基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

屈尹鹏，徐 箭，姜尚光，柳 玉，孙元章，柯德平

（1. 武汉大学电气与自动化学院,湖北省武汉市430072；2. 国家电网公司华北分部,北京市100053）

0 引言

风电等高比例可再生能源发电的接入［1］,对电力系统的辅助服务［2-3］提出了更高的要求。准确建立可再生能源爬坡事件的统计特性和预测模型,能更好地为辅助服务提供数据支撑［4-7］。

文献［8］采用旋转门算法分析了爬坡事件单属性统计特性。文献［9-10］采用L1 滑窗算法和动态规划算法进行爬坡检测,并建立了爬坡参数的二维统计特性模型。文献［11］分析了不同季节下爬坡参数统计特性的差异。文献［12］分析了风电原始数据特性对检测到的爬坡事件单个参数统计特性的影响。文献［13］将风电功率映射到频域空间,建立了爬坡事件各个参数的时频特性并进行分类。文献［14］采用高斯混合模型拟合爬坡参数的一维概率分布。

风电爬坡预测可分为间接功率序列预测［15-16］和事件预测［17-18］两大类。文献［19］采用优化的旋转门算法从大量风电功率预测场景中提取风电爬坡事件。文献［20］使用风电功率序列多项式logit 结构和分类分布估计爬坡事件超出不同参数阈值的概率。文献［21］利用风电功率的分位数生成功率场景,通过逻辑回归来估计在特定时间间隔内风电爬坡发生的概率。文献［22］建立了正交检验和支持向量机的混合预测模型,分析当前点发生爬坡事件的概率。文献［23］使用Granger 因果检测法,构建了基于多变量的支持向量机回归预测模型,对下一次爬坡事件进行预测。……