[发明专利]一种短期风电功率预测的不确定性分析方法及装置

说明书

本发明提供了一种短期风电功率预测的不确定性分析方法及装置，涉及风电场功率预测技术领域。方法包括：将标准化预处理后的数值天气预报数据和风电场单台风电机组功率数据分别作为输入和输出，通过训练数据集中的输入数据和输出数据对径向基神经网络模型进行训练；根据训练后的径向基神经网络模型在测试数据集上对短期风电功率进行预测，生成短期风电功率预测输出数据；根据短期风电功率预测输出数据和测试数据集中的测试输出数据确定短期风电功率预测误差，并建立各短期风电功率段的预测误差的分段云模型；在预先设置的置信水平下，根据分段云模型计算短期风电功率预测输出数据的上下区间限值，作为短期风电功率预测的不确定性分析结果。

技术领域

本发明涉及风电场功率预测技术领域，尤其涉及一种短期风电功率预测的不确定性分析方法及装置，特别是一种基于分段云模型的短期风电功率预测的不确定性分析方法及装置。

背景技术

风电，又称风力发电，是当前正在被很多国家重视的环保型能源。当前风电装机容量正在快速增加，这也对电力系统的安全、稳定和经济运行带来了不利影响。其中重要原因是风电具有随机波动性及不确定性，而风电功率预测是应对随机波动性及不确定性的有效方法之一。但风电功率预测误差难以避免，且其精度难以达到电力系统负荷预测精度水平，因此需要进行风电功率预测的不确定性分析。而风电功率预测的不确定性分析不仅可以为优化能量管理和电力交易决策提供全面的概率信息，而且在电力系统优化运行中扮演着更加重要的角色。

目前风电功率预测的不确定性分析方法按照不确定性分析结果的表达方式分类可分为：概率性方法、场景生成法、风险指标法。其中，概率性方法得到的结果形式可以为概率密度或者置信区间两种，前者利用非参估计法对风电功率预测误差的概率分布进行建模，并基于估计点来确定风电功率预测的回归函数；后者可以通过分位数回归法得到风电功率预测的置信区间，进而开展短期风电功率预测及预测不确定性研究，也可以利用次序统计和线性分位数回归来模拟风电预测的不确定性，提供了一个有效的无需假设已知概率分布的功率预测系统，样本量和覆盖误差由所需的覆盖率控制。另外，上述的场景生成法是通过确定日前风电功率预测误差分布的不确定性分析方法，该方法在准确描述风电场在不同预测风速下的功率预测误差概率分布的基础上，能够确定各分布的适用范围。上述的风险指标法通过定义一个风电功率预测风险指数，运用参数估计法建立风电功率预测不确定性分析模型，输出值以分位数回归为理论基础。

目前，在风电功率预测的不确定性研究领域已取得些许成果，但上述描述的方法仍存在以下问题：①可靠性和精度亟待进一步提升；②实用性能有待提高，如开发一种方法既适用于基于数值天气预报的预测模型，也适用于基于历史数据的预测模型；③上述现有的方法需要假设预测误差服从高斯分布，但并不符合实际情况。

发明内容

本发明的实施例提供一种短期风电功率预测的不确定性分析方法及装置，以提高短期风电功率预测的不确定性分析方法的可靠性、精度以及实用性，且无需假设预测误差服从高斯分布。

为达到上述目的，本发明采用如下技术方案：

一种短期风电功率预测的不确定性分析方法，包括：

采集预先指定的风电场的数值天气预报数据，以及所述预先指定的风电场单台风电机组功率数据；所述数值天气预报数据包括风速及风向数据；

将所述数值天气预报数据和预先指定的风电场单台风电机组功率数据进行标准化预处理，生成标准化预处理后的数值天气预报数据和标准化预处理后的风电场单台风电机组功率数据，并形成训练数据集和测试数据集；

将所述标准化预处理后的数值天气预报数据作为输入，所述标准化预处理后的风电场单台风电机组功率数据作为输出，通过训练数据集中的输入数据和输出数据对径向基神经网络模型进行训练；

根据训练后的径向基神经网络模型在所述测试数据集上对短期风电功率进行预测，生成短期风电功率预测输出数据；