[发明专利]一种基于数据处理的风电功率预测方法

说明书

本发明公开了一种基于数据处理的风电功率预测方法，其中所述预测方法包括以下步骤：获取风电场的风向、风速等气象数据以及对应的风电输出功率的历史数据，并对历史数据进行抽样得到样本数据；对样本数据的特性进行分析，利用小波阈值和变分模态分解方法对其进行降噪处理，去除数据中的噪声；对影响风电功率的多种气象数据进行分析，利用核主成分分析进行特征提取；基于降噪处理和特征提取，利用随机森林进行建模，将处理过的数据作为输入，对风电功率进行预测。本发明利用风电场的历史数据，在数据处理基础上，通过随机森林模型进行风电功率预测，大大提高了预测的精度。

技术领域

本发明属于风电预测技术领域，具体涉及一种基于数据处理的风电功率预测方法。

背景技术

经济的发展和人口的日益增加，能源消耗越来越多，传统的化石燃料日益减少，已无法满足人们的需要。同时，这些传统的化石燃料的使用伴随着大量的环境问题，这为人与自然之间的和谐、可持续发展带来了挑战。针对这种现象，各国开始将重心向可再生能源发展。可再生能源具有清洁、用之不竭等特点，利用可再生能源可以缓解能源危机，减少燃料燃烧对环境的污染。

风能作为一种无燃料消耗、零排放的清洁能源，其能量主要来源于大气运动，只要有可利用的风速，就能通过风力发电机来发电，应用前景非常广阔。利用风来进行发电时，风具有随机性和间歇性，同时各个风电场地形、安装位置等不同，风电的功率不稳定，存在一定的波动，将大量风力发电接入电网时，不仅会影响电力系统的安全，还会给系统的稳定运行带来威胁，进而影响到电网的电能质量，这些都会对风力发电的发展规模产生限制，因而风电功率预测对风电场的运行有重要的参考意义。

发明内容

本发明目的是提出一种基于数据处理的风电功率预测方法，以解决风电数据含噪多、信息混叠的问题，以进一步提高风电功率预测的精度。

为解决上述问题，本发明在数据处理基础上提供了一种风电功率预测方法，该方法包括如下步骤：

步骤S1：获取风电场的风向、风速等气象数据以及对应的风电输出功率的历史数据，并对历史数据进行抽样得到样本数据；

步骤S2：对样本数据的特性进行分析，对数据进行降噪处理，去除数据中的噪声；

步骤S3：对影响风电功率的多种气象数据进行分析，进行特征提取；

步骤S4：基于降噪处理和特征提取，利用随机森林进行建模，将处理过的数据作为输入，对风电功率进行预测。

进一步的，步骤S1中，所述获取到的风电场气象数据为风电场采集到的天气预报信息，包括风速、风向、温度、湿度、气压、海平面气压及降水量。

进一步的，步骤S1中，所述历史数据为风电场过去两个月内的气象数据和运行数据。

进一步的，所述步骤S2具体包括以下步骤：

步骤S21：对预测样本数据进行筛选，删除缺失部分数据的样本数据；

步骤S22：将预测样本数据利用变分模态分解进行处理，得到多个分解模态；

步骤S23：对分解出的多个模态，采用小波阈值进行降噪处理；

步骤S24：对降噪处理后的样本数据进行归一化处理。

进一步的，步骤S23中，所述小波阀值采用了硬阈值处理，阈值函数为：

其中，λ为阈值，其表达式为：σ为估计的噪声标准方差，N为相应尺度的小波变换系数的个数。

进一步的，所述步骤S3具体包括以下步骤：

步骤S31：选用核主成分分析方法对多种气象数据进行特征提取；

步骤S32：选定核函数；