区域风电短期功率的预测方法及预测装置与流程

本发明涉及新能源发电领域，尤其涉及一种区域风电短期功率的预测方法及预测装置。

背景技术：

风电功率预测是新能源调度的关键基础，根据风电出力预测曲线优化日前机组组合、动态滚动调整常规机组出力，降低备用容量，从而降低系统运行成本。风电功率预测通常针对单个风电场开展，但随着风资源富集地区的电源集中开发，逐步形成了大规模风电基地，区域风电出力总值的预测变得越来越重要。

传统的区域风电功率预测方法是单场功率累加法，即将区域内各个风电场功率预测结果同时标相加得到区域风电功率预测值。但这种方法存在明显的局限性，如：①对于数据条件不完备的风电场，个别风电场功率预测精度差可能拖累整个区域预测精度；②新建风电场在并网初期尚未建立预测系统；③不适用于有较多不配置风电功率预测功能模块的分散式风电接入的区域。

技术实现要素：

综上所述，针对上述问题，确有必要提供一种区域风电短期功率的预测方法及预测装置。

一种区域风电短期功率的预测方法，其中，所述方法包括：

对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域；

获取区域中各风电场的出力与区域风电出力的相关性系数；

获取每一子区域中各风电场的预测误差；

在每个子区域中，根据相关性系数和预测误差选择至少一个风电场作为代表风电场；

根据子区域的装机容量计算代表风电场的权重系数；以及

根据各个代表风电场功率预测值及权重系数，获得区域风电功率预测值。

相对于传统技术，本发明提供的区域风电短期功率的预测方法，通过获取区域中代表风电场及权重系数的方式，能够减少区域预测模型对单风电场数据完备性和预测精度的依赖。

作为其中一个实施例，所述对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域的步骤包括：

对区域内风电场的历史功率序列进行经验正交函数分解，得到空间型矩阵；

使用层次聚类法对经验正交函数分解得到的空间型矩阵进行聚类分析，获得聚类结果；以及

基于层次聚类结果，将区域划分为若干子区域。

作为其中一个实施例，所述对区域内风电场的历史功率序列进行经验正交函数分解，得到空间型矩阵的步骤包括：

获取区域内所有风电场的历史功率数据样本，得到原始数据矩阵x；

对原始数据矩阵x进行标准化处理，得到标准化矩阵y；

计算标准化矩阵y的协方差矩阵r，其中；

计算矩阵r的特征根，并将特征根按照大小排序，得到各特征根的特征向量，作为原始风电场的各空间型，形成空间型矩阵。

作为其中一个实施例，所述使用层次聚类法对经验正交函数分解得到的空间型矩阵进行聚类分析，获得聚类结果的步骤包括：

初始构造n个类，这里n即为待划分的风电场的数量；

计算n个样本两两之间的欧式距离，得到距离矩阵d；

计算类间距离，确定并合并距离最相近的2个类为1个新类；

判断聚类后的类的数量是否为1，若类的个数不等于1，则重复计算类间距离，确定并合并距离最相近的2个类为1个新类，直到聚类后的类的数量为1；

获取层次聚类结果。

作为其中一个实施例，所述根据相关性系数和预测误差选择至少一个风电场作为代表风电场的步骤包括：

在每个子区域中，选择一个相关性系数和预测水平都高于平均水平的风电场作为代表风电场。

一种区域风电短期功率的预测装置，其中，所述装置包括：

区域划分模块，用于对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域；

相关性系数获取模块，用于获取区域中各风电场的出力与区域风电出力的相关性系数；

误差获取模块，用于获取每一子区域中各风电场的预测误差；

风电场选择模块，用于在每个子区域中，根据相关性系数和预测误差选择至少一个风电场作为代表风电场；

权重系数计算模块，用于根据子区域的装机容量计算代表风电场的权重系数；

风电功率预测模块，用于根据各个代表风电场功率预测值及权重系数，计算区域风电功率预测值。

相对于传统技术，本发明提供的区域风电短期功率的预测装置，通过确定区域中代表风电场及权重系数的方式，能够减少区域预测模型对单风电场数据完备性和预测精度的依赖。

作为其中一个实施例，所述区域划分模块包括：

空间型矩阵获取单元，用于对区域内风电场的历史功率序列进行经验正交函数分解，得到空间型矩阵；

聚类单元，用于使用层次聚类法对经验正交函数分解得到的空间型矩阵进行聚类分析，获得层次聚类结果；

子区域划分单元，用于基于层次聚类结果，将区域划分为若干子区域。

作为其中一个实施例，所述空间型矩阵获取单元还用于：

获取区域内所有风电场的历史功率数据样本，得到原始数据矩阵x；

对原始数据矩阵x进行标准化处理，得到标准化矩阵y；

计算标准化矩阵y的协方差矩阵r，其中；

计算矩阵r的特征根，并将特征根按照大小排序，得到各特征根的特征向量，作为原始风电场的各空间型，形成空间型矩阵。

作为其中一个实施例，聚类单元还用于：

初始构造n个类，这里n即为待划分的风电场的数量；

计算n个样本两两之间的欧式距离，得到距离矩阵d；

计算类间距离，确定并合并距离最相近的2个类为1个新类；

判断聚类后的类的数量是否为1，若类的个数不等于1，则再次计算类间距离，确定并合并距离最相近的2个类为1个新类，直到聚类后的类的数量为1；

获取层次聚类结果。

作为其中一个实施例，所述风电场选择模块还用于：

在每个子区域中，选择一个相关性系数和预测水平都高于平均水平的风电场作为代表风电场。

附图说明

图1为本发明实施例提供的区域风电短期功率的预测方法的流程框图；

图2为本发明实施例提供的区域风电短期功率的预测装置的结构框图。

具体实施方式

下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。

升尺度预测是指建立区域出力值和具有可用在线数据的若干风电场的出力值之间的函数映射关系，能够在只具有一定数量的风电场数据的条件下，较准确地预测出整个区域的风电出力。因此，本发明提出一种区域风电短期功率统计升尺度预测方法，从而减少区域预测模型对单风电场数据完备性和预测精度的依赖。

请参阅图1，本发明实施例提供的区域风电短期功率的预测方法，包括如下步骤：

步骤s10，对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域；

步骤s20，获取区域中各风电场的出力与区域风电出力的相关性系数；

步骤s30，获取每一子区域中各风电场的预测误差；

步骤s40，在每个子区域中，根据相关性系数和预测误差选择至少一个风电场作为代表风电场；

步骤s50，根据子区域的装机容量计算代表风电场的权重系数；

步骤s60，根据各个代表风电场功率预测值及权重系数，计算区域风电功率预测值。

在步骤s10中，对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域包括：

步骤s11，对区域内风电场的历史功率序列进行经验正交函数(eof)分解，得到空间型矩阵。

具体地，对区域内风电场的历史功率序列进行经验正交函数分解的具体过程包括：

步骤s111，获取区域内所有风电场的历史功率数据样本，得到原始数据矩阵x；

步骤s112，对原始数据矩阵x进行标准化处理，得到标准化矩阵y；

步骤s113，计算标准化矩阵y的协方差矩阵r，其中r＝yy^t；

步骤s114，计算矩阵r的特征根，并将特征根按照大小排序，得到各特征根的特征向量，作为原始风电场的各空间型，形成空间型矩阵；

将特征根按照大小排序，使λ1≥λ2≥...≥λm≥0，各特征根对应的特征向量分别为v1,v2,...,vm，其中v1,v2,...,vm即为原始风电场的各空间型。

作为其中一个实施例，进一步，得到空间型矩阵之后，还可包括：

步骤s115，计算各空间型的方差贡献率。

在步骤s115中，空间型vm的方差贡献率为前k个空间型的贡献率之和称为前k个空间型的累计贡献率。

步骤s12，通过聚类法对经验正交函数分解得到的空间型矩阵进行聚类分析，获得聚类结果。

所述聚类法可为层次聚类法、k-means聚类法等方法。本实施例中采用层次聚类法，此处层次聚类法的输入数据是eof分解得到的前k个累计方差贡献率较高的空间型，具体步骤如下：

步骤s121，初始构造n个类，这里n即为待划分的风电场的数量；

步骤s122，计算n个样本两两之间的欧式距离，得到距离矩阵d；

步骤s123，计算类间距离，确定并合并距离最相近的2个类为1个新类；

步骤s124，判断聚类后的类的数量是否为1，若类的个数不等于1，则重复执行步骤s123，直到聚类后的类的数量为1；

步骤s125，获取层次聚类结果。

在步骤s123中，可通过离差平方和法、单联接聚合规则、完全联接聚合规则、类间平均联接聚合规则、类内平均联接聚合规则中的至少任意一种计算类间距离。

步骤s13，基于层次聚类结果，将区域划分为若干子区域。

根据层次聚类结果，取类的数目为所需子区域的个数，则聚类结果中同一类中的风电场被划分到同一个子区域。

在步骤s20所述的获取区域中各风电场的出力与区域风电出力的相关性系数的步骤中，结合区域内各个风电场功率历史数据及区域风电功率历史数据，获取区域内各个风电场与区域风电功率之间的相关性系数，如下式：

其中pk表示第k个风电场的功率序列，表示该序列平均值；pall表示区域风电功率序列，表示该序列平均值；n表示时间序列长度。

在步骤s30中，所述预测误差包括各风电场预测功率的方均根误差和平均绝对误差。

在步骤s40中，在每个子区域中，可以选择一个相关性系数和预测水平都高于平均水平的风电场作为代表风电场。

在步骤s50中，每个子区域中，代表风电场的权重系数可以通过计算该类中所有风电场装机容量的总和与该代表风电场装机容量的比值。

在步骤s60中，可根据各代表风电场的功率预测值及其权重系数，通过以下公式计算区域风电功率预测值：

pall,f＝σbkpk,f

其中pall,f为区域风电功率预测值，pk,f为第k个代表风电场的功率预测值，bk为第k个代表风电场的权重系数。

本发明提供的区域风电短期功率的预测方法，通过确定区域中代表风电场及权重系数的方式，无需对所有的风电场的预测功率进行预测，仅需要部分风电场的预测功率即可获得区域风电预测功率，能够减少区域预测模型对单风电场数据完备性和预测精度的依赖。

请一并参阅图2，本发明实施例进一步提供一种区域风电短期功率的预测装置1000，包括：

区域划分模块100，用于对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域；

相关性系数获取模块200，用于获取区域中各风电场的出力与区域风电出力的相关性系数；

误差获取模块300，用于获取每一子区域中各风电场的预测误差；

风电场选择模块400，用于在每个子区域中，根据相关性系数和预测误差选择至少一个风电场作为代表风电场；

权重系数计算模块500，用于根据子区域的装机容量计算代表风电场的权重系数；

风电功率预测模块600，用于根据各个代表风电场功率预测值及权重系数，计算区域风电功率预测值。

所述区域划分模块100用于对区域内的风电场进行聚类，并根据聚类结果将区域划分为多个子区域，该区域划分模块100包括：

空间型矩阵获取单元101，用于对区域内风电场的历史功率序列进行经验正交函数(eof)分解，得到空间型矩阵；

聚类单元103，用于使用层次聚类法对经验正交函数分解得到的空间型矩阵进行聚类分析，获得层次聚类结果；

子区域划分单元105，用于基于层次聚类结果，将区域划分为若干子区域。

具体地，该空间型矩阵获取单元101还用于：

获取区域内所有风电场的历史功率数据样本，得到原始数据矩阵x；

对原始数据矩阵x进行标准化处理，得到标准化矩阵y；

计算标准化矩阵y的协方差矩阵r，其中r＝yy^t；

计算矩阵r的特征根，并将特征根按照大小排序，得到各特征根的特征向量，作为原始场的各空间型。

作为其中一个实施例，该空间型矩阵获取单元101还用于：计算各空间型的方差贡献率。

该聚类单元103还用于：

初始构造n个类，这里n即为待划分的风电场的数量；

计算n个样本两两之间的欧式距离，得到距离矩阵d；

计算类间距离，确定并合并距离最相近的2个类为1个新类；

判断聚类后的类的数量是否为1，若类的个数不等于1，则再次利用离差平方和法计算类间距离，确定并合并距离最相近的2个类为1个新类，直到聚类后的类的数量为1；

获取层次聚类结果。

该子区域划分单元105用于根据层次聚类结果，取的数目为所需子区域的个数，将聚类结果中同一类中的风电场被划分到同一个子区域。

相关性系数获取模块200用于结合区域内各个风电场功率历史数据及区域风电功率历史数据，获取各个风电场与区域风电功率之间的相关性系数，如下式：

其中pk是第k个风电场的功率序列，表示该序列平均值；pall是区域风电功率序列，表示该序列平均值；n表示时间序列长度。

该误差获取模块300可用于获取所述预测误差包括各风电场预测功率的方均根误差和平均绝对误差。

该风电场选择模块400可用于在每个子区域中，选择一个相关性系数和预测水平都高于平均水平的风电场作为代表风电场。

该权重系数计算模块500可用于通过在每个子区域中，计算该类中所有风电场装机容量的总和与该代表风电场装机容量的比值得到代表风电场的权重系数。

风电功率预测模块600可用于根据各代表风电场的功率预测值及其权重系数，通过以下公式计算区域风电功率预测值：

pall,f＝∑bkpk,f

其中pall,f为区域风电功率预测值，pk,f为第k个代表风电场的功率预测值，bk为第k个代表风电场的权重系数。

本发明提供的区域风电短期功率的预测装置，通过确定区域中代表风电场及权重系数的方式，无需对所有的风电场的预测功率进行预测，仅需要部分风电场的预测功率即可获得区域风电预测功率，能够减少区域预测模型对单风电场数据完备性和预测精度的依赖。

为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。