风电数据预处理方法及风电功率预测方法和系统的制作方法
【专利摘要】本发明提供一种用于风电功率预测的风电数据预处理方法以及风电功率预测方法和系统，其中，风电数据预处理方法包括：对风电数据进行聚类形成簇，得到簇外孤立点，并从每个簇内提取出中心点；以及，基于与簇内点的功率值的差异，从所述簇外孤立点中筛选出一个或多个孤立点。风电功率预测方法包括：对于采集到的风电数据，根据上述风电数据预处理方法选出部分数据；以及根据选出的数据预测风电功率信息。本发明通过从原始风电数据中提取特殊点，提高了风电功率的预测效率；并且在特殊点的提取过程中保证了数据的真实性，提高了风电功率的预测精度。
【专利说明】风电数据预处理方法及风电功率预测方法和系统
【技术领域】
[0001]本发明涉及电力【技术领域】，以及更具体地，涉及一种用于风电功率预测的风电数据预处理方法以及风电功率预测方法和系统。
【背景技术】
[0002]风能作为一种清洁的可再生能源，越来越受到世界各国的重视。但由于风能具有间歇性和波动性等特性，使得风电的大规模接入会对电网产生巨大影响，例如导致电力系统的实时运行调度和潮流控制的难度增加。风电功率预测可减轻风电对电网的冲击、提高电网运行的经济性和安全性，因此准确的风电功率预测是风力发电健康发展的保障。目前，风电功率预测的步骤主要包括:采集风电数据、对采集到的风电数据进行预处理，以及使用处理后的数据来预测未来的风电功率。其中，预处理过程的目的在于摈弃与后续工作不相关的数据，并且提供干净、准确、更有针对性的数据。因此，要准确地预测风电功率，需首先对采集到的风电数据进行有效的预处理。
[0003]图1示出了一种用于剔除功率异常点的风电数据预处理方法，该方法通过统计拟合形成数值天气预报(NWP)数据和风电场实测功率的统计拟合曲线，剔除限电、NWP故障等明显的功率异常点。该方法对原始的大量风电数据进行了清理，但由于剔除了不在拟合曲线上的点，而这些点可能对风电功率预测有帮助，使得处理后的数据缺乏真实性，从而导致风电功率的预测精度较低。此外，该方法没有对风电数据进行有效约简(仅清理少量数据)，因此预测效率较低。
[0004]另一种分层抽样方法对原始风电数据进行约简，该方法通过将数据总体分成互不交叉的层，然后按一定的比例从各层独立地抽取一定数量的个体，将这些个体作为新样本。尽管在现有的各种风电数据预处理方法中，采用分层抽样方法得到的预测精度要高于其他方法，但该方法本身随机性较大并且没有考虑层的边界及总体具有的特征，因此其预测精度总体来说仍然比较低。
[0005]综上所述，现有的风电数据预处理方法通常忽略或过滤掉某些异常点，对风电数据的真实性造成了影响，或者方法本身具有随机性，从而导致风电功率的预测精度较低。此夕卜，有的风电数据预处理方法会导致预测效率较低。如何提高风电功率的预测精度和预测效率，仍然是风电领域当前需要解决的问题。
【发明内容】
[0006]针对上述问题，根据本发明的一个实施例，提供一种风电数据预处理方法，该方法包括:
[0007]步骤I)、对风电数据进行聚类形成簇，得到簇外孤立点，并且从每个簇内提取出中心点；其中，所述风电数据指示采集时间和在该时间采集到的功率值。
[0008]步骤2)、基于与簇内点的功率值的差异，从所述簇外孤立点中筛选出一个或多个孤立点。
[0009]在一个实施例中,所述中心点是位于簇内中心位置的点。
[0010]在一个实施例中，步骤I)包括:在包含风电数据的区域中采用基于密度的聚类方法对所述风电数据进行聚类；其中，所述区域具有时间维度和功率值维度。
[0011]在一个实施例中，步骤I)还包括:从每个簇内提取出功率值最大的点和功率值最小的点。
[0012]在一个实施例中，步骤2)包括:
[0013]步骤21)、得到由在相邻的簇外孤立点之间、第一个簇外孤立点之前和最后一个簇外孤立点之后的风电数据构成的多个风电数据包,计算每个风电数据包的功率值均值和标准差；
[0014]步骤22)、对于每个簇外孤立点,计算该簇外孤立点的功率值与在该簇外孤立点之前或者之后的风电数据包的功率值均值的差值，根据该差值以及在该簇外孤立点之前或者之后的风电数据包的功率值标准差确定是否选择该簇外孤立点。
[0015]在进一步的实施例中，步骤22)包括:对于每个簇外孤立点执行以下步骤:
[0016]步骤221)、分别计算该簇外孤立点的功率值与前两个风电数据包以及后一个风电数据包的功率值均值的差值，选择其中最小的差值；
[0017]步骤222)、如果所选差值不小于前一个风电数据包的功率值标准差的三倍，则选择该簇外孤立点。
[0018] 在一个实施例中，根据下式计算风电数据包的功率值标准差σ:
[0019]
【权利要求】
1.一种风电数据预处理方法，包括: 步骤I)、对风电数据进行聚类形成簇，得到簇外孤立点，并且从每个簇内提取出中心点；其中，所述风电数据指示采集时间和在该时间采集到的功率值； 步骤2)、基于与簇内点的功率值的差异，从所述簇外孤立点中筛选出一个或多个孤立点。
2.根据权利要求1所述的方法，其中，步骤I)包括: 在包含风电数据的区域中采用基于密度的聚类方法对所述风电数据进行聚类；其中，所述区域具有时间维度和功率值维度。
3.根据权利要求1或2所述的方法，其中，所述中心点是位于簇内中心位置的点。
4.根据权利要求1或2所述的方法，其中，步骤I)还包括: 从每个簇内提取出功率值最大的点和功率值最小的点。
5.根据权利要求1或2所述的方法，其中，步骤2)包括: 步骤21)、得到由在相邻的簇外孤立点之间、第一个簇外孤立点之前和最后一个簇外孤立点之后的风电数据构成的多个风电数据包，计算每个风电数据包的功率值均值和标准差; 步骤22)、对于每个簇外孤立点,计算该簇外孤立点的功率值与在该簇外孤立点之前或者之后的风电数据包的功率值均值的差值，根据该差值以及在该簇外孤立点之前或者之后的风电数据包的功率值标准差确定是否选择该簇外孤立点。
6.根据权利要求5所述的方法，其中，步骤22)包括:对于每个簇外孤立点执行以下步骤: 步骤221)、分别计算该簇外孤立点的功率值与前两个风电数据包以及后一个风电数据包的功率值均值的差值，选择其中最小的差值； 步骤222)、如果所选差值不小于前一个风电数据包的功率值标准差的三倍，则选择该簇外孤立点。
7.根据权利要求5所述的方法，其中，根据下式计算风电数据包的功率值标准差σ:
O = ^jD(X) 其中，D (X)表示该风电数据包的功率值方差，并且
Σ(χ厂山2 D(X)= 3=1
N —I 其中，为该风电数据包内的第j个数据的功率值，μ为该风电数据包的功率值均值，N为该风电数据包内的数据个数。
8.一种风电数据预处理设备，包括: 第一筛选装置，用于对风电数据进行聚类形成簇，得到簇外孤立点，并且从每个簇内提取出中心点；其中，所述风电数据指示采集时间和在该时间采集到的功率值； 第二筛选装置，用于基于与簇内点的功率值的差异，从所述簇外孤立点中筛选出一个或多个孤立点。
9.根据权利要求8所述的风电数据预处理设备，其中，所述第一筛选装置还用于从每个簇内提取出功率值最大的点和功率值最小的点。
10.一种风电功率预测方法，包括: 步骤A)、对于采集到的风电数据，根据如权利要求1-7所述的方法选出部分数据； 步骤B)、根据选出的数据预测风电功率信息。
11.一种风电功率预测系统，包括: 数据采集设备，用于采集实测的风电数据； 如权利要求8或9所述的风电数据预处理设备，用于对由所述数据采集设备采集的风电数据进行预处理； 风电场功率预测设备，用于根据所述风电数据预处理设备预处理过的数据进行预测，输出预测的风电功率信息。
【文档编号】G06Q10/04GK104182803SQ201410398277
【公开日】2014年12月3日 申请日期:2014年8月13日 优先权日:2014年8月13日
【发明者】王蕾, 曲朝阳, 潘峰, 娄建楼, 于颖 申请人:东北电力大学