[发明专利]风功率预测误差识别方法有效
| 申请号： | 201310295998.8 | 申请日： | 2013-07-15 |
| 公开（公告）号： | CN103366225A | 公开（公告）日： | 2013-10-23 |
| 发明（设计）人： | 郑乐;胡伟;黄杨;陆秋瑜;王芝茗;马千;葛维春;罗卫华 | 申请（专利权）人： | 清华大学;国家电网公司;辽宁省电力有限公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06N3/08 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹 |
| 地址： | 100084 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 功率 预测 误差 识别 方法 | ||
1.一种风功率预测误差识别方法，其特征在于，该方法包括步骤：
S1.获取风电场的风速数据、风速预测误差和风功率实测数据；
S2.将步骤S1获取到的所有数据进行预处理以剔除错误的数据；
S3.根据步骤S2得到的预处理后的风速数据和风功率实测数据得到风功率与风速之间的映射关系；
S4.根据步骤S2得到的预处理后的风速预测误差数据得到风速预测误差的分部特性；
S5.根据步骤S3得到的风功率与风速之间的映射关系以及步骤S4得到的风速预测误差的分部特性得到风速预测值与风功率预测误差平均值的关系以及风速预测值与风功率预测误差最小似然值的关系。
2.如权利要求1所述的风功率预测误差识别方法，其特征在于，步骤S2包括：
S2.1对于任意时刻，若该时刻的风速数据或风功率实测数据没有数据，或显示为NaN，则剔除该时刻风速数据和风功率实测数据；
S2.2若该时刻的风速数据不在预先设定的第一范围内，或者该时刻的风功率实测数据不在预先设定的第二范围内，则剔除该时刻风速数据和风功率实测数据。
3.如权利要求2所述的风功率预测误差识别方法，其特征在于，根据步骤S3得到的风功率与风速之间的映射关系以及步骤S4得到的风速预测误差的分部特性得到风速预测值与风功率预测误差平均值的关系包括：
S5.1记s=0，在所述第一范围内随机生成一个风速预测值；
S5.2根据步骤S4得到的风速预测误差分布N(μ,σ2)，随机生成一个服从所述风速预测误差分布的实数
S5.3根据和步骤S3得到的映射关系计算得到步骤5.1生成的风速预测值对应的风功率误差，即令s=s+δp；
S5.4将S5.2～S5.3循环执行M次；
S5.5计算所述风功率预测误差平均值E(δp)=s/M；
S5.6将步骤S5.1～S5.5执行L次，得到L组对应的数据，以为BP人工神经网络的输入，E(δp)为BP人工神经网络的输出，训练得到风速预测值与风功率预测误差平均值E(δp)之间的映射关系，记为
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学;国家电网公司;辽宁省电力有限公司，未经清华大学;国家电网公司;辽宁省电力有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201310295998.8/1.html，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
