一种基于coif5小波实时分解的风电功率实时预测计算方法

摘要

一种基于coif5小波实时分解的风电功率实时预测计算方法，其特点是：包括以下步骤：数据采集及预处理，采集所需预测风电场的整场连续6天的实际历史功率值，并剔除不良数据；数据分解及预测，利用coif5小波进行三层塔式分解，对各分量采用时间序列法分别进行单步预测并求和，将得到的新序列利用coif5小波实时分解并滚动预测，得到整场未来4个小时的风电功率预测值；仿真计算，输入仿真输入量，采用上述方法进行未来4个小时的风电功率预测；误差分析，误差评价标准执行国家能源局于2011年《风电场功率预测预报管理暂行办法》中的准确率和合格率的要求，给出该计算方法的精确度。具有科学、合理、实用，精度更高，能够满足在线使用要求等优点。

主权项

一种基于coif5小波实时分解的风电功率实时预测计算方法，其特征在于：它包括以下步骤：(1)数据采集及预处理采集所需预测风电场的整场连续6天的实际历史功率值，采样时间间隔15分钟，剔除功率数值小于零和大于开机容量的数据，得到所需的输入数据序列：X₀＝{x(t‑n),x(t‑n+1),x(t‑n+2),…,x(t)}，n＝576；(2)数据分解及预测按步骤(1)采集的数据序列X₀＝{x(t‑n),x(t‑n+1),x(t‑n+2),…,x(t)}，将序列X₀用小波基coif5函数进行三层小波塔式分解，得到数据集a₃,d₁,d₂,d₃，分别对应于第三层低频分量和三层高频分量，其中：x(t)为整个风电场t时刻的实际输出功率，a₃(t)为t时刻整个风电场实际输出功率小波分解后的第三层低频分量a₃的值，d_i(t)为t时刻整个风电场实际输出功率小波分解后的高频分量d_i的值；i＝1，2，3，风电功率实时预测是一种超短期4个小时的多步预测，采用时间序列法中的ARMA模型对小波分解后的4个分量分别进行预测，将得到的4个预测值作和，得到t+1时刻整场的预测值；即$\hat{x}(t+1){\hat{\alpha }}_3(t+1)+{\hat{d}}_1(t+1)+{\hat{d}}_2(t+1)+{\hat{d}}_3(t+1),$其中，为低频分量a₃在t+1时刻的预测值；为高频分量d_i在t+1时刻的预测值，i＝1，2，3，进而得到数据序列$X_1=\{x(t-n+1),x(t-n+2),···,x\left(t\right),\hat{x}(t+1)\},$重复上述方法类推16步，得到$X_{16}=\{x(t-n+16),···,x\left(t\right),\hat{x}(t+1),···,\hat{x}(t+16)\},$其中为一次多步预测的预测值；(3)仿真计算输入仿真输入量：风电场实测开机状态每15分钟采样间隔下6天的整场风电功率数据，根据步骤(2)数据分解及预测过程，得到整场风电功率实时预测结果；(4)误差分析误差评价标准执行中国华人民共和国国家能源局2011年《风电场功率预测预报管理暂行办法》中规定的准确率和合格率的要求，设P_Mk为k时段的实际平均功率，P_Pk为k时段的预测平均功率，N为日考核总时段，Cap为风电场开机容量，那么，实时预测准确率定义为：$r_1=(1-\sqrt{\frac{1}{16}\underset{k=1}{\overset{16}{\Sigma }}{\left(\frac{P_{\mathrm{Mk}}-P_{\mathrm{Pk}}}{\mathrm{Cap}}\right)}^2})\times 100\%$合格率定义为：$r_2=\frac{1}{16}\underset{k=1}{\overset{16}{\Sigma }}{B}_k\times 100\%$其中若$(1-\frac{P_{\mathrm{Mk}}-P_{\mathrm{Pk}}}{\mathrm{Cap}})\times 100\%\ge 85\%,$则B_k＝1；若$(1-\frac{P_{\mathrm{Mk}}-P_{\mathrm{Pk}}}{\mathrm{Cap}})\times 100\%<85\%,$则B_k＝0给出风电场记录的实测开机状态15分钟采样间隔下6天的整场风电功率数据作为输入，把模型计算的预测功率与实测功率通过上述误差评价标准进行误差计算，给出该计算方法的预测准确率。