风电短期功率预测曲线的优化方法和装置与流程

本发明涉及风力发电，尤其涉及一种风电短期功率预测曲线的优化方法和装置。

背景技术：

1、近年来，风力发电作为一种清洁能源得到了迅猛的发展。风电预测能减少弃风和提高电力系统安全稳定运行性，但是，由于新型电力系统中，新能源电站出力存在强波动性，导致巨额偏差考核支出，中风电功率预测曲线的短期预测精度较低，在其并网之后会对电力系统的安全稳定运行造成一定的威胁。

2、鉴于此，本发明提供一种风电短期功率预测曲线的优化方法和装置，以缓解现有技术中存在的风电功率预测曲线对短期预测精度较低的问题。

技术实现思路

1、本发明提供一种风电短期功率预测曲线的优化方法和装置，以缓解现有技术中存在的风电功率预测曲线对短期预测精度较低的问题，提高风电功率预测曲线的短期预测精度，从而保证并网后电力系统的安全稳定运行。

2、一方面，本发明提供一种风电短期功率预测曲线的优化方法，所述方法包括：获取目标风电机组在预设时段内的历史数据；根据预存的完全噪声辅助聚合经验模态分解算法，对所述历史数据进行预处理，得到多个imf分量；将各所述imf分量输入预先构建的预测模型，得到所述预测模型输出的预测结果，所述预测结果为各imf预测分量；其中，所述预测模型是基于长短期记忆网络利用改进的粒子群算法对模型参数进行优化后得到的；基于所述预测结果重构所述各imf预测分量得到初始误差预测曲线；利用预先构建的经验分布函数对所述初始误差预测曲线进行修订，以得到修订后的误差预测曲线；将原预测曲线与修订后的误差预测曲线进行叠加，以得到优化后的功率预测曲线。

3、根据本发明所提供的风电短期功率预测曲线的优化方法，根据模态分解算法，对所述历史数据进行预处理，得到多个imf分量，具体包括：对所述历史数据的原始功率信号添加具有预设振幅的高斯噪声信号，以得到待分解信号；基于经验模态分解算法，对所述待分解信号进行分解，以得到多个分量；迭代计算各分量的残差，直至第k次分解后残差为无法继续分解的单调函数时，结束迭代，以完成对所述历史数据的预处理。

4、根据本发明所提供的风电短期功率预测曲线的优化方法，迭代计算各分量的残差，直至第k次分解后残差为无法继续分解的单调函数时，结束迭代，以完成对所述历史数据的预处理，具体包括：s31：计算每个分量的一阶剩余分量，并计算各分量的一阶剩余分量的均值，以得到一阶模态分量；s32：根据所述一阶模态分量计算一阶残差；s33：对所述一阶残差添加预设振幅的高斯噪音，并对添加噪音后的信号进行二次分解，以得到二阶模态分量；s34：根据所述二阶模态分量计算二阶残差；重复步骤s31-s34，直至第k次分解后残差为无法继续分解的单调函数时，结束迭代，以完成对所述历史数据的预处理。

5、根据本发明所提供的风电短期功率预测曲线的优化方法，基于长短期记忆网络，利用改进的粒子群算法对模型参数进行优化，得到所述预测模型，具体包括：初始化预测参数，所述预测参数至少包括粒子维度、粒子规模、学习率、迭代次数以及粒子区间；将初始化的预测参数输入长短期记忆网络，得到并存储所述长短期记忆网络输出的个体预测值和群体预测值；将上一轮输出的个体预测值和群体预测值作为输入参数，对所述长短期记忆网络进行迭代，以得到个体最优值和群体最优值；利用所述个体最优值和所述群体最优值对长短期记忆网络进行参数优化，以生成预测模型。

6、根据本发明所提供的风电短期功率预测曲线的优化方法，利用预先构建的经验分布函数对所述初始误差预测曲线进行修订，以得到修订后的误差预测曲线，具体包括：调取预先构建的经验分布函数；根据所述经验分布函数和所述经验分布函数的反函数，计算风电功率概率预测区间；根据所述风电功率概率预测区间确定误差上限值和误差下限值；利用预存的误差经验分布函数删除低于概率阈值的误差值，以对所述误差上限值和所述误差下限值进行修订，并生成修订后的误差预测曲线。

7、根据本发明所提供的风电短期功率预测曲线的优化方法，利用误差修订策略对误差预测曲线进行修订，以得到修订后的误差预测曲线；

8、利用叠加表达式，将所述原预测曲线与修订后的误差预测曲线进行叠加，以得到优化后的功率预测曲线；

9、所述修订策略为：

10、

11、式中，pre_dp1为优化后的误差预测曲线上的误差值，pre_dp为未修订前的误差，pre1为原功率预测值，pup为误差概率区间所对应的误差上限值，pdown为误差概率区间所对应的误差下限值。

12、第二方面，本发明还提供一种风电短期功率预测曲线的优化装置，所述装置包括：数据获取单元，用于获取目标风电机组在预设时段内的历史数据；模态分解单元，用于根据预存的完全噪声辅助聚合经验模态分解算法，对所述历史数据进行预处理，得到多个imf分量；参数预测单元，用于将各所述imf分量输入预先构建的预测模型，得到所述预测模型输出的预测结果，所述预测结果为各imf预测分量；其中，所述预测模型是基于长短期记忆网络利用改进的粒子群算法对模型参数进行优化后得到的；曲线重构单元，用于基于所述预测结果重构所述各imf预测分量得到初始误差预测曲线；曲线修订单元，用于利用预先构建的经验分布函数对所述初始误差预测曲线进行修订，以得到修订后的误差预测曲线；结果生成单元，用于将原预测曲线与修订后的误差预测曲线进行叠加，以得到优化后的功率预测曲线。

13、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的风电短期功率预测曲线的优化方法。

14、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的风电短期功率预测曲线的优化方法。

15、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的风电短期功率预测曲线的优化方法。

16、本发明提供的风电短期功率预测曲线的优化方法，通过获取目标风电机组在预设时段内的历史数据，根据预存的完全噪声辅助聚合经验模态分解算法，对所述历史数据进行预处理，得到多个imf分量；将各所述imf分量输入预先构建的预测模型，得到所述预测模型输出的预测结果，所述预测结果为各imf预测分量；其中，所述预测模型是基于长短期记忆网络利用改进的粒子群算法对模型参数进行优化后得到的；基于所述预测结果重构所述各imf预测分量得到初始误差预测曲线；利用预先构建的经验分布函数对所述初始误差预测曲线进行修订，以得到修订后的误差预测曲线；将原预测曲线与修订后的误差预测曲线进行叠加，以得到优化后的功率预测曲线。

17、这样，本发明所提供的方法首先对数据进行预处理，以便于更好的提取保留数据特征以及增强后续预测模型的预测准确度，本发明考虑了历史真实出力及预测误差，基于完全噪声辅助聚合经验模态分解算法分解历史数据获取不同imf分量；然后基于ipso-lstm的风电预测模型使用改进的粒子群算法优化长短期记忆网络模型参数，同时将imf分量导入预测模型对分量进行预测，同时重构各imf预测分量得到初始误差预测曲线。最终使用经验分布函数对误差预测曲线进行修订，原预测曲线叠加修订后的预测预测曲线获取最终上报曲线。通过对风电短期功率预测曲线进行修订，提高了风电短期预测功率预测精度，解决了现有技术中存在的风电功率预测曲线对短期预测精度较低的问题，提高了风电功率预测曲线的短期预测精度，从而保证了并网后电力系统的安全稳定运行。