专利汇可以提供一种基于风速分频和权值匹配的RBF超短期风电功率预测方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及 风 电技术领域,是一种基于风速分频和权值匹配的RBF超短期风电功率预测方法,其特点是:包括风速 波动 特征的提取、风速区间的划分、径向基神经网络的训练、分频最优权值的分配、仿真计算和误差分析等步骤,与现有的仅考虑历史风电功率数据时序,本发明能 跟踪 未来的功率趋势,物理意义清晰,并考虑风速的分频特性。具有预测 精度 高,预测结果有效,适用性和实用性强等优点。,下面是一种基于风速分频和权值匹配的RBF超短期风电功率预测方法专利的具体信息内容。
1.一种基于风速分频和权值匹配的RBF超短期风电功率预测方法,其特征在于:它包括以下步骤:
1)不同频率风速特征的提取
数值天气预报信息中包含温度、动量通量、风向、各高度风速、湿度等信息,其中由于轮毂高度处的风速信息与功率的联系最为紧密,因此对100米风速信息进行波动特征的提取,对于波动特征的提取是通过最小二乘滤波和经验模态分解(EMD)两种方法得到的,具体步骤如下:
①对四个高度的异常风速数据进行最小二乘滤波处理,最小二乘法是将输入的暂态信号与一预设的含有非周期分量、基波分量和某些整次谐波分量的函数依据最小二乘法原则进行拟合,其拟合函数为
式中XRn、XIn分别为n次谐波信号的实部和虚部,即XRn=Xncosθn,XIn=Xnsinθn;Xn为信号的幅值,θn为初相角;X0为衰减非周期分量的起始值,Td为时间常数;
②滤波以后得到趋势分量和残差分量,对于趋势分量进行经验模态分解(EMD),经验模态分解(EMD)主要应用于非线性、非平稳性时间序列的处理与分析,经验模态分解(EMD)能够克服基函数无自适应性的问题,对于一段未知信号,不需要做预先分析和研究,就可以直接开始分解;经验模态分解(EMD)将时间序列x(t)分解成数个本征模函数(IMF)和残余项r(t),r(t)通常代表时间序列的整体趋势,
x(t)=∑IMFs+r(t) (2)
③对经验模态分解(EMD)得到的本征模函数(IMF)与最小二乘滤波得到的残差分量整合,通过计算各模态分量之间的欧氏距离对其进行层次聚类,
式中Xi、Yi分别表示两种模态变量第i时刻的对应元素;
通过模态合并能够将数量有限个本征模函数(IMF)合并为两类,将频率最高,幅值最低的一类定义为高频分量;将剩余的一类定义为中频分量;将经验模态(EMD)分接得到的残余项r(t),定义为低频分量;
2)风速区间的划分
通过对历史的功率和轮毂高度处的实测风速进行处理,绘制风速-功率散点图,并拟合出风速-功率曲线,从而得到风机的切入风速与切除风速,将风速小于切入风速所对应功率数据置零,将风速大于切出风速所对应的功率数据按照最大输出功率进行替换;
对于处于切入风速与切出风速之间的数据按照风速大小进行三等分,其中,数值最小的风速段定义为低风速段;数值较小的风速段定义为中风速段;数值最大的风速段定义为高风速段;
3)径向基函数(RBF)神经网络的训练
首先,将待预测时段前三个月中前两个月的数值天气预报100米风速信息与对应功率作为径向基函数(RBF)神经网络的训练集,将后一个月的信息作为径向基函数(RBF)神经网络的测试集;
将步骤1)中得到的100米风速高频分量与对应时刻为未分解的功率作为隐含层的输入进行径向基函数(RBF)网络的训练,进而通过最后一个月的100米风速高频分量对功率进行预测。同理,可以分别预测得到风速中频分量和低频分量对应的功率值;
4)最优权值的选取
通过不同的风速波动分量预测的功率需要根据不同波动分量对整体风速的贡献率进行加权求和,权值的选取步骤如下:
①对预测时刻前一个月不同风速分量预测得到的功率值进行加权相加,得到预测值,以准确率最高为目标函数通过Matlab中Cplex优化程序对权值进行优化,
目标函数:
约束条件:
式中,PM为加权相加后所得到的预测功率;λi表示通过不同风速预测功率所对应的权值,i=1,2,3分别表示高频分量,中频分量,低频分量;Pi表示通过不同风速预测功率;PP表示实测功率;R表示预测的准确率;
通过式(4)-式(5)的计算得到一个月各个时刻的对于高频,中频,低频分量的最优权值;
②对于前一个月各个时刻的最优权值按照其对应时刻风速大小按照步骤2)进行分组,从而能够得到高、中、低不同风速段所对应的的权值序列,分别对不同风速段的高、中、低频分量所对应的权值求取平均值就能够得到高、中、低频分量在不同风速段下的权值,式中,λj表示不同风速段所对应的权重值,λij表示不同风速段各个风速点所对应的权重值,N表示该风速段下风速点的数量;
5)仿真计算
仿真输入量:对电场的实测数据进行分析,确定电场的总装机容量;输入历史数据:待遇测预测时刻所在月前三个月的功率、温度、30m风向、170m风速、100m风速,输入预测当天NWP数据:温度、30m风向、170m风速、100m风速;数据采样间隔为15min,根据步骤1)至步骤
4),得到该日预测时段的不同波动频率下的三组预测值,之后根据待遇测时刻NWP的100m风速值对三组预测值进行加权相加,从而得到最终的功率超短期预测结果;
6)评价指标
设PMk为k时段的实际平均功率,PPk为k时段的预测平均功率,N为日考核总时段,Cap为风电场开机容量,那么,第四小时预测准确率定义为式(7):
第四小时预测合格率定义为式(8):
其中若 则Bk=1,若 则Bk=0
全天预测结果第四小时均方根误差为式(7):
按步骤5),输入仿真输入量,将模型计算的预测功率同实测功率经过步骤6)中的误差评价标准式(7)、式(8)、式(9)进行误差计算,求得预测准确率。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种考虑分布式电源的配电系统可靠性评估方法 | 2020-05-11 | 151 |
一种用于加强弱送端网架强度的无功配置方法及系统 | 2020-05-12 | 65 |
一种风电分布式电源模型的建立方法 | 2020-05-13 | 609 |
一种石墨烯远红外地暖印刷封套方法 | 2020-05-08 | 559 |
一种考虑风电随机性的交直流电力系统连续潮流方法 | 2020-05-16 | 956 |
风光储微电网系统可靠性评估方法 | 2020-05-12 | 677 |
基于蚁群算法的地区电网接纳新能源能力评估系统及方法 | 2020-05-13 | 783 |
计及不确定性因素的风电并网系统运行可靠性评估方法 | 2020-05-16 | 530 |
微电网中水风光电源容量配置的优化方法 | 2020-05-15 | 781 |
一种风力发电机组偏航控制系统及方法 | 2020-05-14 | 871 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。