[发明专利]基于S变换的风电功率预测误差分析与分类方法

权利要求书

1.一种基于S变换的风电功率预测误差分析与分类方法，其特征是按照如下步骤进行：

步骤1：采集某风电场的实测风电功率序列{p_act(j)|j＝0,1,2,…,N-1}；根据风电场的历史风电功率序列，利用预测模型得到预测风电功率序列{p_pre(j)|j＝0,1,2,…,N-1}；其中，j表示第j个采样点；N表示采样点总数,且为偶数；p_act(j)表示第j个采样点的实测风电功率，p_pre(j)表示第j个采样点的预测风电功率；

利用式(1)计算第j个采样点的风电功率预测误差序列p_err(j)；

p_err(j)＝p_act(j)-p_pre(j)，j＝0,1,2,…,N-1 (1)

步骤2:利用式(2)对风电功率预测误差序列{p_err(j)|j＝0,1,2,…,N-1}作离散S变换，得到预测误差的时频谱S_err[j,n]；

式(2)中：m为频率平移量，m＝0,1,2,…,N-1；i为虚数单位；exp(·)表示以自然常数e为底的指数函数；P_err[·]为风电功率预测误差序列{p_err(j)|j＝0,1,2,…,N-1}的离散傅里叶变换；j为第j个采样点，j＝0,1,2,…,N-1；n为第n个频率点,n＝0,1,2,…,N/2+1；

步骤3：利用式(3)计算第j个采样点的纵向预测误差序列A_err(j)：

式(3)中：|·|表示取模运算；

步骤4：利用式(4)计算纵向预测误差序列的均值指标m_A：

步骤5：利用式(5)计算纵向预测误差序列的波动指标σ_A：

步骤6：利用式(6)计算第j个采样点的横向预测误差序列Γ_err(j)：

式(6)中：Im(·)表示取虚数部分，Re(·)表示取实数部分，arctan(·)为反正切函数；

步骤7：利用式(7)计算横向预测误差序列的均值指标m_Γ：

步骤8：利用式(8)计算横向预测误差序列的波动指标σ_Γ：

步骤9：利用式(9)建立第j时刻的预测误差对e_j；

e_j＝(A_err(j),Γ_err(j)),j＝0,1,2,…,N-1 (9)

步骤10：将第j时刻的预测误差对e_j分为K类：

步骤10-1：利用式(10)建立预测误差对集合E：

E＝{e_j|j＝0,1,2,…,N-1} (10)

步骤10-2：在集合{0,1,2,…,N-1}中随机抽取K个不同的数，记为i₁,i₂,…,i_k,…,i_K；其中，i_k表示第k个数，将预测误差对集合E中的第i_k个误差对放入第k个类簇C_k中，1≤k≤K，并按式(11)初始化第k个类簇C_k的类簇中心

式(11)中：分别表示第k个类簇C_k的类簇中心的纵向误差与横向误差；A_err(i_k),Γ_err(i_k)分别表示预测误差对集合E中第i_k个误差对的纵向误差与横向误差；且

步骤10-3：按式(12)计算第j时刻的预测误差对e_j与第k个类簇中心的欧式距离d_jk：

步骤10-4：利用式(13)将距离最近的预测误差对划分到对应类簇：

式(13)中：∪表示集合的并集运算，λ_j表示与第j时刻的预测误差对e_j距离最近的类簇编号，且λ_j＝argmin_{k＝1,2,…,K}(d_jk)，argmin表示使欧式距离d_jk最小的k值；

步骤10-5：利用式(14)更新类簇中心；

式(14)中：表示更新后的类簇C_k的中心，e_δ表示第k个类簇C_k中的第δ个预测误差对，M表示第k个类簇C_k包含的预测误差对的个数；

步骤10-6：重复步骤10-3至步骤10-5，直到第k个类簇C_k的中心不再改变为止，1≤k≤K；

步骤10-7：输出第k个类簇C_k，1≤k≤K。