[发明专利]基于经验模态分解与自回归模型的风电场风速、功率预测和异常修正方法有效
| 申请号： | 201910950409.2 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110737975B | 公开（公告）日： | 2022-11-29 |
| 发明（设计）人： | 畅黎;岳云鹏;王赞;王媛;丁文超;张琳;邱超;王斌;刘纲;杨雷 | 申请（专利权）人： | 国家电网有限公司;国网陕西省电力公司渭南供电公司 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06K9/62;G06Q10/04;G06Q50/06;G06F113/06 |
| 代理公司： | 西安西交通盛知识产权代理有限责任公司 61217 | 代理人： | 王萌 |
| 地址： | 100031 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于经验模态分解与自回归模型的风电场风速、功率预测和异常修正方法，本发明从大型风电场的风速和输出功率的特点出发，将自回归(AR)模型与经验模态分解(EMD)相结合，建立EMD‑AR风速预测模型。同时建立了基于预测相对误差的异常检测和修正模型，并采用神经网络估计了相对误差的概率分布，获得了异常检测阈值，提高了预测模型的准确性。对于提高电力系统的可靠性、安全性，提升电力企业的经济效益具有重要的实用价值。 | ||
| 搜索关键词： | 基于 经验 分解 回归 模型 电场 风速 功率 预测 异常 修正 方法 | ||
【主权项】：
1.基于经验模态分解与自回归模型的风电场风速、功率预测和异常修正方法，其特征在于，包括以下步骤：/n步骤1、基于k-means聚类分析的区域风速预测/n步骤1.1、采用k-means聚类分析将风电场的机组所在区域划分为若干子区域；/n步骤1.2、选取子区域关键机组；/n步骤1.3、计算关键机组与其它机组关系系数；/n步骤1.4、由关键机组风速估计其他机组风速；/n步骤2、基于EMD-AR模型风电功率预测；/n步骤2.1、通过EMD模型对风电功率序列进行模态分解；/n步骤2.2、对每个模态IMF进行AR模型预测，得到下一时刻的模态预测结果；/n步骤2.3：对除掉第一模态的其它模态和残差序列求和即为功率预测结果；/n步骤3、风电功率数据异常检测/n步骤3.1、分别采用EMD-AR模型和BP神经网络预测风电功率；/n步骤3.2、计算每一个时间点的预测相对误差；/n步骤3.3、采用神经网络计算异常检测的阈值；/n步骤3.4、对异常数据进行检测和修正。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国家电网有限公司;国网陕西省电力公司渭南供电公司，未经国家电网有限公司;国网陕西省电力公司渭南供电公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910950409.2/，转载请声明来源钻瓜专利网。
