The present invention provides a method and apparatus for optimal prediction, multi target new energy power based on deep learning includes: (1) selected with wind speed forecasting practical power to establish the correspondence between the modeling data; (2) restricted Boltzmann machine pre training; (3) the deep belief network model; (4) new energy target prediction based on weighted power. A continuity of the invention fully utilizes the change of wind speed, the wind speed forecast and the actual power modeling, avoid introducing cumulative error, considering the root mean square error and single point error, improve the prediction accuracy; self-learning ability and the use of deep learning and improve the generalization ability of the model.
【技术实现步骤摘要】
基于深度学习的多目标优化新能源功率预测方法及装置
本专利技术属于风电领域,特别是涉及到一种基于深度学习的多目标优化新能源功率预测方法及装置。
技术介绍
风电并网容量迅速增加,由于风能的间歇性和波动性,对电网的冲击很大,风电出力的变化给电力系统电能质量、安全稳定运行和经济效益带来不利影响。因此,准确的风电场功率预测是解决规模化风电并网安全高效运行的重要基础,进行风电功率预测具有重要的现实意义。目前国际上新能源预测模型主要为物理模型、统计模型和人工智能等,较多采用的是基于NWP功率预测模型,只对均方根误差就行优化,单点偏差比较大,而且没有考虑风速的连续性,风功率预测准确性较低。
技术实现思路
本专利技术提出一种基于深度学习的多目标优化新能源功率预测方法及装置,通过建立深度网络模型,对均方根误差和偏差进行多目标优化,同时充分利用风速短暂的连续性,提高预测的准确性。。为达到上述目的,本专利技术的技术方案是这样实现的,一种基于深度学习的多目标优化新能源功率预测方法,包括:(1)选取预测风速跟实发功率建立对应关系,作为建模数据;(2)限制玻尔兹曼机预训练;(3)深信度网络建模;(4)基于目标加权的新能源功率预测。进一步的,步骤(1)所述建模数据选取的具体步骤为:选取当前时刻t,及t-1,t-2时刻的预测风速数据作为输入数据,t时刻的实发功率为输出数据。进一步的,步骤(2)所述预训练的具体过程为:把输入数据带入到限制玻尔兹曼机,输出为其对应的功率,对模型进行预训练,为预测模型做准备。进一步的,步骤(3)所述建模的具体过程为:在步骤(2)的基础上,在其输出层在叠加一个BP神经 ...
【技术保护点】
一种基于深度学习的多目标优化新能源功率预测方法,其特征在于,包括:(1)选取预测风速跟实发功率建立对应关系,作为建模数据;(2)限制玻尔兹曼机预训练;(3)深信度网络建模;(4)基于目标加权的新能源功率预测。
【技术特征摘要】
1.一种基于深度学习的多目标优化新能源功率预测方法,其特征在于,包括:(1)选取预测风速跟实发功率建立对应关系,作为建模数据;(2)限制玻尔兹曼机预训练;(3)深信度网络建模;(4)基于目标加权的新能源功率预测。2.根据权利要求1所述的方法,其特征在于,步骤(1)所述建模数据选取的具体步骤为:选取当前时刻t,及t-1,t-2时刻的预测风速数据作为输入数据,t时刻的实发功率为输出数据。3.根据权利要求1所述的方法,其特征在于,步骤(2)所述预训练的具体过程为:把输入数据带入到限制玻尔兹曼机,输出为其对应的功率,对模型进行预训练,为预测模型做准备。4.根据权利要求1所述的方法,其特征在于,步骤(3)所述建模的具体过程为:在步骤(2)的基础上,在其输出层在叠加一个BP神经网络,构建深信度网络,而BP神经网络的输出层为实发功率,得到一个完成的预测模型。5.根据权利要求1所述的方法,其特征在于,步骤(4)所述基于目标加权的新能源功率预测使用神经网络算法,具体过程为:(401)均方根误差扣分,公式如下:其中,CR=1-RMSEPMt为t时刻的实际功率,PPt为t时刻的预测功率,Cap为平均开机容量,n为样本个数;(402)积分偏差电量扣分,公式如下:其中,
【专利技术属性】
技术研发人员:向婕,雍正,吕建驰,
申请(专利权)人:北京国能日新系统控制技术有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。