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，误差评价标准执行中华人民共和国国家能源局于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。

说明书

技术领域

本发明涉及风电技术领域，是一种基于coif5小波实时分解的风电功率实时预测计算方法。 

背景技术

风力发电联网运行作为利用风能的主要方式发展迅速，与此同时风电场并网对传统电力系统的影响已经不可忽视。当大规模风电场接入电网运行时，大幅度地风电功率波动会对电网的功率平衡和频率调节带来不利影响。如果可以对风电场的发电功率进行准确的预测，电力调度部门就能够根据风电功率变化预先安排调度计划，保证电网的功率平衡和运行安全。因此准确的风电功率预测是实现风能大规模开发利用的一个有效手段。 

风电功率实时预测是指自预测时刻起未来15分钟至4小时的预测预报，时间分辨率为15分钟。实时预测的意义在于滚动修正计划曲线，及时调整有功出力。 

传统的风电场风电功率实时预测模型的研究方法，通常是首先获取风电场数值天气预报中的风速、风向数据，再将通过风速-功率对应曲线来得到整个风电场的输出功率数值。该方法很忽略了风电场风电功率在时序上的相关特性，因此传统方法成本高，但精度有限。 

发明内容

本发明的目的是，提供一种方法科学、合理、实用、精度更高，能够满足在线使用要求的风电场风电功率实时预测的计算方法。 

本发明的目的是由以下技术方案来实现的：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. 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： ，n=576；

（2）数据分解及预测

按步骤（1）采集的数据序列，将序列用小波基coif5函数进行三层小波塔式分解，得到数据集，分别对应于第三层低频分量和三层高频分量，

其中：为整个风电场t时刻的实际输出功率，

为t时刻整个风电场实际输出功率小波分解后的低频分量的值，

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

，

其中，为低频分量在t+1时刻的预测值； 为高频分量在t+1时刻的预测值，i=1，2，3，

进而得到数据序列，重复上述方法类推16步，得到，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 为k时段的实际平均功率，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： 

合格率定义为：

其中若，则；若，则

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，给出该计算方法的精确度。

本发明的一种基于coif5小波实时分解的风电功率实时预测计算方法，通过对风电场开机状态15分钟采样间隔下6天的整场风电功率数据作为输入，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。具有方法科学、合理，实用，精度更高，能够满足在线使用要求等优点。 

附图说明

图1为利用本发明对我国大唐向阳风电场输出功率曲线与实测的向阳风电场输出功率曲线的对比图。 

图中：标注虚线曲线为预测输出功率，实线曲线为实测输出功率，其中纵坐标为输出功率值，横坐标表示时间，其中每一个刻度表示15分钟。 

具体实施方式

下面利用附图和实施例对本发明的一种基于coif5小波实时分解的风电功率实时预测计算方法进行详细说明。 

本发明的一种基于coif5小波实时分解的风电功率实时预测计算方法，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：，n=576。

（2）数据分解及预测 

按数据采集步骤（1）采集的数据序列，将序列用小波基coif5函数进行三层小波塔式分解，得到数据集，分别对应于第三层低频分量和三层高频分量。

其中：为整个风电场t时刻的实际输出功率； 

为t时刻整个风电场实际输出功率小波分解后的低频分量的值；

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 

，

其中，为低频分量在t+1时刻的预测值； 为高频分量在t+1时刻的预测值，i=1，2，3。

进而得到数据序列，重复上述方法类推16步，得到，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 为k时段的实际平均功率；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： 

合格率定义为：

其中若，则；若，则

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，给出该计算方法的精确度。

图1为利用本发明对我国大唐向阳风电场输出功率曲线与实测的大唐向阳风电场输出功率曲线的对比图，图中标注虚线曲线为预测输出功率，实线曲线为实测输出功率。其中纵坐标为输出功率值。横坐标表示时间其中每一个刻度表示15分钟。预测的大唐向阳风电场输出功率曲线方法遵照具体实施方式的步骤。通过对风电场开机状态下的每15分钟采样间隔下6天的整场风电功率数据进行分析，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，绘制向阳风电场预测输出功率曲线，如图虚线曲线。在预测7天的风电场功率变化情况后，求得准确率平均值为93.15%；合格率平均值为92.67%。 

本发明的具体实施方式并非穷举，本领域技术人员不经过创造性劳动的简单复制和改进，应属于本发明权利要求的保护范围。