一种基于多协变量融合的长时序风功率外推方法与流程

摘要: 本发明涉及风力发电功率预测,尤其是涉及一种基于多协变量融合的长时序风功率外推方法。背景技术:1、风力发电作为清洁能源的重要组成部分,其输出功率受风速、风向、温度...
一种基于多协变量融合的长时序风功率外推方法与流程

本发明涉及风力发电功率预测,尤其是涉及一种基于多协变量融合的长时序风功率外推方法。

背景技术:

1、风力发电作为清洁能源的重要组成部分,其输出功率受风速、风向、温度、气压、湿度等多种气象要素的综合影响,具有显著的随机性与波动性。风电场长时序风功率外推是指依据历史气象数据与功率数据向未来延伸预测风电场输出功率的过程,预测结果对电网调度、机组运维与电力交易具有重要支撑作用。多协变量原始序列由多个气象协变量时间序列与风功率历史序列构成,是开展功率外推的基础数据。

2、现有的风功率预测技术通常直接采集风电场的气象数据与功率数据,将各气象要素与功率数据按同一时刻组织为输入特征,采用固定权重对气象要素进行加权或直接并列输入预测模型,再借助自回归模型或神经网络对功率序列进行递推预测,向未来外推得到功率结果。部分方案对功率序列进行简单平滑处理后再行预测。

3、上述现有技术在处理气象要素与功率之间的关系时,往往忽略气象要素变化对功率影响存在的时间延迟,且该延迟随环境动态改变,导致驱动信息在时间维度上错位。各气象要素对功率的影响强度随时段变化,采用固定权重难以适应耦合关系的动态演变。功率序列中趋势成分与波动成分的演化规律不同,未加区分的整体递推难以兼顾两者。随着外推步长增加,递推误差逐步累积,功率预测偏差随外推时程延长而放大。

技术实现思路

1、为解决上述问题,本发明提供了一种基于多协变量融合的长时序风功率外推方法,采用对多气象协变量进行动态时滞重对齐与耦合强度自适应加权融合并对功率趋势与波动分量分别递推叠加、再依据表征衰减程度结合反馈修正迭代补偿累积误差的手段,能够提升长时序风功率外推的时序准确性与整体稳定性。

2、上述目标可以通过如下方案实现:

3、一种基于多协变量融合的长时序风功率外推方法,包括获取风电场的多个气象协变量时间序列与风功率历史序列,得到多协变量原始序列;

4、针对多协变量原始序列中的各协变量,计算各协变量相对于风功率历史序列的动态时滞偏移量,并依据动态时滞偏移量对各协变量沿时间轴进行重对齐,得到时滞对齐协变量序列;

5、在滑动时间窗内度量时滞对齐协变量序列中各协变量与风功率历史序列之间的耦合强度,得到协变量耦合强度序列;

6、依据协变量耦合强度序列对时滞对齐协变量序列中的各协变量进行加权融合,得到协变量融合表征;

7、将风功率历史序列分解为功率趋势分量与功率波动分量;

8、以协变量融合表征为驱动,分别对功率趋势分量与功率波动分量沿外推时程逐步递推并叠加,得到初始外推功率序列;

9、依据协变量融合表征在外推时程上的表征衰减程度估计外推误差累积因子,并利用外推误差累积因子对初始外推功率序列沿外推时刻逐步补偿,得到长时序风功率外推结果。

10、基于相同的发明构思,本发明还提供了一种基于多协变量融合的长时序风功率外推系统,所述系统包括:

11、序列获取模块,用于获取风电场的多个气象协变量时间序列与风功率历史序列,得到多协变量原始序列;

12、时滞对齐模块,用于针对多协变量原始序列中的各协变量,计算各协变量相对于风功率历史序列的动态时滞偏移量,并依据动态时滞偏移量对各协变量沿时间轴进行重对齐,得到时滞对齐协变量序列;

13、耦合度量模块,用于在滑动时间窗内度量时滞对齐协变量序列中各协变量与风功率历史序列之间的耦合强度,得到协变量耦合强度序列;

14、协变量融合模块,用于依据协变量耦合强度序列对时滞对齐协变量序列中的各协变量进行加权融合,得到协变量融合表征;

15、序列分解模块,用于将风功率历史序列分解为功率趋势分量与功率波动分量;

16、逐步外推模块,用于以协变量融合表征为驱动,分别对功率趋势分量与功率波动分量沿外推时程逐步递推并叠加,得到初始外推功率序列;

17、误差补偿模块,用于依据协变量融合表征在外推时程上的表征衰减程度估计外推误差累积因子,并利用外推误差累积因子对初始外推功率序列沿外推时刻逐步补偿,得到长时序风功率外推结果。

18、与现有技术相比,本发明具有如下优点:

19、本发明通过对各气象协变量计算动态时滞偏移量并沿时间轴重对齐,使协变量变化与其对功率的实际影响在时间维度上精确对应,提升了驱动信息的时序有效性。

20、本发明通过在滑动时间窗内度量协变量与功率的耦合强度并进行自适应筛选与稳定加权融合,凸显了对功率预测具有实质贡献的气象成分,抑制了低相关协变量的干扰。

21、本发明通过将风功率分解为趋势分量与波动分量并分别递推叠加,兼顾了功率的长期演变规律与短期随机起伏,改善了长时序外推的整体拟合能力。

22、本发明通过依据表征衰减程度估计误差累积因子并结合反馈修正迭代补偿,有效抑制了随外推步长增长而累积的系统性偏差,增强了长时序风功率外推的精度与稳定性。

1.一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述方法包括:

2.根据权利要求1所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述得到时滞对齐协变量序列包括:

3.根据权利要求2所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述得到协变量耦合强度序列包括:

4.根据权利要求3所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述得到协变量融合表征包括:

5.根据权利要求4所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述对所述时变融合权重进行平滑抑制,得到稳定融合权重包括:

6.根据权利要求4所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述将风功率历史序列分解为功率趋势分量与功率波动分量包括:

7.根据权利要求6所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述得到初始外推功率序列包括:

8.根据权利要求7所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,所述得到长时序风功率外推结果包括:

9.根据权利要求8所述的一种基于多协变量融合的长时序风功率外推方法,其特征在于,得到长时序风功率外推结果之后,还包括:

10.一种基于多协变量融合的长时序风功率外推系统,其特征在于,所述系统包括: