[发明专利]一种风电出力区间预测方法

说明书

本发明属于信息技术领域，涉及到时间序列区间预测、极限学习机建模、高斯近似求解等理论，是一种风电出力区间预测方法。首先采用时间序列分析和正态指数平滑实现风电出力影响因素的区间预测，以考虑输入噪声因素。并以区间结果作为输入，建立极限学习机预测模型，基于迭代期望和条件方差定律计算输出分布，进而得到风电出力的区间预测结果。此方法在区间预测表现和计算效率上具有优势，可为电力系统生产、调度和安全运行提供指导。

技术领域

本发明属于信息技术领域，涉及到时间序列区间预测、极限学习机建模、高斯近似求解等理论，是一种考虑输入噪声因素的风电出力短期区间预测方法。首先采用时间序列分析和正态指数平滑实现风电出力影响因素的区间预测，以考虑输入噪声因素。并以区间结果作为输入，建立极限学习机预测模型，基于迭代期望和条件方差定律计算输出分布，进而得到风电出力的区间预测结果。此方法在区间预测表现和计算效率上具有优势，可为电力系统生产、调度和安全运行提供指导。

背景技术

随着全球能源需求和消耗量持续增加，风能、太阳能、生物质能等可再生能源的开发和研究日趋增长，在越来越多的领域缓解能源储量不足和资源结构不合理的局面。其中，由于风力发电具有占地面积少、环境影响小、资源丰富和转换效率高等优点，使风能在全球资源短缺的背景下得以快速发展。然而与传统火力发电不同，风力发电受限于风向、风速、空气密度等多重因素影响，表现出高度的不确定性、不连续性和波动性，同时由于资源分布、开发技术和电网结构等因素影响，能源浪费和安全问题日益突出。(罗琳.考虑新能源发电不确定性的配电网重构策略研究[D].(2015).湖南大学)。因此，准确的风电出力预测在一定程度上可以保障电网的安全运行，对支撑电网运行规划、降低电网运行成本以及最大化提升风电利用率等方面均有重要意义。

针对风电出力预测问题，目前文献中的方法多为基于数据点的预测，主要包括灰色理论(李颖男.基于灰色系统理论的风速—风功率预测研究[D].(2017).华北电力大学)、核函数方法(Naik J,Satapathy P,Dash P K.Short-term wind speed and wind powerprediction using hybrid empirical mode decomposition and kernel ridgeregression[J].(2018).Applied Soft Computing,70:1167-1188)、时间序列模型(李驰,刘纯,黄越辉,等.基于波动特性的风电出力时间序列建模方法研究[J].(2015).电网技术,39(1):208-214)、深度学习(Shahid F,Zameer A,Mehmood A,et al.A novel wavenetslong short term memory paradigm for wind power prediction[J].(2020).AppliedEnergy,269:115098)以及组合预测法(胡帅,向月,沈晓东,等.计及气象因素和风速空间相关性的风电功率预测模型[J].(2021).电力系统自动化,45(7):28-36)等。上述面向数据点的预测模型难以有效反映风电出力在不同天气条件下所具有的不确定性，因此在这种情况下每个点预测结果具有不同程度的预测误差，无法解释预测结果的可靠性。区间预测结果能够反映风电功率本身所具有的不确定性，补充了传统确定性预测的不足，对于电力系统的合理调度、安全运行、调峰优化等均有重要参考价值。近年来，基于蒙特卡洛方法(杨茂,董昊.基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测[J].(2021).电力系统自动化,45(05):79-85)、多目标优化(Jiang P,Li R,Li H.Multi-objective algorithmfor the design of prediction intervals for wind power forecasting model[J].(2019).Applied Mathematical Modelling,67:101-122)、神经网络(Quan H,SrinivasanD,Khosravi A.Short-Term Load and Wind Power Forecasting Using Neural Network-Based Prediction Intervals[J].(2017).IEEE Transactions on Neural NetworksLearning Systems,25(2):303-315)的方法广泛应用于风电出力的区间预测。然而，国内外关于风电出力区间预测的研究均以测量数据为真实数据作为预测模型输入，而未考虑输入噪声的影响，这将在一定程度上降低风电出力预测的准确性。