候類型特征向量所有數(shù)據(jù)分類的有效度，A為分類數(shù)目， N為第k個(gè)分類中的樣本個(gè)數(shù)，為用于表示樣本j對(duì)第k個(gè)分類的隸屬度的隸屬度矩陣， Uk為第k個(gè)分類樣本的中心，u ,為第j個(gè)分類樣本的中心，X k]為第k個(gè)分類樣本中樣本j 的數(shù)值，I Iuk-X1J I為第k個(gè)分類中樣本之間的緊湊度，I |uk-U]| I為第k個(gè)分類和第j個(gè)分 類的樣本之間的分離程度。
[0027] 優(yōu)選地，所述步驟4)中影響風(fēng)風(fēng)力發(fā)電系統(tǒng)輸出功率的因素向量樣本集的函數(shù) 表達(dá)式如式（3)所示；
[0028] Zn= [Qv, Qt, Q0, Qp, Qh] (3)
[0029] 式（3)中，m為因素向量樣本集Z的樣本數(shù)，Zni為因素向量樣本集Z中的一個(gè)樣本， QvS風(fēng)速，Q t為溫度，Q 〇為風(fēng)向角，Q P為氣壓，Qh為濕度。
[0030] 優(yōu)