一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)方法及裝置的制造方法
【專利說明】
[0001] 本申請(qǐng)要求申請(qǐng)日為2014年8月19日、申請(qǐng)?zhí)枮?01410409322. 1、名稱為"一種 基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)方法及裝置"的優(yōu)先權(quán)。
技術(shù)領(lǐng)域
[0002] 本發(fā)明涉及電力信息技術(shù)領(lǐng)域，特別涉及一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷 預(yù)測(cè)方法及裝置。
【背景技術(shù)】
[0003] 風(fēng)能是理想的清潔能源，風(fēng)能發(fā)電避免了火力發(fā)電對(duì)大氣的污染、水力發(fā)電對(duì)生 態(tài)環(huán)境的影響。隨著風(fēng)電技術(shù)的不斷發(fā)展和風(fēng)電場(chǎng)的規(guī)模不斷增大，為了保證電力系統(tǒng)的 穩(wěn)定運(yùn)行和供電可靠性，必須對(duì)風(fēng)電系統(tǒng)進(jìn)行有效的規(guī)劃和調(diào)度。由于風(fēng)電本身所特有的 間歇性和不確定性，增加了電網(wǎng)調(diào)度的難度，為了解決風(fēng)電場(chǎng)的發(fā)電量不確定問題，電網(wǎng)必 須提供足夠的旋轉(zhuǎn)備用容量，而旋轉(zhuǎn)備用容量的增加間接地增加了風(fēng)力發(fā)電的整體運(yùn)營(yíng)成 本，所以需要對(duì)風(fēng)電場(chǎng)的輸出功率進(jìn)行預(yù)測(cè)，通過對(duì)風(fēng)電場(chǎng)發(fā)電量進(jìn)行準(zhǔn)確的預(yù)測(cè)，可以大 幅降低電網(wǎng)旋轉(zhuǎn)備用容量，從而有效降低風(fēng)力發(fā)電系統(tǒng)的運(yùn)行成本，為電網(wǎng)調(diào)度運(yùn)行提供 可靠依據(jù)。一個(gè)準(zhǔn)確度高的風(fēng)電負(fù)荷預(yù)測(cè)方法是非常關(guān)鍵的。
[0004] 負(fù)荷預(yù)測(cè)的核心問題是預(yù)測(cè)的技術(shù)方法，或者說是預(yù)測(cè)的數(shù)學(xué)模型。隨著現(xiàn)代科 學(xué)技術(shù)的快速發(fā)展，負(fù)荷預(yù)測(cè)技術(shù)的研究也在不斷深化，各種各樣的負(fù)荷預(yù)測(cè)方法不斷涌 現(xiàn)，從經(jīng)典的單耗法，統(tǒng)計(jì)分析法，到目前的灰色預(yù)測(cè)法，專家系統(tǒng)發(fā)和模糊數(shù)學(xué)法，甚至到 神經(jīng)網(wǎng)絡(luò)法，優(yōu)選組合法和小波分析法，它們各自有各自的研究特點(diǎn)和使用條件，也都可以 應(yīng)用到風(fēng)電的負(fù)荷預(yù)測(cè)中去，但是單獨(dú)預(yù)測(cè)的效果不是很突出，預(yù)測(cè)的精度比較低。因此， 如何根據(jù)風(fēng)電的強(qiáng)隨機(jī)性和不穩(wěn)定特性，使用一種新的方法來提高對(duì)風(fēng)電功率預(yù)測(cè)的精 度，特別是提高在波峰波谷上的預(yù)測(cè)精度，是目前特需解決的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)的方法及裝 置，以解決現(xiàn)有風(fēng)電負(fù)荷預(yù)測(cè)方法預(yù)測(cè)不可靠、不準(zhǔn)確，效果一般的問題。
[0006] 本發(fā)明的第二目的在于提供一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)的方法 及裝置，以解決現(xiàn)有風(fēng)電負(fù)荷預(yù)測(cè)方法預(yù)測(cè)的精度差、計(jì)算速度緩慢的問題。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)方 法，包括以下步驟：
[0008] (1)獲取若干天的風(fēng)力發(fā)電負(fù)荷數(shù)據(jù)作為原始數(shù)據(jù)，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理；
[0009] (2)對(duì)預(yù)處理的數(shù)據(jù)進(jìn)行頻域分解，得到日周期部分、周周期部分、月周期部分、低 頻部分和高頻部分的數(shù)據(jù)分量；
[0010] (3)分別對(duì)日周期部分、周周期部分、月周期部分、低頻部分和高頻部分的數(shù)據(jù)分 量進(jìn)行預(yù)測(cè)；
[0011] (4)將各部分的預(yù)測(cè)結(jié)果疊加，輸出最終的預(yù)測(cè)結(jié)果。
[0012] 其中，所述步驟（3)包括：采用LWT-LSSVM的預(yù)測(cè)方法分別對(duì)所述日周期部分和高 頻部分的數(shù)據(jù)分量進(jìn)行預(yù)測(cè)，得到日周期部分及高頻部分的預(yù)測(cè)結(jié)果；直接去除周周期和 月周期部分分解后的數(shù)據(jù)分量；采用線性回歸分析法預(yù)測(cè)低頻部分的數(shù)據(jù)分量，得到低頻 部分的預(yù)測(cè)結(jié)果。
[0013] 較佳地，所述步驟（1)中的預(yù)處理具體為：去除原始數(shù)據(jù)中錯(cuò)誤的數(shù)據(jù)。
[0014] 較佳地，所述步驟（2)具體包括：a、建立頻域分解數(shù)學(xué)模型；b、對(duì)預(yù)處理的歷史負(fù) 荷數(shù)據(jù)進(jìn)行頻域分解，得到日周期部分、周周期部分、月周期部分、低頻部分和高頻部分的 數(shù)據(jù)分量。
[0015] 較佳地，所述步驟a具體為：設(shè)歷史負(fù)荷數(shù)據(jù)所在的時(shí)間域?yàn)镈，P(t)是時(shí)間域 D里的負(fù)荷時(shí)間序列，對(duì)其做傅立葉分解，具體如式（1)所示。
[0017] 式中，N為歷史負(fù)荷序列的數(shù)據(jù)量。負(fù)荷時(shí)間序列P(t)被分解成角頻率為
的分量，并組合獲得式（2):
[0018] P(t) = a〇+D(t)+ff (t)+M(t)+L(t)+H(t) (2)
[0019] 式中，afDU)為日周期部分的負(fù)荷數(shù)據(jù)分量，W(t)為周周期部分的負(fù)荷數(shù)據(jù)分 量，M(t)為月周期部分的負(fù)荷數(shù)據(jù)分量，L(t)為低頻部分?jǐn)?shù)據(jù)分量，H(t)為高頻部分?jǐn)?shù)據(jù) 分量。
[0020] 較佳地，所述步驟b具體為：若對(duì)電力負(fù)荷一天進(jìn)行K次采樣，則日周期分量 a0+D(t)的角頻率集合為：
周周期分量W(t)的角頻率集 合為：
月周期分量M(t)的角頻率集合 為：
；
[0021] 低頻分量L(t)的角頻率集合為
高 頻分量H (t)的角頻率集合為：
[0022] 較佳地，所述LWT-LSSVM的預(yù)測(cè)方法具體為：首先對(duì)數(shù)據(jù)分量進(jìn)行三層提升小波 分解得到分解信號(hào)，然后對(duì)所述分解信號(hào)采用LSSVM模型進(jìn)行訓(xùn)練和預(yù)測(cè)，得到預(yù)測(cè)結(jié)果。
[0023] 本發(fā)明還提供了一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)方法，包括以下步 驟：
[0024] (1)獲取若干天的風(fēng)力發(fā)電負(fù)荷數(shù)據(jù)作為原始數(shù)據(jù)，對(duì)原始數(shù)據(jù)采用周對(duì)齊方法 進(jìn)行預(yù)處理，剔除其中的錯(cuò)誤數(shù)據(jù)，填補(bǔ)缺失數(shù)據(jù)；
[0025] (2)對(duì)預(yù)處理的數(shù)據(jù)進(jìn)行頻域分解，得到日周期部分、周周期部分、月周期部分、低 頻部分和高頻部分的數(shù)據(jù)分量；
[0026] (3)分別對(duì)日周期部分、周周期部分、月周期部分、低頻部分和高頻部分的數(shù)據(jù)分 量進(jìn)行預(yù)測(cè)；
[0027] (4)將各部分的預(yù)測(cè)結(jié)果疊加，輸出最終的預(yù)測(cè)結(jié)果。
[0028] 其中，所述步驟（3)包括：采用基于閥值去噪的LWT-LSSVM的預(yù)測(cè)方法分別對(duì)所述 日周期部分和高頻部分的數(shù)據(jù)分量進(jìn)行預(yù)測(cè)，得到日周期部分及高頻部分的預(yù)測(cè)結(jié)果；直 接去除周周期和月周期部分分解后的數(shù)據(jù)分量；采用線性回歸分析法預(yù)測(cè)低頻部分的數(shù)據(jù) 分量，得到低頻部分的預(yù)測(cè)結(jié)果。
[0029] 較佳地，所述周對(duì)齊方法具體包括以下步驟：
[0030] a、針對(duì)不同因素對(duì)數(shù)據(jù)的影響，建立相似度的計(jì)算法則，并在此基礎(chǔ)上進(jìn)行相似 周選??；
[0031] b、比較兩個(gè)相似周，繪制周負(fù)荷曲線，找到錯(cuò)誤或異變的數(shù)據(jù)，并進(jìn)行剔除；
[0032] c、根據(jù)相似度排列相似周，選取相似度大于80 %的相似周的數(shù)據(jù)進(jìn)行取平均值處 理，得到的數(shù)據(jù)用于填補(bǔ)待處理周缺失的數(shù)據(jù)。
[0033] 較佳地，所述步驟（2)具體包括：a、建立頻域分解數(shù)學(xué)模型；b、對(duì)預(yù)處理的歷史負(fù) 荷數(shù)據(jù)進(jìn)行頻域分解，得到日周期部分、周周期部分、月周期部分、低頻部分和高頻部分的 數(shù)據(jù)分量；
[0034] 所述步驟a具體為：設(shè)歷史負(fù)荷數(shù)據(jù)所在的時(shí)間域?yàn)镈，P⑴是時(shí)間域D里的負(fù) 荷時(shí)間序列，對(duì)其做傅立葉分解，具體如式（1)所示。
[0036] 式中，N為歷史負(fù)荷序列的數(shù)據(jù)量。負(fù)荷時(shí)間序列P(t)被分解成角頻率為
的分量，并組合獲得式（2):
[0037] P (t) = a〇+D (t)+ff (t)+M (t)+L (t)+H (t) (2)
[0038] 式中，％+Da)為日周期部分的負(fù)荷數(shù)據(jù)分量，W(t)為周周期部分的負(fù)荷數(shù)據(jù)分 量，M(t)為月周期部分的負(fù)荷數(shù)據(jù)分量，L(t)為低頻部分?jǐn)?shù)據(jù)分量，H(t)為高頻部分?jǐn)?shù)據(jù) 分量；
[0039] 所述步驟b具體為：若對(duì)電力負(fù)荷一天進(jìn)行K次采樣，則日周期分量aQ+D(t)的 角頻率集合為：
；周周期分量W(t)的角頻率集合為：
月周期分量M(t)的角頻率集合為：
[0040] 低頻分量L(t)的角頻率集合為
>高 頻分量H (t)的角頻率集合為：
[0041] 較佳地，所述基于閥值去噪法的LWT-LSSVM的預(yù)測(cè)方法具體為：首先選擇db6小波 對(duì)信號(hào)進(jìn)行3層小波包分解得到分解信號(hào)；再將由軟、硬閥值法得到的軟、硬閾值通過加權(quán) 平均處理，得到新的閥值函數(shù)，在新的閥值函數(shù)中對(duì)高頻小波系數(shù)用閾值λ進(jìn)行量化，得 出估計(jì)小波系數(shù)^然后，根據(jù)第3層低頻系數(shù)和估計(jì)小波系數(shù)^進(jìn)行小波重構(gòu)；最 后對(duì)所述分解信號(hào)采用LSSVM模型進(jìn)行訓(xùn)練和預(yù)測(cè)，得到預(yù)測(cè)結(jié)果；
[0042] 其中，設(shè)加權(quán)因子為0. 5,則構(gòu)造新的閥值函數(shù)如下：
[0044] 其中，λ為設(shè)定的閥值，Wjik為小波系數(shù)。
[0045] 本發(fā)明還提供了一種基于頻域分解的風(fēng)力發(fā)電短期負(fù)荷預(yù)測(cè)裝置，包括預(yù)處理 單元、頻域分解單元、預(yù)測(cè)單元及結(jié)果輸出單元；
[0046] 所述預(yù)處理單元用于對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理；所述頻域分解單元用于對(duì)預(yù)處理的 數(shù)據(jù)進(jìn)行頻域分解，得到日周期部分、周周期部分、月周期部分、低頻部分和高頻部分的數(shù) 據(jù)分量；所述預(yù)測(cè)單元用于分別對(duì)日周期部分、周周期部分、月周期部分、低頻部分和高頻 部分的數(shù)據(jù)分量進(jìn)行預(yù)測(cè)；所述結(jié)果輸出單元用于將各部分的預(yù)測(cè)結(jié)果疊加，并輸出最終 的預(yù)測(cè)結(jié)果；
[0047] 其中，所述預(yù)測(cè)單元包括：日周期和高頻預(yù)測(cè)子單元、周周期和月周期預(yù)測(cè)子單元 以及低頻預(yù)測(cè)子單元，所述日周期和高頻預(yù)測(cè)子單元用于分別對(duì)所述日周期部分和高頻部 分的數(shù)據(jù)分量進(jìn)行基于LWT-LSSVM預(yù)測(cè)方法的預(yù)測(cè)；周周期和月周期預(yù)測(cè)子單元用于去除 周周期和月周期部分分解后的數(shù)據(jù)分量；低頻預(yù)測(cè)子單元用于對(duì)低頻部分的數(shù)據(jù)分量進(jìn)行 基于線性回歸分析法的預(yù)測(cè)。
[004