(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211137026.1 (22)申请日 2022.09.19 (71)申请人 国网河南省电力公司电力科 学研究 院 地址 450000 河南省郑州市二七区嵩 山南 路85号 (72)发明人 刘阳　孙鑫　滕卫军　李朝晖　 刘善峰　张亚飞　谷青发　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 郑直 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01)G06F 17/10(2006.01) H02J 3/00(2006.01) G01W 1/02(2006.01) (54)发明名称 一种风电场风电功率预测方法 (57)摘要 一种风电场风电功 率预测方法， 其收集风电 场历史风速、 气温和空气湿度数据， 采用差分算 法对数据库中异常数据和缺失数据进行处理， 提 高数据的准确性和完整性。 引入优化后风电场风 速、 气温和空气湿度等气象数据为组合预测模型 输入， 节虫优化算法结合组合预测模 型有效提高 风速预测精度。 引入风速值结合风电机组标准功 率特性曲线获取风电功率， 依据具体风机型号对 应的标准功率特性曲线计算风电功率， 将风电场 各风机功率累加获取风电场风电功率值， 提高了 短期风电功率预测精度。 权利要求书6页 说明书15页 附图3页 CN 115545279 A 2022.12.30 CN 115545279 A 1.一种风电场风电功率预测方法， 其特 征在于， 具体包括以下步骤： 步骤1， 收集风电场历史风速、 气温和空气湿度数据， 采用差分算法对数据库中异常数 据和缺失数据进行处 理； 步骤2： 构建作为组合预测模型的组合预测 ‑节虫优化 算法模型； 步骤3： 利用节组合预测 ‑节虫优化算法模型从风电场数据气象信息中获取风速预测 值， 提高风速预测精度； 步骤4： 基于获取的风速预测值和风电机组标准功率曲线计算风电功率功率值， 将风电 场中所有风机功率进行累加获取风电场风电功率 值。 2.根据权利要求1所述的风电场 风电功率预测方法， 其特征在于， 所述步骤1具体包括： 每隔十五分钟输入风电场的原始 风速、 气温和空气 湿度数据并计算 获取平滑因子l， 求取平 滑因子l的方程如下 所示： 其中Yi包括Y1,i、 Y2,i和Y3,i，Y1,i、 Y2,i和Y3,i分别表示时刻i输入的风速、 气温和空气湿度 变量， Yi表示时刻i输入的原始风速、 气温和空气湿度数据， Ei表示时刻i输入的风速、 气温和 空气湿度变量观测值， 由Ei和Yi构成误差模型ERi,i和t均为整数； 运用差分算法在误差模型E Ri中发现噪点数据序列{E RNk}， 对每个误差度量指标剔除掉 噪点得到修正误差模型{ERFk}， 其中{ERFk}＝{ERk}‑{ERNk}， k＝1,2,3， ERFk是误差度量指 标， ERFk的三个值分别针对风速、 气温和空气湿度建立三个对应的误差度量指 标， 然后对修 正误差模型{ERFk}的每一个误差度量指标按照公式(1)计算对应的误差阈值thk: thk＝mean(ERFk)+α sd(ERFk),k＝1,2,3     (1) 其中， mean是均值函数， sd是标准差函数， α调谐系数。 ERFk是误差度量值， 接着 对气象数 据点用投票机制进行误差度量的异常检测。 3.根据权利要求2所述的风电场 风电功率预测方法， 其特征在于， 所述误差度量的异常 检测由三个主 要指标构成， 三个主 要指标分别是MAE、 MAPE和MASE； o’i是气象数据观测值元素横向量， 气象数据观测值元素横向量包括o ’1,i， o’2,i和o’3,i 三个元素， 该三个元素分别是时刻i的气象数据观测值中的风速、 气温和空气湿度， ei是气 象数据预测值元素， eri误差函数是误差模型元素向量， i是气象数据序列号， n代表个数， MAEi表示平均绝对误差， MAPEi表示平均绝对百分比误差， MASEi表示平均绝对标度误差， 并 按照公式(2)到公式(5)推导： 权　利　要　求　书 1/6 页 2 CN 115545279 A 2如果一个数据点的多个误差度量指标中过半数的误差度量指标超过修正误差模型中 对应的阈值， 则该数据点视为一个异常数据点； 最终得到的时序气象数据异常检测的异常 点结果可以按照公式(6)和公式(7)用数据集 合表示为： EDi是异常点数据集合， ed异常点数据元素， 表示erk i和thk表示eri和th向量的第几个元 素， 当erk i向量中三个指标元素有两个超过阈值， 则表示该数据o ’i是异常数据， judge是判 断函数， 利用x和y进行 数值比较， x和y指的是代量用来表示 误差的阈值和误差模型 元素值。 4.根据权利要求3所述的风电场 风电功率预测方法， 其特征在于， 得到数据集合中异常 数据时， 依据双线性插值 算法补全数据。 5.根据权利要求1所述的风电场 风电功率预测方法， 其特征在于， 所述步骤2具体包括： 所述组合预测 ‑节虫优化算法模型为设N个风速预测训练样本(Oi， Ji)N i＝1， 其中Oi为作为完 整气象数据的完整的时序数据O中的时刻i的时序数据， Oi中的o1,i， o2,i和o3,i分别是时序数 据中的时刻i的历史风速、 气温和空气湿度， Ji为风速预测值， N为正整数， N个风速预测训练 样本(Oi， Ji)N i＝1就构成了气象数据样本集。 6.根据权利要求5所述的风电场 风电功率预测方法， 其特征在于， 所述步骤2还包括： 通 过节虫优化算法对组合预测 ‑节虫优化算法模型进行加权组合得到组合模型， 组合模型 的 预测值为公式(8)到公式(1 1)所示： 权　利　要　求　书 2/6 页 3 CN 115545279 A 3