[发明专利]一种分布式风力发电出力与供暖负荷同步指数预测方法

摘要

本发明提供一种分布式风力发电出力与供暖负荷同步指数预测方法，涉及风力发电技术领域。该方法对风电供暖系统的系统参数的非线性时间序列进行相空间重构后，作为样本集进行分布式风力发电出力与供暖负荷同步指数数学建模，利用模糊神经网络求解该数学模型，针对相空间重构后的数据对下一时刻的系统同步性进行预测，得到分布式风力发电出力与供暖负荷同步指数预测值。本发明针对热电联产系统进行实时监测，测量系统运行参数以及系统的地理气象环境参数，对分布式风力发电出力与供暖负荷同步指数进行预测，根据计算结果实时地对热电联产系统进行控制，能够有效利用风能，显著提高热电联产系统运行的可靠性与经济性。

主权项

一种分布式风力发电出力与供暖负荷同步指数预测方法，其特征在于：该方法包括如下步骤：步骤1：建立分布式风力发电出力与供暖负荷同步预测系统参数非线性时间序列，具体方法为：步骤1.1：根据时间顺序按相同的时间间隔测量风电供暖系统的系统参数，所述系统参数包括：分布式风电系统所在环境的风速v、温度T、气压P、供暖负荷总负荷电流I及系统母线电压V；步骤1.2：根据测量的系统参数构建如下非线性时间序列：vgn1,vgn2,....,vgnnTgn1,Tgn2,....,TgnnPgn1,Pgn2,....,PgnnIgn1,Ign2,....,IgnnVgn1,Vgn2,...,Vgnn;]]>其中，vgn1，vgn2，....，vgnn表示风速时间序列，Tgn1，Tgn2，....，Tgnn表示温度时间序列，Pgn1，Pgn2，....，Pgnn表示气压时间序列，Ign1，Ign2，....，Ignn表示总负荷电流时间序列，Vgn1，Vgn2，...，Vgnn表示系统母线电压平均值时间序列；步骤2：采用坐标延迟法对构建的非线性时间序列进行相空间重构，具体如下：根据风速时间序列vgn1，vgn2，...，vgnn，在n维状态空间中重构风速状态矢量vgni′为：vgni′＝{vgni，vgni+τ，...，vgni+(m‑1)τ}，其中，i＝1，2，...，n，τ为延迟时间，m为嵌入维数；根据温度时间序列Tgn1，Tgn2，....，Tgnn，在n维状态空间中重构温度状态矢量Tgni′为：Tgni′＝{Tgni，Tgni+τ，...，Tgni+(m‑1)τ}；根据气压时间序列Pgn1，Pgn2，....，Pgnn，在n维状态空间中重构气压状态矢量Pgni′为：Pgni′＝{Pgni，Pgni+τ，…，Pgni+(m‑1)τ}；根据供暖负荷总负荷电流的时间序列为Ign1，Ign2，....，Ignn，在n维状态空间中重构总负荷电流状态矢量Igni′为：Igni′＝{Igni，Igni+τ，...，Igni+(m‑1)τ}；根据母线电压的时间序列为Vgn1，Vgn2，...，Vgnn，在n维状态空间中重构母线电压状态矢量Vgni′为：Vgni′＝{Vgni，Vgni+τ，...，Vgni+(m‑1)τ}；步骤3：将步骤2重构的相空间中的相点作为样本集，建立分布式风力发电出力与供暖负荷同步指数数学模型，如下式所示；ygn=1minfmb(vgni′,Tgni′,Pgni′,Igni′,Vgni′)+gcf(vgni′,Tgni′,Pgni′)+rys(Igni′,Vgni′)]]>其中，ygn为分布式风力发电出力与供暖负荷同步指数，fmb(vgni′，Tgni′，Tgni′，Igni′，Vgni′)为目标函数，其中gni′为公式简化过程的中间符号，gcf(vgni′，Tgni′，Pgni′)为分布式风力发电出力与供暖负荷同步指数目标函数的惩罚因子，rys(Igni′，Vgni′)为分布式风力发电出力与供暖负荷同步指数目标函数的约束项，步骤4：利用模糊神经网络求解分布式风力发电出力与供暖负荷同步指数数学模型，针对相空间重构后的数据对下一时刻的系统同步性进行预测，得到分布式风力发电出力与供暖负荷同步指数预测值，具体方法为：步骤4.1：采用粒子群聚类算法对模糊神经网络隐含层节点数进行求取；利用粒子群聚类算法对重构后的相空间相点所代表的系统运行工况进行分类，得到分类数mgn，并将mgn作为神经网络隐含层的节点数，其中粒子群聚类算法的输入数据为相空间重构后的相点，输出为分类数mgn，输入数据个数为Ngn，最大迭代次数为τmax；步骤4.2：根据隐含层节点数mgn建立多输入单输出的模糊神经网络系统，根据模糊神经网络系统计算分布式风力发电出力与供暖负荷同步指数预测值。