预测风电功率的方法、装置、设备和计算机可读存储介质制造方法及图纸

本公开提供一种预测风电功率的方法、装置、设备和计算机可读存储介质，通过获取待预测风电场的预测时刻之前的各种类别的实际数据，即第一历史数据，和预测时刻之后的能够获取到的未来预测数据，即第一未来数据，将待预测风电场的第一历史数据和第一未来数据分别转换为能够被风电功率预测模型识别的第一历史二维数组和第一未来二维数组，利用编码解码神经网络搭建的风电功率预测模型，将第一历史二维数组输入到风电功率预测模型的编码部分，将第一未来二维数组输入到风电功率预测模型的解码部分，得到待预测风电场的预测功率，充分考虑到了风电预测的时序依赖性，从而使得风电功率预测精度更高，预测功率更加准确。

【技术实现步骤摘要】
预测风电功率的方法、装置、设备和计算机可读存储介质
本公开涉及计算机
，尤其涉及一种预测风电功率的方法、装置、设备和计算机可读存储介质。
技术介绍
风电功率预测可以给出未来的风电发电功率，用以指导电力系统的运行和电力市场交易，在备用容量设置、机组组合、电价设置等多个方面都有了广泛的应用。目前风电功率预测方法往往采用单一点位或者单一来源的未来的温度、风速等天气预报数据进行预测风电功率。然而，这样使得风电功率预测准确度不高。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种预测风电功率的方法、装置、设备和计算机可读存储介质。第一方面，本公开提供一种预测风电功率的方法，包括：获取待预测风电场的第一历史数据和第一未来数据，其中，所述第一历史数据包括：第一历史时间段内N个采样时间点分别对应的实际数据，所述实际数据包括：实际风速、实际功率和实际天气数据，所述N为大于等于1的整数；所述第一未来数据包括：第一未来时间段内M个采样时间点分别对应的预测数据，所述预测数据包括本文档来自技高网...

【技术保护点】
1.一种预测风电功率的方法，其特征在于，包括：/n获取待预测风电场的第一历史数据和第一未来数据，其中，所述第一历史数据包括：第一历史时间段内N个采样时间点分别对应的实际数据，所述实际数据包括：实际风速、实际功率和实际天气数据，所述N为大于等于1的整数；所述第一未来数据包括：第一未来时间段内M个采样时间点分别对应的预测数据，所述预测数据包括：预测风速和预测天气数据，所述M为大于等于1的整数；/n将所述待预测风电场的第一历史数据转换为第一历史二维数组，所述历史二维数组的维度包括第一时间维度和第一历史数据类别维度；/n将所述待预测风电场的第一未来数据转换为第一未来二维数组，所述未来二维数组的维度包括...

【技术特征摘要】
1.一种预测风电功率的方法，其特征在于，包括：
获取待预测风电场的第一历史数据和第一未来数据，其中，所述第一历史数据包括：第一历史时间段内N个采样时间点分别对应的实际数据，所述实际数据包括：实际风速、实际功率和实际天气数据，所述N为大于等于1的整数；所述第一未来数据包括：第一未来时间段内M个采样时间点分别对应的预测数据，所述预测数据包括：预测风速和预测天气数据，所述M为大于等于1的整数；
将所述待预测风电场的第一历史数据转换为第一历史二维数组，所述历史二维数组的维度包括第一时间维度和第一历史数据类别维度；
将所述待预测风电场的第一未来数据转换为第一未来二维数组，所述未来二维数组的维度包括第二时间维度和第一未来数据类别维度；
将所述待预测风电场的第一历史二维数组和第一未来二维数组输入到风电功率预测模型中，得到所述待预测风电场的预测功率，所述待预测风电场的预测功率为所述第一未来时间段内M个采样时间点对应的功率的预测值，其中，所述风电功率预测模型为训练好的编码解码神经网络模型，编码解码神经网络包括编码部分和解码部分，所述第一历史二维数组输入所述编码部分，所述第一未来二维数组输入所述解码部分中。


2.根据权利要求1所述的方法，其特征在于，所述获取待预测风电场的第一历史数据和第一未来数据之后，还包括：
修正所述第一历史数据，得到所述待预测风电场的第一历史修正数据；
修正所述第一未来数据，得到所述待预测风电场的第一未来修正数据；
相应的，所述将所述待预测风电场的第一历史数据转换为第一历史二维数组，包括：
将所述待预测风电场的第一历史修正数据转换为第一历史二维数组；
所述将所述待预测风电场的第一未来数据转换为未来二维数组，包括：将所述待预测风电场的第一未来修正数据转换为第一未来二维数组。


3.根据权利要求2所述的方法，其特征在于，所述修正所述第一历史数据，包括以下一种或多种第一历史数据修正方法：
修正所述第一历史数据中的异常的数据；
检测所述第一历史数据中的是否有缺失的数据，若连续的预设范围内的数据中缺失数据的数量少于预设阈值，补充所述第一历史数据中的缺失的数据；若连续的预设范围内的数据中所述缺失数据的数量大于等于预设阈值，删除所述连续的预设范围内的数据；
所述修正所述第一未来数据，包括以下一种或多种第一未来数据修正方法：
修正所述第一未来数据中的异常的数据；
检测所述第一未来数据中的是否有缺失的数据，若连续的预设范围内的数据中缺失数据的数量少于预设阈值，补充所述第一未来数据中的缺失的数据；若连续的预设范围内的数据中所述缺失数据的数量大于等于预设阈值，删除所述连续的预设范围内的数据；
根据获取的所述待预测风电场的风电机组运行状态数据，修正所述预测数据，其中所述风电机组运行状态数据包括：所述风电机组的桨距角数据、转速数据、转矩数据和机组状态，所述机组状态包括：停机状态、限功率状态、正常运行状态。


4.根据权利要求1所述的方法，其特征在于，所述将所述待预测风电场的第一历史数据转换为第一历史二维数组，包括：
将所述待预测风电场的第一历史数据进行归一化，并转换为第一历史二维数组；
所述将所述待预测风电场的第一未来数据转换为第一未来二维数组，包括：
将所述待预测风电场的第一未来数据进行归一化，并转换为第一未来二维数组。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
训练所述风电功率预测模型；
所述训练所述风电功率预测模型包括：
获取多个样本和所述多个样本分别对应的监督数据，其中，每个所述样本中包括：第二历史数据和第二未来数据，...

【专利技术属性】
技术研发人员：刘永前，张浩，阎洁，韩爽，李莉，孟航，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11