1.基于最近邻搜索的风电功率预测误差解耦评估方法,其特征在于,包括:步骤S1,采集风电场气象、容量、功率数据;
步骤S2,风电功率预测全流程包括环节、环节、功率校正环节,计算风电场总预测误差,对各环节导致的预测误差进行量化评估;
S201,将风电场预测功率与相对应的实际功率做差,得到风电场总预测误差;
S202,先计算在准确开机容量条件下的等效功率预测值,再将风电场预测功率与等效功率预测值的差值作为功率校正环节导致的预测误差;
S203,构建用于快速查找最近邻的近邻模型,使用历史气象数据对近邻模型进行拟合,形成历史气象数据与历史功率数据的索引关系,利用拟合后的近邻模型对数据集中每一个样本进行最近邻搜索,找到与各样本相对应的阶近邻下的平均实际功率,得到所有样本组成的平均实际功率数据集合,将等效功率预测值与平均实际功率数据集合的差值作为环节导致的预测误差;
S204,将得到的风电场总预测误差与功率校正环节导致的预测误差及环节导致的预测误差做差,得到环节导致的预测误差;
步骤S3,将环节、环节、功率校正环节导致的预测误差分别进行归一化处理,得到对应环节的误差贡献率,比较三个环节的误差贡献率大小,确定风电功率预测全流程中造成预测误差的关键环节。
2.根据权利要求1所述的基于最近邻搜索的风电功率预测误差解耦评估方法,其特征在于:步骤S203包括:
1)获取与风电场实际功率相同时刻的数据集,以及由系统采集的历史气象数据与历史功率数据;
2)初始化一个用于快速查找最近邻的近邻模型,使用维树结构作为特征空间划分算法,使用欧氏距离计算样本间的距离,使用对近邻模型进行拟合,在上构建一个为后续查找最近邻的空间索引;
3)记中的第个时刻的样本为,利用拟合完成的近邻模型对进行最近邻搜索,从中寻找与最为接近的个历史气象数据,并记录历史气象数据索引,根据索引从中得到相应实际功率数据集,计算内个实际功率数据的平均值,得到阶近邻下的平均实际功率;
4)重复步骤3),直至遍历完中所有个样本,将所有样本的平均实际功率数据集合记为,将与差值作为环节导致的预测误差。
3.根据权利要求2所述的基于最近邻搜索的风电功率预测误差解耦评估方法,其特征在于:在步骤S202中,记风电场计划开机容量,实际开机容量,表示第个时刻,为样本总数,先计算得到在准确开机容量条件下的等效功率预测值,再计算功率校正环节导致的预测误差,如下式:(1)
(2)。
4.根据权利要求3所述的基于最近邻搜索的风电功率预测误差解耦评估方法,其特征在于:步骤S3包括:
1)分别计算中所有样本的绝对值之和,如下式:
(3)
(4)
(5)
式中,分别表示中第个时刻的样本数值,样本总数为;
2)分别将进行归一化处理,得到环节的误差贡献率、环节的误差贡献率、功率校正环节的误差贡献率,如下式:(6)
(7)
(8)
3)比较环节的误差贡献率、环节的误差贡献率、功率校正环节的误差贡献率的数值大小,数值越大,表明对应环节对风电功率预测全流程中造成预测误差的影响越大。
5.根据权利要求1或4所述的基于最近邻搜索的风电功率预测误差解耦评估方法,其特征在于:所述数据集以及历史气象数据均为风电场气象数据,所述风电场气象数据为不同高度的风速、风向、温度、湿度、气压。