基于Mycielski方法与Markov链的超短期风电功率预测方法
【技术领域】
[0001]本发明属于电力系统技术领域，具体涉及基于Mycielski方法与Markov链的超短期风电功率预测方法。
【背景技术】
[0002]风能是清洁、无污染的可再生能源之一，随着风电装机容量不断增加，风电所具有的间隙性和不确定性给电力系统的稳定运行和电网调度带来新的挑战。风电功率预测有助于负荷、能量存储单元和发电机组的控制策略最优化，是帮助实现风电并网稳定运行和有效消纳的重要手段。风电功率预测方法一般可分为2类:一是利用数值天气预报，建立预测模型将天气数据转换成风电功率输出。二是基于历史数据进行预测，分为统计方法和学习方法。统计方法根据风电场风速的历史数据与实时数据间的关系建立预测模型进行风速预测，目前常用的统计方法包括持续法、时间序列法、Markov链预测法和回归分析法等。学习方法中常用的预测模型有人工神经网络、支持向量机等。
[0003]Markov链预测法因其算法简单、可操作性强在电力系统中得到应用。在单一的Markov链预测模型中，由于未考虑不同时刻不同状态风电功率的特点，风电功率预测过程中全部采用相同的状态概率转移矩阵，限制了预测精度的提高。针对Markov链预测方法的该不足，提出基于Mycielski方法与Markov链的超短期风电功率预测方法。
【发明内容】
[0004]针对现有技术存在的上述问题，本发明提出了基于Mycielski方法与Markov链的超短期风电功率预测方法。
[0005]本发明包含以下步骤:
[0006]步骤1:获取若干历史风电功率实际数据；
[0007]步骤2:采用Mycielski方法匹配历史风电功率数据中符合规则的子序列；
[0008]步骤3:对匹配出的子序列进行状态划分，建立Markov链预测模型，计算状态转移概率；
[0009]步骤4:通过Markov链状态转移概率对风电功率值进行预测；
[0010]步骤5:多次重复步骤2至步骤4即可预测出完整风电功率预测序列。
[0011]通过本发明方法对超短期风电功率进行预测，能够得到较好的预测结果，为优化电力系统提供依据。
【附图说明】
[0012]图1为本发明基于Mycielski方法与Markov链的超短期风电功率预测方法的流程不意图。
[0013]图2为某风电场基于Mycielski方法与Markov链的超短期风电功率预测结果。
【具体实施方式】
[0014]下面结合附图举例对本发明作进一步说明。
[0015]参阅图1，为本发明基于Mycielski方法与Markov链的超短期风电功率预测方法的流程示意图，本发明超短期风电功率预测方法，包含以下步骤:
[0016]SlOl算例风电场为我国某风电场历史风电功率数据，共4800组数据，分辨率15min，预测尺度15min。
[0017]S102采用Mycielski方法匹配历史风电功率数据中符合规则的子序列。包括以下步骤:
[0018]I)对历史风电功率数据归一化处理，得到序列S，把S中数据平均划分为ξ个状态，得到序列Α。
[0019]2)将序列A中每δ个数据取几何平均值后得到序列Age。。
[0020]3)用Mycielski方法由Age。的序列尾部向首端匹配相同子序列。设预测第t时刻的风电功率值，则所搜索的数据区间为第1，2，…(t-Ι)时刻的数据，若预测第(t+Ι)时刻的风电功率值，则搜索的数据区间为第1，2，时刻的数据，当在序列Agra中匹配出的最长子序列后，记录S序列中该子序列原始序列数据。
[0021]S103用所选取的样本集At进行状态划分，建立Markov链预测模型，计算对应t时刻的状态转移概率矩阵及累计状态转移概率矩阵；
[0022]I)设预测t时刻风电功率值，记录的S中的子序列数据为{bn，bn+1，...bn+k}。则对应t时刻的Markov状态概率转移矩阵的样本集即为子序列以及其后一组数据bn+k+1，即预测第t时刻时，Markov链状态概率转移矩阵样本集为At= {b n, bn+1,...bn+k, bn+k+1}。
[0023]S104通过Markov链模型对t时刻的风电功率进行预测，每预测一个时刻的风电功率值即重复一次以上步骤，直至预测结束，如附图2所示。
[0024]以上给出的实施例用以说明本发明和它的实际应用，并非对本发明作任何形式上的限制，任何一个本专业的技术人员在不偏离本发明技术方案的范围内，依据以上技术和方法作一定的修饰和变更当视为等同变化的等效实施例。
【主权项】
1.基于Mycielski方法与Markov链的超短期风电功率预测方法，其特征在于，包括以下步骤: 步骤1:获取若干历史风电功率实际数据； 步骤2:采用Mycielski方法匹配历史风电功率数据中符合规则的子序列； 步骤3:对匹配出的子序列进行状态划分，建立Markov链预测模型，计算状态转移概率; 步骤4:通过Markov链状态转移概率对风电功率值进行预测； 步骤5:多次重复步骤2至步骤4即可预测出完整风电功率预测序列。
2.根据权利要求1所述的超短期风电功率预测方法，其特征在于，步骤2与步骤3中通过Mycielski方法匹配历史风电功率数据中符合规则的子序列，并对匹配出的子序列进行状态划分，建立Markov链预测模型，计算状态转移概率。
【专利摘要】本发明公开一种基于Mycielski方法与Markov链的超短期风电功率预测方法，包括：获取风电场的历史风电功率作为样本集；采用Mycielski方法匹配历史风电功率数据中符合规则的子序列；通过对该子序列进行状态划分，建立Markov链预测模型，计算状态转移概率；通过Markov链状态转移概率对风电功率值进行预测。本发明结合Mycielski方法与Markov链预测模型，提出了一种风电功率预测方法，为优化系统提供依据。
【IPC分类】G06Q10-04, G06Q50-06
【公开号】CN104809528
【申请号】CN201510238142
【发明人】沈艳霞, 尹天骄
【申请人】江南大学
【公开日】2015年7月29日
【申请日】2015年5月11日