[发明专利]基于STCP‑BP的风速预测方法

说明书

技术领域

本发明涉及一种用于风电场的风速预测方法，属于发电技术领域。

背景技术

随着环境问题的日益突出与能源危机的日益加剧，风力发电得到了飞速发展。大规模风电并网在带来显著的环境和经济效益的同时，风能本身的不确定性和间歇性所造成的风电并网消纳和电网运行安全问题也日益突出。如果能对风功率进行准确的预测，就可以减少电力系统的运行成本和旋转备用，提高风电穿透功率极限，有利于调度部门及时调整计划，从而减轻风电的间歇性对电网的影响。

目前，风电功率的预测方法有多种类型，按照预测时效划分，可分为超短期、短期、中期和长期预测；按照预测对象不同，可分为基于风速的预测和直接功率的预测；按照模型预测原理不同，可分为统计方法、学习方法与物理方法。由于风电功率与风速紧密相关，风速预测是风电功率预测的基础。近年来，国内外学者对风速预测的理论和方法已经进行了广泛研究，不断应用于风速预测中，其中较常用的有时间序列分析，人工神经网络、支持向量机、模糊理论等等。其中，由于人工神经网络具有分布并行处理，非线性映射，自适应学习能力，鲁棒和容错性等特点，在风速预测中应用最为广泛。

然而，由于风速演变的影响因素诸多并且复杂，其风速序列表现出很强的不确定性和随机性，以往的风电场短期风速预测大都基于目标预测点的风速序列，预测精度不高。如果考虑相近邻地点间的风速演变的物理特性，建立风的运动方程解析式，就能够提高风速单步预测的精度，然而存在一个很现实的问题就是预测时效较短，不符合风电接入的实际要求，因此，如何既能考虑风速演变的物理特性，又能实现直接多步预测，就成为亟需解决的问题。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种既能考虑风速的时空相关特性，又能实现风速直接多步预测的基于STCP-BP的风电场风速预测方法。

本发明所述问题是以下述技术方案实现的：

一种基于STCP-BP的风速预测方法，所述方法首先利用目标预测点盛行风向的上风向邻域点的风速及风向信息，建立时空相关性预测（STCP）模型，得到目标预测点的风速预测值；然后运用目标预测点的历史风速数据建立BP神经网络直接多步预测模型，得到目标预测点的未来多步风速预测值；最后将两种预测值进行平均组合预测，得到目标预测点风速的直接多步预测值。

上述基于STCP-BP的风速预测方法，预测步骤如下：

a.建立时空相关性预测（STCP）模型，得到目标预测点风速预测值，具体步骤为：

1）考察风电场及附近区域的盛行风向，选盛行风向的上风向的两个点作为目标预测点s₀邻域内的时空相关点s₁和s₂，测量每两点之间的距离矢量，包括距离相角及距离长度； 

2）利用选定的目标预测点s₀邻域内的两个时空相关点s₁和s₂的风速信息，运用线性关系估计传播风速和目标预测点s₀的风速矢量，所使用的估计模型为：

，

，

，

式中，为传播风速，表示距离矢量， 表示点积，A为两个时空相关点s₁和s₂的统称，B即为目标预测点s₀，为时间，、、、均为常数；

3)误差修正，修正方程为：

，

其中c是一个常参数，e(t-1)是非校正STCP模型的前一时刻风速矢量误差；

4）最小二乘法优化STCP模型参数p=[ a₀,a₁,b₀,b₁,c]，并确定STCP预测结果的嵌入维数n和m；

5) 应用STCP模型在测试样本集内进行测试：

基于s₁点当前及过去n-1个时刻的风速信息，用优化的STCP模型对s₀点的未来风速进行预测，得到对应的不等间隔的n个预测值、…；