[发明专利]一种基于工况辨识的风电功率区间预测方法

权利要求书

1.一种基于工况辨识的风电功率区间预测方法，其特征在于，包括以下步骤：

阶段一：模型建立阶段

Step1、收集目标风电场的设计资料，结合实际运行环境对风力发电的过程进行分析，找出影响风电功率的主要因素，确定模型的输入输出变量；

Step2、从SCADA中导出历史数据，并进行去噪、滤波预处理，把数据的一部分作为训练样本集，一部分作为测试样本集，采用最小二乘支持向量机法建立风电功率确定性预测模型；

Step3、基于聚类有效性指标，确定聚类数目，再利用模糊C均值软聚类法对历史运行数据进行工况辨识从而划分为多个子区间，完成工况的辨识；

Step4、利用核密度估计法计算各工况下功率预测值与真实值误差的概率密度函数，进而确定各工况的功率置信区间，从而完成区间估计模型的建立；

阶段二：风电功率区间估计阶段

Step5、在线获取Step2中各输入输出变量数据，对数据进行去噪、滤波预处理；

Step6、将Step5中预处理后的数据输入到Step4得到的风电功率区间估计模型，得到风电功率的预测区间并输出。

2.根据权利要求1所述的一种基于工况辨识的风电功率区间估计方法，其特征在于：所述的Step2中确定的输入变量包括：当地风速、风向角正弦值、风向角余弦值、叶轮转速、实时转矩、发电机转速和前一时刻实发功率，共6个。

3.根据权利要求1或2所述的一种基于工况辨识的风电功率区间估计方法，其特征在于：所述的Step2中确定的输出变量：当前时刻实发功率，共1个。

4.根据权利要求3所述的一种基于工况辨识的风电功率区间估计方法，其特征在于：所述的Step2中，具体包括以下步骤：

S2-1、采用依拉达准则将从SCADA系统中采集的历史运行数据去除异常点，具体的数学表示如下：

设样本数据为x₁,x₂…x_n，平均值为偏差为按照Bessel公式计算出标准偏差：

如果某一样本数据x_k的偏差v_k(1≤k≤n)满足|v_k|＞3δ，则认为数据不合理，应予剔除；

S2-2、将处理后的历史运行数据分成两个子集：训练子集与测试子集，并用训练子集完成最小二乘支持向量机模型的训练，具体包括以下步骤：

训练集T由l个样本点组成

T＝{(x₁,y₁),(x₂,y₂),…,(x_l,y_l)}

其中，x_i∈Rⁿ是输入向量，y_i∈Rⁿ是相对应于x_i的输出，令则最小二乘支持向量机的优化问题为

式中ω是权向量，γ是正则化参数，e_k是误差变量，是从输入空间到高维特征空间的非线性映射，b是一个偏量，对于优化问题的Lagrange函数为

其中α_k是Lagrange乘子，称对应于α_k≠0的样本点为支持向量，相应的KKT条件为

可以表示为下列方程组的形式

式中Y＝(y₁,…,y_l)^T，1＝(1,…,1)^T，α＝(α₁,…,α_l)^T，

解方程得到α和β后，对于新输入向量x，其输出值y(x)可以根据下式进行计算