一种风电功率爬坡事件概率场景预测方法

摘要

本发明涉及一种风电功率爬坡事件概率场景预测方法，通过构建计及累积密度函数和高阶矩自相关函数的多目标适应度函数实现了分布特征一致性和时序特征一致性。基于多目标适应度函数的遗传算法对概率生成模型参数进行迭代寻优，得到大量预测场景，并通过场景捕捉带内挖掘出的爬坡事件概率特征评价该预测方法。选取国外某风场实际数据进行算例计算和统计分析，结果表明多目标函数较单目标函数的统计结果更为精确，而且该概率场景预测方法可以较准确地估计出爬坡事件的特征量，证明了该方法的正确性，可为概率场景生成方法和爬坡事件预测模型提供指导。

主权项

一种风电功率爬坡事件概率场景预测方法，其特征在于：包括以下步骤，步骤1，采用人工神经网络生成风电功率的概率生成模型，即将若干个当前时刻和历史时刻的风电功率数据和一个下一时刻的风电功率值作为模型输入变量，将下一时刻某个风电功率值出现的概率作为模型输出变量，建立人工神经网络概率生成模型；步骤2，基于步骤1所建立的概率生成模型，采用改进的遗传算法求解模型参数，首先在该模型的基础上根据输入输出参数个数确定遗传算法个体的长度，个体通过多目标适应度函数计算个体适应度值，进而通过选择、交叉和变异操作找到最优适应度值对应的个体，最终确定模型的最优参数；步骤3，基于步骤1所建立的概率生成模型和步骤2求解出的模型参数，采样得到足够多的预测场景和场景捕捉带，使用爬坡事件挖掘算法得到特征量的所有场景预测值并进行统计分析，即得到爬坡事件特征量的预测估计值。