CN104809528B - 基于Mycielski方法与Markov链的超短期风电功率预测方法 - Google Patents

基于Mycielski方法与Markov链的超短期风电功率预测方法 Download PDF

Info

Publication number
CN104809528B
CN104809528B CN201510238142.6A CN201510238142A CN104809528B CN 104809528 B CN104809528 B CN 104809528B CN 201510238142 A CN201510238142 A CN 201510238142A CN 104809528 B CN104809528 B CN 104809528B
Authority
CN
China
Prior art keywords
wind power
markov chain
mycielski
methods
subsequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510238142.6A
Other languages
English (en)
Other versions
CN104809528A (zh
Inventor
沈艳霞
尹天骄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201510238142.6A priority Critical patent/CN104809528B/zh
Publication of CN104809528A publication Critical patent/CN104809528A/zh
Application granted granted Critical
Publication of CN104809528B publication Critical patent/CN104809528B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Wind Motors (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

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，并利用归一化以及取几何平均数的方法对数据进行预处理；根据Mycielski方法原理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。

Description

基于Mycielski方法与Markov链的超短期风电功率预测方法
技术领域
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
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。
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
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。
本发明包含以下步骤：
步骤1：获取若干历史风电功率实际数据，并利用归一化以及取几何平均数的方法对数据进行预处理；
步骤2：根据Mycielski方法原理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。
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
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。
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
下面结合附图举例对本发明作进一步说明。
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：
S101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。
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：
1)对历史风电功率数据进行预处理，首先归一化处理，得到序列S，把S中数据平均划分为ξ个状态，得到序列A。
2)将序列A中每δ个数据取几何平均值后得到序列Ageo。
3)根据Mycielski方法原理由Ageo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-1)时刻的数据，若预测第(t+1)时刻的风电功率值，则搜索的数据区间为第1,2,…t时刻的数据，当在序列Ageo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。
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；
1)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＝{bn,bn+1,...bn+k,bn+k+1}。
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。
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。

Claims (1)

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，并利用归一化以及取几何平均数的方法对数据进行预处理；
步骤2：根据Mycielski方法原理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。
CN201510238142.6A 2015-05-11 2015-05-11 基于Mycielski方法与Markov链的超短期风电功率预测方法 Expired - Fee Related CN104809528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510238142.6A CN104809528B (zh) 2015-05-11 2015-05-11 基于Mycielski方法与Markov链的超短期风电功率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510238142.6A CN104809528B (zh) 2015-05-11 2015-05-11 基于Mycielski方法与Markov链的超短期风电功率预测方法

Publications (2)

Publication Number Publication Date
CN104809528A CN104809528A (zh) 2015-07-29
CN104809528B true CN104809528B (zh) 2018-06-12

Family

ID=53694337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510238142.6A Expired - Fee Related CN104809528B (zh) 2015-05-11 2015-05-11 基于Mycielski方法与Markov链的超短期风电功率预测方法

Country Status (1)

Country Link
CN (1) CN104809528B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108448572A (zh) * 2018-03-20 2018-08-24 江南大学 一种短期微电网负荷区间概率预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463371A (zh) * 2014-12-16 2015-03-25 山东大学 基于风电功率变化量的Markov链建模、预测方法
CN104537448A (zh) * 2015-01-21 2015-04-22 山东大学 一种基于纵向时刻的风电功率Markov链模型状态划分改进方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463371A (zh) * 2014-12-16 2015-03-25 山东大学 基于风电功率变化量的Markov链建模、预测方法
CN104537448A (zh) * 2015-01-21 2015-04-22 山东大学 一种基于纵向时刻的风电功率Markov链模型状态划分改进方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Mycielski approach for wind speed prediction;Fidan M 等;《Energy Conversion and Management》;20090408;第50卷(第6期);1436-1443 *
基于Mycielski算法的风电场风速预测;邹文 等;《电力科学与工程》;20110328;第27卷(第3期);1-4 *
基于改进Mycielski方法的风速预测;甘敏 等;《系统工程理论与实践》;20130415;第33卷(第4期);1084-1088 *

Also Published As

Publication number Publication date
CN104809528A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
CN109713737B (zh) 一种接入柔性直流电网的新能源外送能力评估方法及系统
CN102663513B (zh) 利用灰色关联度分析的风电场功率组合预测建模方法
CN102930358B (zh) 一种光伏电站发电功率的神经网络预测方法
CN102102626B (zh) 风电场短期功率预测方法
CN108564206B (zh) 一种基于分布式优化和空间相关性的风电功率预测方法
CN105574615B (zh) 一种基于空间相关性与ga的小波-bp神经网络风电功率预测方法
CN102184453A (zh) 基于模糊神经网络和支持向量机的风电功率组合预测方法
CN102478584B (zh) 基于小波分析的风电场风速预测方法及系统
CN103679282B (zh) 风电功率爬坡的预测方法
CN104899665A (zh) 风电功率短期预测方法
CN115425680B (zh) 一种多能源联合发电系统的功率预测模型构建及预测方法
CN103218673A (zh) 基于bp神经网络的光伏发电短期出力预测方法
CN104376389A (zh) 基于负载均衡的主从式微电网功率负荷预测系统及其方法
CN103020743B (zh) 风电场超短期风速预测方法
CN104463356A (zh) 一种基于多维信息人工神经网络算法的光伏发电功率预测方法
CN115065078B (zh) 微网环境下储能容量配置方法及系统
CN109636054A (zh) 基于分类和误差组合预测的太阳能光伏发电量预测方法
CN104467029A (zh) 一种区域小水电、风电日内联合优化调度的方法
CN110212551B (zh) 基于卷积神经网络的微网无功自动控制方法
CN102542133A (zh) 风电场短时风速预测方法及系统
CN104571262A (zh) 短期风电功率区间概率预测方法
CN109242180A (zh) 中长期电力负荷预测方法和系统
Zhang et al. Ultra-short term wind power prediction model based on modified grey model method for power control in wind farm
CN112836876A (zh) 一种基于深度学习的配电网线路负荷预测方法
CN103886223A (zh) 功率预测方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180612

Termination date: 20190511