本发明属于小水电短期功率预测技术，尤其涉及一种小水电分类短期功率预测方法。
背景技术：
随着环境污染和能源短缺问题的日益严重，小水电作为清洁绿色的可再生替代能源，不同于大中型水电，主要分布在地理位置偏远的山区，是农村地区重要的电源组成部分，具有分散开发、就地成网、就地供电、建设和发电成本低、建设周期短、回报收益快等优点，具有不可替代的优势因此在国家和地方政策的支持下发展迅速，很好的解决了部分地区的缺电局面。
与此同时，小水电的发展也带来一些问题，小水电分为径流式小水电和非径流式小水电。目前大多数为径流式小水电站，其基本无库容调节能力，具有强季节性，汛期来水较多，小水电多呈满发状态，枯期来水较少，小水电发电量大大降低，其发电负荷表现很强的不确定性。小水电站运行方式变化较大，且受上游非径流式水电(非径流式水电包括非径流式大水电和非径流式小水电)影响较大，机组启停频繁，致使主网潮流波动大，增加线路潮流越限的可能性。而非径流式小水电站，虽然其在系统中的比重较小，而水库又具有一定的调节性能，能够参与地区负荷调峰工作，但其调节性能较差，丰水期在小水电密集地区随着水流量的增加，极易与大中型水电发生冲突，冲击电网主网，如果调度不掌握小水电的发电信息，对电网安全稳定运行以及电网调度等带来的不良影响将会越发显著。因此，需要对小水电进行短期功率预测。但由于径流式小水电和非径流式小水电在运行方式受到的影响因素不同，且由于管理方式等方面的不同导致数据的来源和数据量的差异大，现有的小水电预测方法均未考虑以上方面的问题，若单一的按照径流式小水电或者非径流式小水电进行预测，都将会导致现有技术小水电短期功率预测精度低，预测误差大等。
技术实现要素：
：
本发明要解决的技术问题：提供一种小水电分类短期功率预测方法，将小水电分为径流式小水电和非径流式小水电分类进行短期功率预测，以解决现有的小水电预测方法均未考虑径流式小水电和非径流式小水电在运行方式受到的影响因素不同，且由于管理方式等不同导致数据的来源和数据量的差异大，而单一的按照径流式小水电或者非径流式小水电进行预测导致现有技术小水电短期功率预测精度低，预测误差大等技术问题。
本发明技术方案：
一种小水电分类短期功率预测方法，其特征在于：它包括
步骤1、收集地区径流式小水电和非径流式水电的数据信息；
步骤2、通过径流式小水电直接预测和BP神经网络预测分别进行径流式小水电短期功率预测，并利用熵权法求取两种方法预测值的权重系数，计算出地区径流式小水电第j时刻短期功率预测值Prj；
步骤3、计算地区非径流式小水电第j时刻短期功率预测值Pnrj；
步骤4、根据地区径流式小水电第j时刻短期功率预测值Prj和地区非径流式小水电第j时刻短期功率预测值Pnrj，得到地区小水电短期功率预测值Pj＝Prj+Pnrj。
步骤1所述的收集地区径流式小水电数据信息包括气象数据、出力数据、开停机数据，所述气象数据应包括径流式小水电所在区域的温度、气压、湿度、风向、风速、降雨量数据；所述非径流式水电的数据信息包括气象数据、出力数据、出库水量、开停机数据，气象数据应包括非径流式水电所在区域的温度、气压、湿度、风向、风速、降雨量数据及非径流式小水电的中长期发电计划和地区电网的峰谷电价数据。步骤2所述地区径流式小水电第j时刻短期功率预测值Prj的计算方法包括：
步骤2.1、计算第i个径流式小水电第j时刻的水流量Qrij＝Qr1ij+Qr2ij，式中：Qr1ij为径流式小水电所在区域的降雨量；Qr2ij为上游非径流式水电的出库水量；
步骤2.2、计算第i个径流式小水电第j时刻第一短期功率预测值Pr1ij，
Pr1ij＝ki·Qrij·Hi式中：Pr1ij为第i个径流式小水电第j时刻第一短期功率预测值Pr1ij，单位为W；Qrij为第i个径流式小水电第j时刻的水流量，单位为m3/s；Hi为第i个径流式小水电的平均水头，单位为m；ki为第i个径流式小水电的出力系数；
计算地区径流式小水电第j时刻的第一短期功率预测值Pr1j；
式中：n为地区径流式小水电的总数量；
步骤2.3、根据第i个径流式小水电气象数据、出力数据，进行BP神经网络预测，得
到地区径流式小水电第j时刻的第二短期功率预测值Pr2j；
步骤2.4、确定Pr1j和Pr2j的权重系数wr1、wr2，并计算预测日第j时刻,地区径流式小水
电短期功率预测值Prj，
步骤2.5、计算预测日前ξr天的历史出力数据与预测数据的误差εr，如果连续ξr天误差εr均大于设定的径流式小水电短期功率预测精度阈值er，重新进行步骤2.5；小于则输出预测日第j时刻地区径流式小水电短期功率预测值Prj。
步骤2.3所述的地区径流式小水电第j时刻的第二短期功率预测值Pr2j的方法包括：
步骤2.3.1、使用三层BP神经网络，给定BP神经网络功率预测模型的输入向量并进行归一化处理；所述BP神经网络功率预测模型的输入层节点数为7个，根据径流式小水电所在区域的气象数据中的温度Tr、气压Pr、湿度Hr、风向Wdr、风速Wsr、降雨量Qr1、上游非径流式水电出库水量Qr2，形成BP神经网络功率预测模型的输入向量Yr＝[Tr、Pr、Hr、Wdr、Wsr、Qr1、Qr2]；所述对输入向量Yr进行归一化处理其公式为
式中Y'rij为第j时刻，第i个径流式小水电归一化处理后的输入向量；Yrij为第j时刻，第i个径流式小水电归一化处理前的输入向量；max(Yri)和min(Yri)分别表示第i个径流式小水电输入向量的最大值和最小值；
步骤2.3.2、选取预测日前的δr天数据作为训练样本，对BP神经网络进行训练，获得训练后的BP神经网络功率预测模型；
步骤2.3.3、将预测日第j时刻，第i个径流式小水电所在区域的温度Trij、气压Prij、湿度Hrij、风向Wdrij、风速Wsrij、降雨量Qr1ij和上游非径流式水电的出库水量Qr2ij作为输入层，输入到训练后的BP神经网络功率预测模型中，输出层数据为预测日第j时刻，第i个径流式小水电第二短期功率预测值pr2ij；
步骤2.3.4、计算地区径流式小水电第j时刻的第二短期功率预测值Pr2j
式中pr2ij为预测日第j时刻，第i个径流式小水电第二短期功率预测值，n为地区径流式小水电的总数量。
步骤2.4和步骤2.5所述的地区径流式小水电短期功率预测值Prj的计算方法包括
步骤2.4.1根据预测日前θr天的历史气象数据和历史出力数据，分别计算第一短期功率预测值Pr1(1)j...Pr1(θr)j和第二短期功率预测值Pr2(1)j...Pr2j(θr)j，并统计实际功率值为Pr1...Prθr；
步骤2.4.2、分别以第一短期功率预测值和第二短期功率预测值与实际功率值的误差绝对值为评价指标，用熵权法确定权重系数wr1和wr2；wr1为Pr1j的权重系数，wr2为Pr2j的权重系数；wr1+wr2＝1；
步骤2.4.3、通过公式Prj＝wr1×Pr1j+wr2×Pr2j计算出预测日第j时刻,地区径流式小水电短期功率预测值Prj；
步骤2.4.4、计算预测日前ξr天的历史出力数据与预测数据的误差εr，如果连续ξr天误差εr均大于设定的径流式小水电短期功率预测精度阈值er，重新进行步骤2.4.3；小于则输出预测日第j时刻,地区径流式小水电短期功率预测值Prj。
步骤3所述的计算地区非径流式小水电第j时刻短期功率预测值Pnrj的方法包括下述步骤：
步骤3.1、根据第j时刻第k个非径流式小水电的历史数据和气象数据计算出第j时刻，第k个非径流式小水电第一短期功率预测值Pnr1kj；Pnr1kj＝kk·Qnrkj·Hkj式中：kk为第k个非径流式小水电的出力系数，Hkj为第j时刻第k个非径流式小水电的水头；Qnrkj为第j时刻第k个非径流式小水电的水流量；
步骤3.2、计算地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j；式中：m为地区非径流式小水电的数量；
步骤3.3、在第j时刻，根据第k个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价，利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值Pnr2j；
步骤3.4、确定Pnr1j和Pnr2j的权重系数wnr1、wnr2，计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj；
步骤3.5、计算预测日前ξnr天的历史出力数据与预测数据的误差εnr，如果连续ξnr天误差εnr均大于设定的非径流式小水电短期功率预测精度阈值enr，则重新进行步骤3.4；小于或等于则输出非径流式小水电短期功率预测值Pnrj。
步骤3.3所述的地区非径流式小水电的第二短期功率预测值Pnr2j的计算方法，其步骤包括：
步骤3.3.1、给定支持向量机功率预测模型的输入向量并进行归一化处理；根据非径流式小水电所在区域的气象数据：温度Tnr、气压Pnr、湿度Hnr、风向Wdnr、风速Wnrs和降雨量Qnr1、地区电网的峰谷电价Cnr，形成支持向量机功率预测模型的输入向量Ynr:
Ynr＝[Tnr、Pnr、Hnr、Wdnr、Wsnr、Qnr1、Cnr]；
输入向量Ynr进行归一化处理，其公式为：
式中：Y'nrkj为第j时刻，第k个非径流式小水电归一化处理后的输入向量；Ynrkj为第j时刻，第k个非径流式小水电归一化处理前的输入向量；max(Ynrk)和min(Ynrk)分别表示第k个非径流式小水电变量的最大值和最小值；
步骤3.3.2、选取预测日前δnr天Ynrkj数据作为训练样本，利用支持向量机进行训练，获得训练后的支持向量机功率预测模型；
步骤3.3.3、将预测日第j时刻，第k个非径流式小水电所在区域的温度Tnrkj、气压Pnrkj、湿度Hnrkj、风向Wdnrkj、风速Wsnrkj、降雨量Qnr1kj和地区电网的峰谷电价Cnrkj作为输入层，输入到训练后的支持向量机功率预测模型中，输出层数据为预测日第j时刻，第k个非径流式小水电短期功率预测值pnr2kj；
步骤3.3.4、计算地区非径流式小水电第j时刻第二短期功率预测值Pnr2j，其公式为：
步骤3.4所述的Pnr1j和Pnr2j的权重系数wnr1、wnr2的确定方法包括：
步骤3.4.1、获取预测日前θnr天的历史气象数据和历史出力数据；
步骤3.4.2、分别计算地区非径流式小水电的第一预测功率值Pnr1(1)j...Pnr1(θnr)j和第二功率预测值Pnr2(1)j...Pnr2j(θnr)j；
步骤3.4.3、获取实际功率值为Pnr1...Pnrθnr；
步骤3.4.4、以预测功率值与实际功率值的误差绝对值为评价指标，用熵权法确定权重系数wnr1、wnr2，wnr1+wnr2＝1。
计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj的公式为：
Pnrj＝wnr1×Pnr1j+wnr2×Pnr2j。
本发明的有益效果：
本发明提供一种小水电分类短期功率预测方法，将小水电分为径流式小水电和非径流式小水电进行分类预测，对径流式小水电和非径流式小水电分别利用组合预测方法进行短期功率预测，以弥补单一方法的预测缺陷，同时利用熵权法求取两种方法预测值的权重系数，并跟踪连续运行日内的预测误差及时对权重系数进行修正，以有效地减少预测误差、提高预测精度。解决了现有的小水电预测方法均未考虑径流式小水电和非径流式小水电在运行方式受到的影响因素不同，且由于管理方式等不同导致数据的来源和数据量的差异大，而单一的按照径流式小水电或者非径流式小水电进行预测导致现有技术小水电短期功率预测精度低，预测误差大等技术问题。
具体实施方式
一种小水电分类短期功率预测方法，它包括：
步骤1、收集地区径流式小水电和非径流式水电的数据信息；
步骤1所述的收集地区径流式小水电数据信息包括气象数据、出力数据、开停机数据，所述气象数据应包括径流式小水电所在区域的温度、气压、湿度、风向、风速、降雨量数据；所述非径流式水电的数据信息包括气象数据、出力数据、出库水量、开停机数据，气象数据应包括非径流式水电所在区域的温度、气压、湿度、风向、风速、降雨量数据及非径流式小水电的中长期发电计划和地区电网的峰谷电价数据。
地理位置数据应包括非径流式水电以及径流式小水电的所属流域情况及地理位置。
步骤2、通过径流式小水电直接预测和BP神经网络预测分别进行径流式小水电短期功率预测，并利用熵权法求取两种方法预测值的权重系数，计算出地区径流式小水电第j时刻短期功率预测值Prj；
步骤2所述地区径流式小水电第j时刻短期功率预测值Prj的计算方法包括：
步骤2.1、在第j时刻，由第i个径流式小水电及其上游非径流式水电的开停机情况、气象数据中径流式小水电所在区域的降雨量Qr1ij和上游非径流式水电的出库水量Qr2ij，获得第i个径流式小水电的水流量Qrij，计算第i个径流式小水电第j时刻的水流量Qrij＝Qr1ij+Qr2ij，式中：Qr1ij为径流式小水电所在区域的降雨量；Qr2ij为上游非径流式水电的出库水量；
步骤2.2、计算第i个径流式小水电第j时刻第一短期功率预测值Pr1ij，
Pr1ij＝ki·Qrij·Hi式中：Pr1ij为第i个径流式小水电第j时刻第一短期功率预测值Pr1ij，单位为W；Qrij为第i个径流式小水电第j时刻的水流量，单位为m3/s；Hi为第i个径流式小水电的平均水头，单位为m；ki为第i个径流式小水电的出力系数；
计算地区径流式小水电第j时刻的第一短期功率预测值Pr1j；
式中：n为地区径流式小水电的总数量；
步骤2.3、根据第i个径流式小水电气象数据、出力数据，进行BP神经网络预测，得
到地区径流式小水电第j时刻的第二短期功率预测值Pr2j；
步骤2.3.1、使用三层BP神经网络，给定BP神经网络功率预测模型的输入向量并进行归一化处理；BP神经网络功率预测模型的输入层节点数为7个，根据径流式小水电所在区域的气象数据中的温度Tr、气压Pr、湿度Hr、风向Wdr、风速Wsr、降雨量Qr1、上游非径流式水电出库水量Qr2，形成BP神经网络功率预测模型的输入向量Yr＝[Tr、Pr、Hr、Wdr、Wsr、Qr1、Qr2]；所述对输入向量Yr进行归一化处理其公式为
式中Y'rij为第j时刻，第i个径流式小水电归一化处理后的输入向量；Yrij为第j时刻，第i个径流式小水电归一化处理前的输入向量；max(Yri)和min(Yri)分别表示第i个径流式小水电输入向量的最大值和最小值；
隐含层节点数采用经验公式与实际训练的方法确定，输出层节点数为输入层数据对应时刻的径流式小水电短期功率预测值
步骤2.3.2、选取预测日前的δr天数据作为训练样本，对BP神经网络进行训练，获得训练后的BP神经网络功率预测模型；其中，δr越大，表示历史数据越多，训练后的神经网络预测结果精度越高。
步骤2.3.3、将预测日第j时刻，第i个径流式小水电所在区域的温度Trij、气压Prij、湿度Hrij、风向Wdrij、风速Wsrij、降雨量Qr1ij和上游非径流式水电的出库水量Qr2ij作为输入层，输入到训练后的BP神经网络功率预测模型中，输出层数据为预测日第j时刻，第i个径流式小水电第二短期功率预测值pr2ij；
步骤2.3.4、计算地区径流式小水电第j时刻的第二短期功率预测值Pr2j
式中pr2ij为预测日第j时刻，第i个径流式小水电第二短期功率预测值，n为地区径流式小水电的总数量。
步骤2.4、确定Pr1j和Pr2j的权重系数wr1、wr2，并计算预测日第j时刻,地区径流式小水电短期功率预测值Prj，
步骤2.5、计算预测日前ξr天的历史出力数据与预测数据的误差εr，如果连续ξr天误差εr均大于设定的径流式小水电短期功率预测精度阈值er，重新进行步骤2.5；小于则输出预测日第j时刻地区径流式小水电短期功率预测值Prj。
步骤2.4和步骤2.5所述的地区径流式小水电短期功率预测值Prj的计算方法包括
步骤2.4.1根据预测日前θr天的历史气象数据和历史出力数据，分别计算第一短期功率预测值Pr1(1)j...Pr1(θr)j和第二短期功率预测值Pr2(1)j...Pr2j(θr)j，并统计实际功率值为Pr1...Prθr；
步骤2.4.2、分别以第一短期功率预测值和第二短期功率预测值与实际功率值的误差绝对值为评价指标，用熵权法确定权重系数wr1和wr2；wr1为Pr1j的权重系数，wr2为Pr2j的权重系数；wr1+wr2＝1；
步骤2.4.3、通过公式Prj＝wr1×Pr1j+wr2×Pr2j计算出预测日第j时刻,地区径流式小水电短期功率预测值Prj；
步骤2.4.4、计算预测日前ξr天的历史出力数据与预测数据的误差εr，如果连续ξr天误差εr均大于设定的径流式小水电短期功率预测精度阈值er，重新进行步骤
2.4.3；小于则输出预测日第j时刻,地区径流式小水电短期功率预测值Prj。
步骤3、计算地区非径流式小水电第j时刻短期功率预测值Pnrj；
步骤3所述的计算地区非径流式小水电第j时刻短期功率预测值Pnrj的方法包括下述步骤：
步骤3.1、根据第j时刻第k个非径流式小水电的历史数据和气象数据计算出第j时刻，第k个非径流式小水电第一短期功率预测值Pnr1kj；Pnr1kj＝kk·Qnrkj·Hkj式中：kk为第k个非径流式小水电的出力系数，Hkj为第j时刻第k个非径流式小水电的水头；Qnrkj为第j时刻第k个非径流式小水电的水流量；
步骤3.2、计算地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j；式中：m为地区非径流式小水电的数量；
步骤3.3、在第j时刻，根据第k个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价，利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值Pnr2j；
步骤3.3所述的地区非径流式小水电的第二短期功率预测值Pnr2j的计算方法，其步骤包括：
步骤3.3.1、给定支持向量机功率预测模型的输入向量并进行归一化处理；根据非径流式小水电所在区域的气象数据：温度Tnr、气压Pnr、湿度Hnr、风向Wdnr、风速Wnrs和降雨量Qnr1、地区电网的峰谷电价Cnr，形成支持向量机功率预测模型的输入向量Ynr:
Ynr＝[Tnr、Pnr、Hnr、Wdnr、Wsnr、Qnr1、Cnr]；
输入向量Ynr进行归一化处理，其公式为：
式中：Y'nrkj为第j时刻，第k个非径流式小水电归一化处理后的输入向量；Ynrkj为第j时刻，第k个非径流式小水电归一化处理前的输入向量；max(Ynrk)和min(Ynrk)分别表示第k个非径流式小水电变量的最大值和最小值；
步骤3.3.2、选取预测日前δnr天Ynrkj数据作为训练样本，利用支持向量机进行训练，获得训练后的支持向量机功率预测模型；
步骤3.3.3、将预测日第j时刻，第k个非径流式小水电所在区域的温度Tnrkj、气压Pnrkj、湿度Hnrkj、风向Wdnrkj、风速Wsnrkj、降雨量Qnr1kj和地区电网的峰谷电价Cnrkj作为输入层，输入到训练后的支持向量机功率预测模型中，输出层数据为预测日第j时刻，第k个非径流式小水电短期功率预测值pnr2kj；
步骤3.3.4、计算地区非径流式小水电第j时刻第二短期功率预测值Pnr2j，其公式为：
步骤3.4、确定Pnr1j和Pnr2j的权重系数wnr1、wnr2，计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj；
步骤3.4所述的Pnr1j和Pnr2j的权重系数wnr1、wnr2的确定方法包括：
步骤3.4.1、获取预测日前θnr天的历史气象数据和历史出力数据；
步骤3.4.2、分别计算地区非径流式小水电的第一预测功率值Pnr1(1)j...Pnr1(θnr)j和第二功率预测值Pnr2(1)j...Pnr2j(θnr)j；
步骤3.4.3、获取实际功率值为Pnr1...Pnrθnr；
步骤3.4.4、以预测功率值与实际功率值的误差绝对值为评价指标，用熵权法确定权重系数wnr1、wnr2，wnr1+wnr2＝1。
计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj的公式为：
Pnrj＝wnr1×Pnr1j+wnr2×Pnr2j。
步骤3.5、计算预测日前ξnr天的历史出力数据与预测数据的误差εnr，如果连续ξnr天误差εnr均大于设定的非径流式小水电短期功率预测精度阈值enr，则重新进行步骤3.4；小于或等于则输出非径流式小水电短期功率预测值Pnrj。
步骤4、根据地区径流式小水电第j时刻短期功率预测值Prj和地区非径流式小水电第j时刻短期功率预测值Pnrj，得到地区小水电短期功率预测值Pj＝Prj+Pnrj。