[发明专利]一种基于协方差优选组合模型的短期风功率预测系统

摘要

本发明属于风电功率预测技术领域，具体涉及一种基于协方差优选组合模型的短期风功率预测系统，包括数据采集及存储模块、协方差优选组合预测模块、功率预测误差分析模块，实时通信模块，数据采集及存储模块将采集的风功率预测所需数据和误差分析数据分别输送到协方差优选组合预测模块和功率误差分析模块对风功率进行预测，并将预测结果传送给功率预测误差分析模块，然后将预测数据传送给实时通信模块，实时通信模块将预测数据实时传到调度中心服务。本发明所提的系统及方法简单实用，所使用的系统高效便捷并具有实时通信和自我调整功能，所使用预测算法的精度比单一的物理模型和统计模型有所提高，有利于风电功率预测的发展。

主权项

1.一种基于协方差优选组合模型的短期风功率预测系统，其特征在于：包括数据采集模块及存储模块、协方差优选组合预测模块、功率预测误差分析模块、实时通信模块和调度中心服务器，所述数据采集及存储模块将采集实时风功率数据、历史风功率数据、数值天气预报数据、实时上网数据、风塔气象台数据并存储起来，并且将实时风功率数据传输给功率预测误差分析模块，以及将历史风功率数据、数值天气预报数据、实时上网数据、风塔气象台数据传输给协方差优选组合预测模块，所述功率预测误差分析模块对数据采集及存储模块输出的实时风功率数据和协方差优选组合预测模块输出的风功率预测数据进行误差分析，并将风功率预测数据和误差估计结果通过实时通信模块实时传输给调度中心服务器；所述协方差优选组合预测模块包括NWP空间差值模型、BP神经网络模型和LS-SVM模型三个子模块,所述NWP空间差值模型利用空间插值将NWP数据转换为风机所处位置的风速，然后通过高度变换得到轮毂处的风速，对功率曲线进行风速插值得到风电场的输出功率，所述BP神经网络模型计算出历史功率数据和神经网络初始化初值的差值，通过优化后的风速初值和偏差值计算得到预测功率，所述LS-SVM模型通过内积运算将预测功率进行线性化，所述功率预测误差分析模块误差分析预测包括如下步骤：/n步骤1：分别计算NWP空间插值模型、BP神经网络模型、LS-SVM模型当前时刻预测风功率值的误差e