[发明专利]风功率预测模型优选及修正方法

摘要

本发明公开了一种风功率预测模型优选及修正方法，通过选取实际风功率值和预测模型，对风功率和预测风功率的关联度进行分析，并对选定的模型进行修正。以关联度大小评价预测模型对实际风功率曲线的拟合程度，进而评价预测模型的优劣，为不同地区风电场根据该地区风电输出功率变化特点，选择预测模型提供了检验依据；并对优选出的预测模型进行误差统计分析，并对对优选出的原始功率预测模型进行线性回归拟合，得到修正后的预测模型。达到了减少风功率预测模型预测误差的目的。

主权项

1.一种风功率预测模型优选及修正方法，其特征在于，包括以下步骤：步骤1：在风电场的历史风功率数列内选取某一具体时段实际风功率数列x0，并根据风功率预测模型得出预测值数列为xi，所述风功率预测模型为m个不同的风功率预测模型，并根据每个风功率预测模型得出不同的预测值数列xi；其中i＝1,2,…,m，则实际风功率数列x0和预测值数列为xi表示为：x0＝{x0(1),x0(2),…,x0(k),…,x0(n)}xi＝{xi(1),xi(2),…,xi(k)…,xi(n)}i＝1,2,…,m其中，n为时段内预测点数，实际风功率数列x0根据预测日的日期进行平滑修正，去掉数据的阶跃，使数据平缓变化；步骤2：对上述的实际风功率数列x0和预测值数列为xi分别计算各曲线在第k点的关联系数：具体公式如下：上式中：x0(k)‑xi(k)＝Δi(k)称为第k点x0与xi的绝对误差，称为两级最小差，其中是第一级最小差，这表示在x_i曲线上，找各点与x₀的最小差，是第二级最小差，表示在各条曲线中找出的最小差基础上，再按i＝1,i＝2,…,i＝m找所有曲线x_i中的最小差；是两级最大差，ρ称为分辨系数，是0与1之间的数，综合上述计算的各点的关联系数，可得出整个风功率预测值曲线x_i与实际风功率值曲线x₀的关联程度为r_i：比较各预测模型的关联程度r_i，选用合适风功率预测模型：关联度越大，则相应模型的风功率预测拟合程度越好、精度越高，误差也越小；步骤3：根据上述实际风功率和预测值数列的关联度ri，选取关联度最大的风功率预测模型，并采用下列公式对风功率预测模型进行修正：Preal＝f(Ppre,a,b)＝aPpre+b式中：a和b为系数，通过最小二乘法确定，Ppre为预测功率，Preal为实际功率；以关联度大小评价预测模型对实际风功率曲线的拟合程度，进而评价预测模型的优劣；并对优选出的预测模型进行误差统计分析，对优选出的原始功率预测模型进行线性回归拟合，得到修正后的预测模型。