[发明专利]风功率预测误差识别方法

说明书

技术领域

本发明涉及新能源发电与控制领域，尤其涉及一种风功率预测误差识别方法。

背景技术

进入新世纪以来，化石能源短缺和环境污染的状况越来越严重，促使电力行业寻找开发可再生的清洁能源替代现有的化学能源，优化能源结构，其中，风电作为一种大规模存在的可再生的清洁能源开始逐渐受到人们的重视。另一方面，风电的一次能源风能具有很大的波动性和间歇性，会给电力系统造成较大的干扰，因此需要对风功率进行一定的预测，将风电纳入常规发电计划，才能更好地管理和利用风电。根据国家能源局的要求，风电场应该上报日前预测数据（未来24小时，96个点）和实时预测（未来4小时，15分钟一个点）。但是实际中，风电场上报的日前预测数据误差很大，用于日前发电计划计算时可能产生较大误差。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：提供一种简单实用的基于蒙特卡洛仿真的风功率预测误差识别方法，用于解析风功率预测误差的统计特性，以便对日前发电计划进行调整，从而减小日前发电计划误差。

（二）技术方案

为解决上述问题，本发明提供了一种风功率预测误差识别方法，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。

优选地，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。

优选地，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，在该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)，随机生成一个服从该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+δ_p；

S5.4将S5.2～S5.3循环执行M次；

S5.5计算该风功率预测误差平均值E(δ_p)=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(δ_p)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(δ_p)之间的映射关系，记为E(δp)=gNN(V→).]]>

优选地，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最小似然值的关系包括：

S5.a记s=0，在该第一范围内随机生成一个风速预测值；

S5.b根据步骤S4得到的风速预测误差分布N(μ,σ²)，随机生成M个服从该分布的实数i=1,2,…M；

S5.c根据和步骤S3得到的映射关系计算得到步骤5.a生成的风速预测值对应的风功率误差，即

S5.d取M'=[βM]，[*]符号表示取整，该β为预先设定的概率值；