考虑风电功率爬坡的功率预测-校正模型

随着大规模风电接入电力系统,风电功率爬坡事件对电网的安全稳定运行带来一定的影响.研究爬坡事件发生时的功率预测已越来越迫切.基于极限学习机理论,提出了一种考虑风电功率爬坡事件的超短期功率预测和校正模型.首先,利用最优旋转门算法对当前爬坡事件进行识别,提取爬坡事件特征值,建立模糊C均值聚类模型以得到同类数据,在此基础上,采用极限学习机算法对上述数据进行训练、预测,通过元组向量时间扭曲法在历史风电功率预测爬坡事件库中寻找与当前风电功率预测结果相似的爬坡事件,得到功率预测历史相似爬坡事件.最后,利用功率预测历史匹配值与实际值之间的特征值误差,对风电功率预测结果进行修正.算例表明,所提方法可准确识别风电功率爬坡事件、有效提高风电功率超短期预测精度.