[发明专利]一种短期风电功率预测系统及方法

说明书

技术领域

本发明关于一种短期风电功率预测系统及方法，特别是涉及一种基于卡尔曼滤波相空间重构的Elman神经网络短期风电功预测。

背景技术

由于我国风电功率预测研究工作起步较晚，目前，主要是理论探索，预测系统大多处于探索和研究阶段，但我国的风电场情况较复杂，需要因地制宜地开展风电功率预测工作，同时也需要对先进预测方法进行研究，以逐步提高预测精度。自然因素的不可控性，风电输出功率的随机性、间歇性和波动性都将会给风电并网的安全稳定运行带来严峻的挑战。短期风电功率预测精度的提高，将有助于电力系统调度部门合理安排调度计划，有效减轻风电对整个电网的影响。

目前，用于风电功率预测的方法可以分为两大类：一种是基于物理模型的方法，该方法考虑了环境地形、粗糙度等信息，根据数字天气预报等相关数据获得预测结果；另外一种是基于已有的风速、风电功率等历史数据，建立风速或风电功率的预测模型，其中，有的需要对单个风电机组进行预测，再叠架得到整场功率，虽然预测精度高，但运算量大，预测速度慢；有的需要直接对整场功率进行预测，其运算量较小，预测速度快，缺点是预测精度低。因此，实有必要寻找一种能够兼顾预测速度和预测精度的风电功率预测技术。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种短期风电功率预测系统及方法，通过采用卡尔曼滤波算法对风速进行滤波处理，然后进行相空间重构确定风速序列的延时时间和嵌入维数，接着构建Elman神经网络结构，选取训练样本，建立预测模型并预测出风速，然后将风速输入功率曲线，转化成功率，实现了提高预测精度的目的。

为达上述及其它目的，本发明提出一种短期风电功率预测方法，包括如下步骤：

步骤一，采用卡尔曼算法对风速数据进行预处理，使数据变得光滑平稳；

步骤二，对经预处理后的数据进行相空间重构，并确定延时时间和嵌入维数；

步骤三，利用Elman神经网络建立风速预测模型，预测出风速；

步骤四，根据一功率转化公式，将风速转换为功率，输出预测功率值。

进一步地，预处理步骤包括如下步骤：

（1）P_k=P₀，X_k=X₀；

（2）状态一步预测，X~k,k-1=φk,k-1X~k-1,k-1,]]>