基于数据特征提取的风功率预测误差估计方法

摘要

本发明公开了一种基于数据特征提取的风功率预测误差估计方法，包括以下步骤：（1）统计分析近一年风电运行历史数据，分析计算风功率幅值、日前预测出力的波动程度、近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数；（2）根据（1）得到的权重系数，利用日前预测出力和近3天风电运行数据，计算日前风功率预测幅值和波动程度、近3天风电出力波动程度和预测精度，然后估计风功率预测误差。本发明统计分析并提取风电运行历史数据特征，利用近3天风电运行数据，估计风功率预测误差，该方法具有在线计算强度低、数据来源可靠且容易获得的特点，具有很高的工程实用价值。

主权项

一种基于数据特征提取的风功率预测误差估计方法，其特征在于，具体包括以下步骤：1)统计分析近一年风电运行历史数据，计算风功率幅值、日前预测出力的波动程度、近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数；统计分析近一年风电运行历史数据，计算风功率幅值对风功率预测误差的影响权重系数α的公式如(1)所示，$\left\{\begin{array}{cc}{K}_{1,j}=\frac{P_{act,j}-P_{fore,j}}{P_{fore,j}}& \\ {\alpha }_{\min }=\overline{K_{1,j}}/\overline{P_{fore,j}}& \forall K_{1,j}<0\\ {\alpha }_{\max }=\overline{K_{1,j}}/\overline{P_{fore,j}}& \forall K_{1,j}\ge 0\end{array}\right.---\left(1\right)$其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j表示第j时间点风电的实际出力，P_fore,j表示第j时间点风电的预测出力，表示所有符合约束条件的K_1,j的平均值，表示所有符合约束条件K_1,j对应的预测出力P_fore,j的平均值，α_min表示风功率幅值对风功率预测误差的影响权重系数的下限值，α_max表示风功率幅值对风功率预测误差的影响权重系数的上限值；统计分析近一年风电运行历史数据，按出力相近的原则对日前预测出力数据进行分段处理，计算日前预测出力的波动程度对风功率预测误差的影响权重系数β的公式如(2)所示，$\left\{\begin{array}{c}{K}_{2,i}=\frac{(P_{act,i,max}-P_{act,i,min})|t_{fore,i,\max }-t_{fore,i,\max }|}{P_{act,i,min}(P_{fore,i,\max }-P_{fore,i,min})}\\ \beta =\overline{K_{2,i}}\end{array}\right.---\left(2\right)$其中，i表示对日前预测出力数据所分的段数，P_act,i,max表示第i个所分的时间段中风电实际出力的最大值；P_act,i,min表示第i个所分的时间段中风电实际出力的最小值；P_fore,i,max表示第i个所分的时间段中风电预测出力的最大值，其对应的时间为t_fore,i,max；P_fore,i,min表示第i个所分的时间段中风电预测出力的最小值，其对应的时间为t_fore,i,min，表示所有K_2,i的平均值；统计分析近一年风电运行历史数据，计算近3天风电出力波动程度和预测精度对风功率预测误差的影响权重系数K₃和K₄的公式如(3)所示，$\left\{\begin{array}{c}{K}_3=1/\overline{P_{act,j}}\\ K_4=\overline{K_{4,j}}=\overline{\left(\frac{P_{act,j}}{P_{fore,j}}\right)}\end{array}\right.---\left(3\right)$其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j表示第j时间点的风电实际出力，P_fore,j为第j时间点的风电预测出力，表示的平均值，表示P_act,j的平均值；2)根据步骤1)得到的权重系数，利用日前风功率预测出力和近3天风电数据，计算日前风功率预测幅值和波动程度、近3天风电出力波动程度和近3天预测精度，然后估计风功率预测误差；分析风电日前预测出力数据，按出力相近的原则对日前预测出力数据进行分段处理，计算第i个所分的时间段数据的波动程度σ_i的公式如(4)所示：${\sigma }_i=\frac{P_{fore,i,max}-P_{fore,i,min}}{|t_{fore,i,max}-t_{fore,i,\min }|}---\left(4\right)$其中，i表示对日前预测出力数据所分的段数，P_fore,i,max表示第i个所分的时间段中风电预测出力的最大值，其对应的时间为t_fore,i,max；P_fore,i,min表示第i个所分的时间段中风电预测出力的最小值，其对应的时间为t_fore,i,min；分析风电运行近3天数据，计算近3天风电出力波动程度S和近3天预测精度ε的公式如(5)所示$\left\{\begin{array}{c}S=\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\Sigma }}{(P_{act,j}-\overline{P_{act,j}})}^2}\\ ϵ=\overline{{ϵ}_j}=\overline{\left(\frac{|P_{act,j}-P_{fore,j}|}{P_{act,j}}\right)}\end{array}\right.---\left(5\right)$其中，j表示历史数据的粒度，每15分钟为一个时间点，P_act,j和P_fore,j为第j时间点风电的实际出力和预测出力，表示的平均值，表示P_act,j的平均值；估计风功率预测误差的公式如(6)所示：$[e_{min,i},e_{max,i}]=[{\alpha }_{min}\overline{P_{fore,i}}({\mathrm{\beta \sigma }}_i+K_{3}S+K_4ϵ),{\alpha }_{max}\overline{P_{fore,i}}({\mathrm{\beta \sigma }}_i+K_{3}S+K_4ϵ)]---\left(6\right)$其中，i表示对日前预测出力数据所分的段数，表示第i个所分的时间段中日前预测风功率P_fore,i的平均值，e_max,i和e_min,i分别表示第i个所分的时间段中风功率预测误差的上限值和下限值，其他参数同上所述。