[发明专利]一种基于频域分解的风力发电短期负荷预测方法及装置

权利要求书

1.一种基于频域分解的风力发电短期负荷预测方法，其特征在于，包括以下步骤：

(1)获取若干天的风力发电负荷数据作为原始数据，对原始数据进行预处理；

(2)对预处理的数据进行频域分解，得到日周期部分、周周期部分、月周期部分、低频部分和高频部分的数据分量；

(3)分别对日周期部分、周周期部分、月周期部分、低频部分和高频部分的数据分量进行预测；

(4)将各部分的预测结果叠加，输出最终的预测结果；

其中，所述步骤(3)包括：采用LWT-LSSVM的预测方法分别对所述日周期部分和高频部分的数据分量进行预测，得到日周期部分及高频部分的预测结果；直接去除周周期和月周期部分分解后的数据分量；采用线性回归分析法预测低频部分的数据分量，得到低频部分的预测结果。

2.根据权利要求1所述的基于频域分解的风力发电短期负荷预测方法，其特征在于，所述步骤(1)中的预处理具体为：去除原始数据中错误的数据。

3.根据权利要求1所述的基于频域分解的风力发电短期负荷预测方法，其特征在于，所述步骤(2)具体包括：a、建立频域分解数学模型；b、对预处理的历史负荷数据进行频域分解，得到日周期部分、周周期部分、月周期部分、低频部分和高频部分的数据分量。

4.根据权利要求3所述的基于频域分解的风力发电短期负荷预测方法，其特征在于，所述步骤a具体为：设历史负荷数据所在的时间域为D_-，P(t)是时间域D_-里的负荷时间序列，对其做傅立叶分解，具体如式(1)所示：

P(t)=a0+Σi=1N-1(aicosωit+bisinωit)---(1)]]>

式中，N为历史负荷序列的数据量。负荷时间序列P(t)被分解成角频率为ωi=iN×2π,(i=1,2,...,N-1)]]>的分量，并组合获得式(2)：

P(t)＝a₀+D(t)+W(t)+M(t)+L(t)+H(t)(2)

式中，a₀+D(t)为日周期部分的负荷数据分量，W(t)为周周期部分的负荷数据分量，M(t)为月周期部分的负荷数据分量，L(t)为低频部分数据分量，H(t)为高频部分数据分量。