[发明专利]一种基于ITD-ELM的风功率预测方法

说明书

本发明公开了一种基于ITD‑ELM的风功率预测方法，包括以下步骤：S1、获取风功率相关数据，构成数据集；S2、对所述步骤S1获取的风功率相关数据进行归一化处理；S3、对所述步骤S2归一化后的数据进行ITD分解，根据峭度准则，选取峭度值大的部分进行数据重构；S4、将所述步骤S3重构后的数据送入ELM模型中确定训练后的极限学习机模型，并构建基于ITD‑ELM的风功率预测模型；S5、将风功率的测试集送入基于ITD‑ELM的风功率预测模型，得到模型输出值。本发明实时性强、预测速度快，能够解决风功率预测技术不足的问题，提高了风功率的预测精度。

技术领域

本发明涉及新能源预测技术领域，更具体涉及一种基于ITD-ELM的风功率预测方法。

背景技术

近几年，能源危机与环境污染等问题日益突出，清洁能源受到了世界各国的重视，风光储联合发电系统作为清洁能源高效利用的重要枢纽，可通过储能功率校正的方法使得风光储联合发电系统输出功率与调节功率相持平。

然而在风能利用的过程中也凸显出来很多问题。比如，风功率随机性与间歇性较强，无法预测风力发出来的电能，在风光储联合发电系统中很难控制储能装置有规划性地充放电，这将影响储能装置的运行寿命，同时还会对电网稳定运行与电能质量带来极大的挑战。因此做好风功率预测工作，将其预测结果作为光储联合发电系统控制策略的前置输入，能够有效提高储能装置的寿命，这对于电网稳定运行与提高电能质量有着重要的意义。

目前国内外应用于风功率预测的方法主要为卡尔曼滤波法、神经网络法与持续法等。由于卡尔曼滤波法需要用到已知噪声的统计特性，其实用性较差；神经网络算法虽有较强的学习能力，但未对前期数据做处理，预测精度较低；持续法虽操作简单方便，但只能针对于超短期预测，实用性较弱。

因此，亟需一种新的预测方法，以弥补风功率预测的误差分布，提高风功率预测系统的预测精度。

发明内容

本发明需要解决的技术问题是提供一种基于ITD-ELM的风功率预测方法，以解决目前风功率预测误差较高、计算时间较长的问题。

为解决上述技术问题，本发明所采取的技术方案如下。

一种基于ITD-ELM的风功率预测方法，包括以下步骤：

S1、获取风功率相关数据，构成数据集；

S2、对所述步骤S1获取的风功率相关数据进行归一化处理；

S3、对所述步骤S2归一化后的数据进行ITD分解，根据峭度准则，选取峭度值大的部分进行数据重构；

S4、将所述步骤S3重构后的数据送入ELM模型中确定训练后的极限学习机模型，并构建基于ITD-ELM的风功率预测模型；

S5、将风功率的测试集送入基于ITD-ELM的风功率预测模型，得到模型输出值。

进一步优化技术方案，所述风功率相关数据包括风功率数据、天气预报数据、风电实际出力数据。

进一步优化技术方案，所述步骤S1构成的数据集中，将输入层数据设为X＝x_i,i∈(1,n)，将输出层数据设为Y＝y_i,i∈(1,n)；式中，x_i表示输入层数据的第i个数据，y_i表示输出层数据的第i个数据，n表示样本数据总个数。

进一步优化技术方案，所述步骤S2中，将所收集到的数据集中的风功率数据、天气预报数据、风电实际出力数据按下式进行归一化处理：

其中，a表示原始数据，a_max表示原始样本数据集中的最大值，a_min表示原始样本数据集中的最小值，b表示归一化后的数据。