[发明专利]一种分散距离整合的并行化的风电场输出功率预测方法

摘要

一种分散距离整合的并行化的风电场输出功率预测方法，本发明属于风电技术领域，具体涉及一种分散距离整合的并行化的风电场输出功率预测方法。本发明提供一种分散距离整合的并行化的风电场输出功率预测方法。通过对已有数据的聚类，将风电历史数据按照特征聚类划分为多组，并存储在多台计算机之上；在风电预测过程中多台计算机同时进行预测，并在基于待预测时间点与历史数据特征的近似性整合预测结果，实现更加精确和快速的风电输出功率预测。

主权项

一种分散距离整合的并行化的风电场输出功率预测方法，其特征在于，包括风电场、数据采集服务器和计算服务器；具体包括以下步骤：步骤一、风电场和数据采集服务器建立通信连接，数据采集服务器采集风电场发电数据，数据采集服务器将每个小时采集的风电场数据作为一个标准数据组，在单位时间内共采集m个标准数据组，每个标准数据组中的数据信息的字段结构包括H1(该时间点所处的月份)、H2(该时间点的所处的日期)、H3(该时间点的温度)、H4(该时间点的湿度)、H5(该时间点的风速)、H6(前一天的平均温度)、H7前一天的评价湿度)、H8(前一天平均输出功率)、H9(前一天的平均风速)、H10(在该时间点前1小时输出功率)、H11(在该时间点前2小时输出功率)、H12(在该时间点前3小时输出功率)、H13(在该时间点前4小时输出功率)、H14(在该时间点前5小时输出功率)、H15(在该时间点前6小时输出功率)和D1(当前时间点风电场的输出功率)；步骤二、数据采集服务器获得一个包括1个管理节点和N个计算节点的集合，5≤N≤10；步骤三、数据采集服务器利用聚类算法对标准数据组中的所有数据进行聚类，即将m个标准数据组分为N群(G1.G2.G3…GN)，获得任意两个群中心点A和B间的距离：dis(A,B)＝0.2×dis1(A,B)+0.3×dis2(A,B)+0.5×dis3(A,B)其中：dis1(A,B)=|(AH1-BH1)12|+|(AH2-BH2)24|]]>dis2(A,B)=Σi=39|AHi-BHi|]]>dis3(A,B)=Σi=1015(AHi-BHi)2]]>AHi为A的Hi字段的值，BHi为B的Hi字段的值。步骤四、将G1至GN分别发送给计算节点1到N。每个计算节点将对应的分组存储到本计算服务器内部，即第i个计算服务器对应第i个分组Gi；步骤五、每个计算服务器建立SVM回归分析模型，该模型的核函数采用RBF核函数。对于一个计算节点i，其的分组数据Gi的字段H1至H15作为SVM的输入数据，D1作为SVM的回归预测数据，将所有数据输入给SVM进行训练，获得SVM回归分析模型；步骤六、数据采集服务器获得一个待测数据组，该待测数据组中的数据信息的字段结构包括H1(该时间点所处的月份)、H2(该时间点的所处的日期)、H3(该时间点的温度)、H4(该时间点的湿度)、H5(该时间点的风速)、H6(前一天的平均温度)、H7前一天的评价湿度)、H8(前一天平均输出功率)、H9(前一天的平均风速)、H10(在该时间点前1小时输出功率)、H11(在该时间点前2小时输出功率)、H12(在该时间点前3小时输出功率)、H13(在该时间点前4小时输出功率)、H14(在该时间点前5小时输出功率)和H15(在该时间点前6小时输出功率)；计算节点i计算待预测数据current与分组数据Gi的平均距离avgdis[i]，计算的公式如下：avgdis[i]=-1e(ΣjMdis(current,row[j])M)]]>其中e为自然对数、row[j]为Gi的第j条数据，M为Gi的数据条目数，将current输入给所述步骤五中的SVM回归分析模型，获得预测结果pre[i]将avgdis[i]和pre[i]发送给管理节点；步骤七、管理节点利用公式dissum=Σi=1Navgdis[i]]]>得到中心点距离和dissum，利用公式reslut=Σi=1Navgdis[i]dissum×pre[i]]]>得到预测结果result。