一种预测分辨率可变的风光功率预测方法

摘要

本发明公开了一种本发明预测分辨率可变的风光功率预测方法，首先根据风光能量管理系统得到所需预测数据的分辨率，通过提取当前预测时刻之前若干天在该分辨率下的历史天气数据，计算历史天气数据与未来天气数据在变化趋势的相似度，计算得出未来24小时在预测分辨率下的天气数据变化趋势权值，依据此权值算出天气数据的预测值变化趋势量，最终推算出未来24小时在所需预测分辨率下的天气数据预测值。这样，可以根据分辨率较低的数值天气预报数据，结合历史数据最终可得不同功率预测分辨率条件下时间间隔较短的功率预测结果，为风光互补发电系统能量管理提供了有力的数据支持，对保障风光互补发电系统输出功率稳定有着重要意义。

主权项

一种预测分辨率可变的风光功率预测方法，其特征在于，包括以下步骤：(1)、根据未来一天的数值天气预报数据，得到风力发电机测风仪处天气预报各预测时刻的风速或光伏组件实际工作环境下的天气预报各预测时刻的温度和光照强度，并作为未来天气数据；(2)、确定功率预测分辨率T分钟，并提取风力发电机测风仪处或光伏组件实际工作环境下当前预测时刻之前d天分辨率为T的实测历史风速数据或实测历史温度和光照强度数据作为历史天气数据，其中T为分钟数；(3)、计算第j天的历史天气数据与未来天气数据变化趋势的相似度： r j = Σ k = 1 n u k u jk Σ k = 1 n u k 2 Σ k = 1 n u jk 2 - - - ( 1 ) uk＝ak‑a(k‑1)，k∈[1，n]ujk＝bjk‑bj(k‑1)，k∈[1，n]其中，uk为未来天气数据的第k个特征向量，k＝1，2，…，n，n为未来一天的天气预报时刻数量，ak、ak‑1分别为未来天气数据中的第k、k‑1时刻的数据，a0为当前时刻数据；ujk为历史天气数据中第j天的第k个特征向量，bjk、bj(k‑1)分别为历史天气数据中与未来天气数据第k、k‑1时刻数据对应时刻的数据；(4)、对所得相似度计算结果进行比较，从中取出相似度较大的m天的历史天气数据，记Ci＝[ci0，ci1，ci2，…cil]为m天历史天气数据中的第i日对应于当前时刻和预测时刻的所有历史天气数据，其中l＝24×60/T，其第k个特征向量为uik＝cik‑ci(k‑1)，k∈[1，l]；对特征向量uik作归一化处理，得出其归一化值： u ik ′ = u ik - u i min u i max - u i min - - - ( 1 ) 其中，ui max表示第i日所有历史天气数据特征向量中的最大值；ui min表示第i日历史天气数据特征向量中的最小值；对相似度较大的m天的相似度进行归一化： r i ′ = r i / Σ i = 1 m r i - - - ( 3 ) 其中：r′i表示第i天历史天气数据与未来天气数据的相似度归一化值；先将公式(2)计算出的第i天第k个归一化值特征向量u′ik，与公式(3)计算出的第i天相似度归一化值r′i相乘，然后将m天的乘积进行相加，得出预测时刻k的天气数据变化权值u′k： u k ′ = Σ i = 1 m r i ′ · u ik ′ - - - ( 4 ) (5)、选取m天每天的最大、最小历史天气数据特征向量值ui max和ui min，与其对应天的相似度归一化值相乘，然后将将m天的乘积进行相加，得到未来天气数据特征向量的最大值： u max = Σ i = 1 m r i ′ · u i max ; 特征向量的最小值： u min = Σ i = 1 m r i ′ · u i min ; 记v0为当前预测时刻的天气数据，v(k‑1)表示第k‑1个时刻所对应的天气数据，则第k个时刻所对应的天气数据的预测值vk为：vk＝v(k‑1)+u′k(umax‑umin)+umin              (5)通过对公式5的推算，得到各个时刻天气数据的的预测值vk，k∈[1，l]；(6)、根据各个时刻天气数据的预测值vk，k∈[1，l]，再经由风力放电机的风速功率曲线或光伏组件物理模型得到满足预测分辨率的功率预测值。