[发明专利]实时校正的自学习ARMA模型风电功率超短期预测方法

摘要

本发明公开了一种实时校正的自学习ARMA模型风电功率超短期预测方法，包括输入数据得到自回归滑动平均模型参数；输入风资源监测系统数据和运行监测系统数据，并根据运行监测数据实时校正开机容量；建立自回归滑动平均模型从而得到风电功率超短期预测结果；引入实时测风塔数据对风电功率超短期预测结果进行实时校正。通过对风力发电过程中的风电功率进行预测，并通过引入实时测风塔数据对风电功率超短期预测结果进行实时校正，克服现有ARMA技术中风电功率超短期预测精度低的缺陷，达到高精度的风电功率超短期预测的目的。

主权项

一种实时校正的自学习ARMA模型风电功率超短期预测方法，其特征在于，包括输入数据得到自回归滑动平均模型参数；输入风资源监测系统数据和运行监测系统数据，并根据运行监测数据实时校正开机容量；建立自回归滑动平均模型从而得到风电功率超短期预测结果；引入实时测风塔数据对风电功率超短期预测结果进行实时校正具体为：设t1时刻，测风塔监测得到的风电场平均风速为v1，数值天气预报数据预测的风电场平均风速为u1，风电场的实际出力为p1；下一个时间点t2时刻，数值天气预报数据预测的风电场平均风速为u2，则风电场平均风速v2为，v2＝v1+(u2‑u1)则风电场功率预测的参数修正量为k=(v2-v1v1×100%)×p1]]>其中，v1>0，v2>0且v1不等于v2；其中预测结果后评估及模型修正为：首先对预测结果进行后评估，分析预测值与实测值之间的误差，如果预测误差大于允许的最大误差，则跳转到模型训练过程，重新进行模型训练；所述输入数据得到自回归滑动平均模型参数包括，输入模型训练基础数据；模型定阶；采用矩估计方法对定阶的ARMA(p,q)模型参数进行估计，p是自回归模型阶数，q是自回归滑动模型阶数。