一種面向風電功率超短期預測的風電數據時間尺度優選方法
【技術領域】
[0001] 本發明涉及風力發電技術領域，是一種面向風電功率超短期預測的風電數據時間 尺度優選方法。
【背景技術】
[0002] 我國已進入風電大規模并網發電階段，共投建了 8個巨型風電基地，風電并網規 模大、穿透率高已成為其典型特征。由于風的不確定性、間歇性等因素，使風力發電不能 像常規發電方式一樣具有良好的可預測性和可控性，當風電功率接入電網進行消納和傳輸 時，會對電網產生不利影響。因此，電網調度部門希望能夠準確把握風電特性進而制定出相 應調度方案，以減小大規模風電并網對電網運行不利影響的程度。
[0003] 基于風電實測數據的分析能夠為調度方案的制定提供重要依據。利用風速、風電 功率的實測數據可以得到風電場的功率曲線，可用于評估過去時段內風電場運行狀態或預 測風電場未來的運行狀態。
[0004] 實際獲取到的風電數據常常涉及到多種時間尺度，如風電場機組錄波裝置、SCADA 系統等可以采集到ms級、s級、min級及以上時間尺度的風電數據；而電網調度通常基于 15min、4h等時間尺度制定日調度計劃。使用不同時間尺度的風電數據有各自優缺點：短時 間尺度更能反映波動的細節、包含信息量豐富，但數據結構復雜，數據量大，壞數據多，處理 耗時；長時間尺度對趨勢性分析更有效，數據結構相對簡單、數據處理速度較快，但細節反 映度低，可能忽略有分析價值的數據。
[0005] 對于研究不同特定風電并網相關問題時，涉及調度、規劃等，應采用何種時間尺度 的風電數據最為有效合理，迄今未見有關報道和實際應用。
【發明內容】
[0006] 本發明所要解決的技術問題是：針對如何選取合理時間尺度的風電數據用于相關 風電功率預測問題，提出一種面向風電功率超短期預測的風電數據時間尺度優選方法，該 方法通過構建優度指標來綜合分析不同時間尺度風電數據對應的預測精度及數據的復雜 程度，進而確定最優時間尺度用于風電功率預測。
[0007] 解決其技術問題采用的方案是：一種面向風電功率超短期預測的風電數據時間尺 度優選方法，其特征是，以預測誤差分析的指標模型為基礎，通過構建優度指標來綜合分析 不同時間尺度風電數據對應的預測精度及數據的復雜程度，確定最優時間尺度的風電數據 用于風電功率預測，具體包括以下步驟：
[0008] 1)建立預測誤差分析的指標模型
[0009] 為評估風電預測的精度，需對預測結果和實際功率值序列進行對比，并計算相 應指標值來量化分析預測的效果，采用均方根誤差（RMSE)、預測誤差、平均百分比誤差 (MPE)、合格率、準確率，
[0010] 其中，均方根誤差的模型為：
[0012] 式中，Cap是風電場裝機容量，一個預測序列包含N個元素，yi是第i個實際功率 值，是第i個預測值，
[0013] 8,表示對第k個功率序列預測的誤差，由于在特定的時間段內，時間尺度的不同會 使實驗數據的個數不同，故B k含有的元素個數也不相同，每個元素值表示一個點對點的預 測誤差，設 Bk= [bkl，bk2，…，bk.j,…，bknk]，則
[0015] 根據關于風電功率預測精度的規定，RMSE的指標值應不大于20% ;預測的最大誤 差不超過25%，即bkj的取值要不小于75% ;
[0016] 合格率、準確率是參考指標，用Zk表示第k序列預測的準確率：
[0018] 用hk表示第k序列預測的合格率，計算準確率時要涉及預測誤差的計算結果，設
[0020] 則hk的數學模型是：
[0022] 平均百分比誤差的計算公式為：
[0024] 引入上述的誤差分析指標模型，用于量化表達不同時間尺度的風電數據用于風電 功率預測時的預測效果；
[0025] 2)構建風電數據的優度指標模型
[0026] 風電數據是風電功率波動特性的直觀表達，同一時間段不同時間尺度的風電數據 維數和壞數據含量不同，即數據的復雜程度不同，復雜程度作為抽象概念，用具體的數值大 小來量化表達，預測程序的運行時間就是表達方式之一，當一個時間尺度的風電數據用于 風電功率預測時，數據維數的大小和預測程序時間復雜度成正比，進而實現從數據維數的 角度表達復雜程度，由于壞數據的含量又會直接影響預測誤差指標值，因此應同時計及預 測誤差和程序運行時間來綜合考慮一種時間尺度的風電數據的預測效果和復雜程度，建立 優度指標I來量化不同時間尺度風電數據作為風電功率預測的合適程度。對第k個功率序 列，優度指標I的數學模型定義為：
[0028] 式中，參量hk，zk、（100%-MAPE)用于評價預測效果；etime表示基于相同預測方 法和硬件平臺的預測程序運行時間，基于多次實驗結果確定對于時間尺度在6s-30min的 風電數據用于風電功率預測時，參量h k，Zk、（100%-MPE)、l/etime的取值范圍為（0，l)， 故參量h k，zk、（100% -MAPE)、l/etime的取值的數量級相近，使模型避免被單一參量誤導，
[0029] 考慮到風電場功率預測的最大誤差不應超過25%，預測結果的均方根誤差應小于 20%，因此當預測均方根誤差值大于0. 2或sk]= 0時，令對應功率序列的I值為零，即此時 間尺度的功率序列不適合用于風電功率預測；I值越大，表示對應的時間尺度風電數據的 預測誤差小且復雜程度低，適合用于風電功率預測；
[0030] 3)構建風電數據時間尺度的優選
[0031] 基于上述預測誤差指標值和優度指標I，構建風電數據時間尺度的優選核心內容 按順序包括：
[0032] (1)獲得一系列時間尺度對應的風電數據序列P1, P2，…，Pni;
[0033] (2)進行m次風電功率預測，返回m個均方根誤差指標值=R1, R2，…，Rni;
[0034] (3)判斷任意民和20%的大小關系，刪除大于20%的R1值對應的數據序列P i，更 新功率序列，若此時剩余η個數據序列，則本過程共刪除（m-n)個均方根誤差大于20 %的數 據序列；
[0035] (4)計算此η個數據序列對應的預測誤差B，對任意的Bk，判斷Bk中所有元素和 75%的大小關系，若有b kj< 75%，則B k對應的P k被刪除，若此時剩余X個數據序列，則本 過程共刪除（n-X)個存在預測誤差大于25%的功率序列；
[0036] (5)計算此X個功率序列的其它指標值：準確率Zl，Z2，…，z x;合格率h p h2，…， hx;程序運行時間etime ^etime2, ."，etimexH；t度指標I丨，12，…，Ix以及X個平均相對誤 差（MPE)的值；
[0037] (6)將I1, I2，…，Ix按大小關系進行排列，尋找到最大的指標值I e [1，X])， 返回I,對應的數據序列P ,，則P,為用于風電功率預測的最優數據序列。
[0038] 本發明的一種面向風電功率超短期預測的風電數據時間尺度優選方法是針對如 何選取合理時間尺度的風電數據用于相關風電功率預測問題，通過構建優度指標來綜合分 析不同時間尺度風電數據對應的預測精度及數據的復雜程度，進而確定最優時間尺度用于 風電功率預測。具有方法科學合理，適用性強，預測精度高等優點。能夠使所使用的數據準 確合理。
【附圖說明】
[0039] 圖1為一種面向風電功率超短期預測的風電數據時間尺度優選方法原理圖；
[0040] 圖2為基于6s時間尺度的風電功率預測效果對比圖；
[0041] 圖3為基于Imin時間尺度的風電功率預測效果對比圖；
[0042] 圖4為基于5min時間尺度的風電功率預測效果對比圖；
[0043] 圖5為基于15min時間尺度的風電功率預測效果對比圖；
[0044] 圖6為基于30min時間尺度的風電功率預測效果對比圖。
【具體實施方式】
[0045] 下面利用附圖和實施例對本發明一種面向風電功率超短期預測的風電數據時間 尺度優選方法作進一步說明。
[0046] 本發明的一種面向風電功率超短期預測的風電數據時間尺度優選方法，其特征 是，以預測誤差分析的指標模型為基礎，通過構建優度指標來綜合分析不同時間尺度風電 數據對應的預測精度及數據的復雜程度，確定最優時間尺度的風電數據用于風電功率預 測，具體包括以下步驟：
[0047] 1)建立預測誤差分析的指標模型
[0048] 為評估風電預測的精度，需對預測結果和實際功率值序列進行對比，并計算相 應指標值來量化分析預測的效果，采用均方根誤差（RMSE)、預測誤差、平均百分比誤差 (MPE)、合格率、準確率，
[0049] 其中，均方根誤差的模型為：
[0051] 式中，Cap是風電場裝機容量，一個預測序列包含N個元素，yi是第i個實際功率 值，是第i個預測值，
[0052] 8,表示對第k個功率序列預測的誤差，由于在特定的時間段內，時間尺度的不同會 使實驗數據的個數不同，故B k含有的元素個數也不相同，每個元素值表示一個點對點的預 測誤差，設 Bk= [bkl，bk2，…，bk.j,…，bknk]，則
[0054] 根據關于風電功率預測精度的規定，RMSE的指標值應不大于20% ;預測的最大誤 差不超過25%，即bkj的取值要不小于75% ;
[0055] 合格率、準確率是參考指標，用Zk表示第k序列預測的準確率：
[0057] 用hk表示第k序列預測的合格率，計算準確率時要涉及預測誤差的計算結果，設
[0059] 則hk的數學模型是：
[0061] 平均百分比誤差的計算公式為：
[0063] 引入上述的誤差分析指標模型，用于量化表達不同時間尺度的風電數據用于風電 功率預測時的預測效果；
[0064] 2)構建風電數據的優度指標模型
[0065] 風電數據是風電功率波動特性的直觀表達，同一時間段不同時間尺度的風電數據 維數和壞數據