一种风功率预测的方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种风功率预测的方法、装置及计算机可读存储介质。该方法包括：获取训练样本，训练样本包括测风塔数据和至少两种气象数据；根据训练样本和多元线性回归模型，计算拟合系数；将拟合系数和训练样本输入到多元线性回归模型中，生成集合气象；将集合气象输入到功率预测模型中，得到预测功率结果。本发明专利技术提供的方案能够提高短期风功率的预测精度。

【技术实现步骤摘要】
一种风功率预测的方法、装置及计算机可读存储介质
本专利技术实施例涉及可再生能源应用领域，尤其涉及一种风功率预测的方法、装置及计算机可读存储介质。
技术介绍
风能作为一种清洁的储量丰富的可再生能源，受到了各领域的广泛应用。但由于大气不稳定性导致的风速变化呈现间歇性、波动性等特点，给电网调度、电力系统安全运行造成不利影响。因此，短期风功率预测被认为是增加电网调峰容量、提高电网接纳风电能力、改善电力系统运行安全性与经济性的最有效、最经济的手段之一。现有的风功率预测方法是以数值天气预报和实际功率为基础，利用神经网络等功率预测算法建立功率预测模型来得到预测功率结果的。然而，随着对于风力和风功率预测精度提出了更高的标准，现有的风功率预测方法已经不能满足用户的需求。
技术实现思路
本专利技术实施例提供了一种风功率预测的方法、装置及计算机可读存储介质，能够提高短期风功率的预测精度。第一方面，本专利技术实施例提供了一种风功率预测的方法，包括：获取训练样本，训练样本包括测风塔数据和至少两种气象数据；根据训练样本和多元线性回归模型，计算拟合系数；将拟合系数和训练样本输入到多元线性回归模型中，生成集合气象；将集合气象输入到功率预测模型中，得到预测功率结果。可选的，多元线性回归模型为其中，Y为因变量，A为拟合系数，X为自变量。可选的，还包括：将至少两种气象数据分别输入到功率预测模型中，得到至少两个比对结果；根据预测功率结果和至少两个比对结果，评价预测功率结果的优劣。可选的，根据预测功率结果和至少两个比对结果，评价预测功率结果的优劣，包括：根据预测功率结果，计算第一指标；根据至少两个比对结果，计算每个比对结果对应的第二指标，第一指标和第二指标的指标类型相同；对比第一指标和至少两个第二指标，评价预测功率结果的优劣。可选的，指标类型为拟合优度和残差平方和中的至少一项。可选的，若指标类型为拟合优度，对比第一指标和至少两个第二指标，评价预测功率结果的优劣，包括：当第一指标的取值均大于所有第二指标的取值，则表示预测功率结果最准确；若指标类型为残差平方和，对比第一指标和至少两个第二指标，评价预测功率结果的优劣，包括：当第一指标的取值均小于所有第二指标的取值，则表示预测功率结果最准确。第二方面，本专利技术实施例还提供了一种风功率预测的装置，包括获取模块和处理模块；获取模块，用于获取训练样本，训练样本包括测风塔数据和至少两种气象数据；处理模块，用于根据训练样本和多元线性回归模型，计算拟合系数；将拟合系数和训练样本输入到多元线性回归模型中，生成集合气象；以及将集合气象输入到功率预测模型中，得到预测功率结果。可选的，还包括：评价模块；处理模块，还用于将至少两种气象数据分别输入到功率预测模型中，得到至少两个比对结果；评价模块，用于根据预测功率结果和至少两个比对结果，评价预测功率结果的优劣。可选的，评价模块，具体用于根据预测功率结果，计算第一指标；根据至少两个比对结果，计算每个比对结果对应的第二指标，第一指标和第二指标的指标类型相同；以及对比第一指标和至少两个第二指标，评价预测功率结果的优劣。第三方面，本专利技术实施例还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的方法。本专利技术提供一种风功率预测的方法、装置及计算机可读存储介质，该方法包括：获取训练样本，训练样本包括测风塔数据和至少两种气象数据；根据训练样本和多元线性回归模型，计算拟合系数；将拟合系数和训练样本输入到多元线性回归模型中，生成集合气象；将集合气象输入到功率预测模型中，得到预测功率结果。通过将测风塔测量到的实际数据和至少两种气象源历史预报数据进行线性拟合，得到拟合系数，并将拟合系数用于风速预报中，从而得到更高精度的风速预报，提高短期风功率的预测精度。附图说明图1是一实施例提供的一种风功率预测的方法的流程示意图；图2是一实施例提供的另一种风功率预测的方法的流程示意图；图3是一实施例提供的一种风功率预测的装置的结构示意图；图4是一实施例提供的另一种风功率预测的装置的结构示意图；图5是一实施例提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。风能作为一种清洁的储量丰富的可再生能源，受到我国政府的高度重视，将风能资源的开发利用作为改善能源结构、推动环境保护、保持经济和社会可持续发展的重大举措，并将风力发电作为风能资源开发和利用的重要方式之一。然而，与传统火力发电项目不同的是，风力发电更受天气风速的制约：由于大气不稳定性导致的风速变化呈现间歇性、波动性等特点，给电网调度、电力系统安全运行造成不利影响。因此，短期风功率预测被认为是增加电网调峰容量、提高电网接纳风电能力、改善电力系统运行安全性与经济性的最有效、最经济的手段之一。现有的风功率预测方法是以数值天气预报和实际功率为基础，利用神经网络等功率预测算法建立功率预测模型来得到预测功率结果的。然而随着各地区对风力和风功率预测精度提出了更高的标准，现有的风功率预测方法已经越来越难以满足“苛刻”的精度考核要求。例如，若要提升预测精度，现有的风功率预测方法主要可以从数值天气预报和预测算法两方面入手：1.数值天气预报可以通过提高水平分辨率、观测资料同化和参数化方案优化等方式来提高风和辐射预报水平。然而，数值天气预报通过中尺度数值模式(如WRF(TheWeatherResearchandForecastingModel))生产，由于中尺度模式内部物理过程尚没有完全研究清楚，加之天气过程自身存在非线性混沌效应，因此在给定初始值和边界条件下确定唯一解的条件下，风速和辐射预报具有不可控的不确定性。2.预测算法可以通过算法内部结构调优、试用新参数和更换算法等方法来更准确地逼近实际功率。然而，神经网络、支持向量机和粒子群等功率预测算法是根据过去的气象和实际功率进行建模，由于风速和功率之间的非线性关系，每种学习方法都无法全面准确的建立数值天气预报和实际功率之间的映射转换关系，因此功率预测算法也带有不可控的不确定性。为解决上述问题，本专利技术提供一种风功率预测的方法、装置及计算机可读存储介质，通过将测风塔测量到的实际数据和至少两种气象源历史预报数据进行线性拟合，得到拟合系数，并将拟合系数用于风速预报中，从而得到更高精度的风速预报，提高短期风功率的预测精度。需要说明的是，本专利技术下述各个实施例可以单独执行，各个实施例之间也可以相互结合执行，本专利技术实施例对此不作具体限制。本专利技术实施例中用“第一”、“第二”等来描述各种组件，但是这些组件本文档来自技高网...

【技术保护点】
1.一种风功率预测的方法，其特征在于，包括：/n获取训练样本，所述训练样本包括测风塔数据和至少两种气象数据；/n根据所述训练样本和多元线性回归模型，计算拟合系数；/n将所述拟合系数和所述训练样本输入到所述多元线性回归模型中，生成集合气象；/n将所述集合气象输入到功率预测模型中，得到预测功率结果。/n

【技术特征摘要】
1.一种风功率预测的方法，其特征在于，包括：
获取训练样本，所述训练样本包括测风塔数据和至少两种气象数据；
根据所述训练样本和多元线性回归模型，计算拟合系数；
将所述拟合系数和所述训练样本输入到所述多元线性回归模型中，生成集合气象；
将所述集合气象输入到功率预测模型中，得到预测功率结果。


2.根据权利要求1所述的方法，其特征在于，所述多元线性回归模型为
其中，Y为因变量，A为所述拟合系数，X为自变量。


3.根据权利要求1所述的方法，其特征在于，还包括：
将所述至少两种气象数据分别输入到所述功率预测模型中，得到至少两个比对结果；
根据所述预测功率结果和所述至少两个比对结果，评价所述预测功率结果的优劣。


4.根据权利要求3所述的方法，其特征在于，所述根据所述预测功率结果和所述至少两个比对结果，评价所述预测功率结果的优劣，包括：
根据所述预测功率结果，计算第一指标；
根据所述至少两个比对结果，计算每个比对结果对应的第二指标，所述第一指标和所述第二指标的指标类型相同；
对比所述第一指标和至少两个第二指标，评价所述预测功率结果的优劣。


5.根据权利要求4所述的方法，其特征在于，所述指标类型为拟合优度和残差平方和中的至少一项。


6.根据权利要求5所述的方法，其特征在于，
若所述指标类型为拟合优度，对比所述第一指标和至少两个第二指标，评价所述预测功率结果的优劣，包括：
当所述第一指标的取值...

【专利技术属性】
技术研发人员：祁乐，唐健，江平，刘震，王彦文，汪付星，
申请(专利权)人：广西电网有限责任公司，北京东润环能科技股份有限公司，
类型：发明
国别省市：广西;45