一种风场功率预测方法、系统、服务器及计算机可读存储介质技术方案

本发明专利技术的实施例提供了一种风场功率预测方法、系统、服务器及计算机可读存储介质，涉及风力发电领域。方法包括：接收采集终端采集得到第一数据，对第一数据进行预处理，得到第二数据，根据第二数据，通过预先设置的学习模型进行预测，得到预测功率，学习模型通过历史风功率数据、历史温度数据、历史湿度数据、历史风速数据和历史风向数据训练。本发明专利技术可以实现对风场功率的智能预测，避免了传统的人工审核，有效地提高了风场功率的预测效率。有效地提高了风场功率的预测效率。有效地提高了风场功率的预测效率。

【技术实现步骤摘要】
一种风场功率预测方法、系统、服务器及计算机可读存储介质


[0001]本专利技术涉及风力发电领域，具体而言，涉及一种风场功率预测方法、系统、服务器及计算机可读存储介质。

技术介绍

[0002]随着新能源技术的不断发展推动，风电开始大规模并网。但是由于风速、风向等数据的不断变化，风功率也呈现多变特性，这就给风电并网提出了巨大挑战。为了改善这一局面，风场功率预测变得十分重要，不可缺少。
[0003]在现有技术中，对于风场各种数据的判断往往需要人工进行审核，极大降低了风场功率预测的效率。

技术实现思路

[0004]本专利技术的目的在于提供了一种风场功率预测方法、系统、服务器及可读存储介质，其能够有效地提高风场功率预测的智能化程度，从而提高风场功率预测的效率。
[0005]为了实现上述目的，本专利技术实施例采用的技术方案如下：
[0006]第一方面，一种风场功率预测方法，应用于服务器，所述服务器与采集终端通信连接，所述方法包括；
[0007]接收所述采集终端采集得到的第一数据，其中，所述第一数据包括温度数据、湿度数据、风速数据和风向数据；
[0008]对所述第一数据进行预处理，得到第二数据；
[0009]根据所述第二数据，通过预先设置的学习模型进行预测，得到预测功率；
[0010]其中，所述学习模型通过历史风功率数据、历史温度数据、历史湿度数据、历史风速数据和历史风向数据训练。
[0011]可选的，所述对所述第一数据进行预处理，得到第二数据包括：<br/>[0012]处理所述第一数据的缺失值，得到第一预处理数据；
[0013]对所述第一预处理数据进行清洗，得到第二预处理数据；
[0014]对所述第二预处理数据进行归一化，得到第三预处理数据；
[0015]对所述第三预处理数据进行格式化，得到第二数据。
[0016]可选的，所述学习模型包括：LSTM长短波记忆模型或深度强化学习模型。
[0017]可选的，所述方法还包括：存储所述第一数据。
[0018]第二方面，一种风场功率预测系统，包括：采集终端和服务器，所述采集终端与所述服务器通信连接；
[0019]所述采集终端用于采集第一数据，其中，所述第一数据包括温度数据、湿度数据、风速数据和风向数据；
[0020]所述服务器用于接收所述采集终端采集得到的第一数据；以及，对所述第一数据进行预处理，得到第二数据；根据所述第二数据，通过预先设置的学习模型进行预测，得到
预测功率；其中，所述学习模型通过历史风功率数据、历史温度数据、历史湿度数据、历史风速数据和历史风向数据训练形成。
[0021]可选的，所述服务器通过RS485总线与所述采集终端通信连接。
[0022]可选的，所述服务器包括计算中心和服务终端，所述计算中心与所述服务终端通信连接；
[0023]所述计算中心用于接收所述采集终端采集得到的第一数据；以及，对所述第一数据进行预处理，得到第二数据；将所述第二数据发送至所述服务终端；
[0024]所述服务终端用于接收所述第二数据，根据所述第二数据，通过预先设置的学习模型进行预测，得到预测功率。
[0025]可选的，所述计算中心和所述服务终端通过5G网络通信连接。
[0026]第三方面，一种服务器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述风场功率预测方法的步骤。
[0027]第四方面，一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现风场功率预测方法的步骤。
[0028]相对于现有技术，本专利技术具有以下有益效果：
[0029]本专利技术提供了一种风场功率预测方法、系统、服务器及可读存储介质。服务器接收采集终端采集得到的第一数据，并对第一数据进行预处理，得到第二数据，根据第二数据，通过预先设置的学习模型进行预测，得到预测功率。从而可以实现对风场功率的智能预测，避免了传统的人工审核，有效地提高了风场功率的预测效率。
附图说明
[0030]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0031]图1为本实施例提供的风场功率预测系统的系统框图之一；
[0032]图2为本实施例提供的风场功率预测系统的系统框图之二；
[0033]图3为本专利技术实施例提供的一种应用场景示意图；
[0034]图4为本专利技术实施例提供的风场功率预测方法的流程图；
[0035]图5为本专利技术实施例提供的预处理的流程图。
[0036]图标：10
‑
风场功率预测系统；100
‑
服务器；110
‑
计算中心；120
‑
服务终端；130
‑
存储器；140
‑
处理器；150
‑
通信单元；200
‑
采集终端；
具体实施方式
[0037]正如
技术介绍
中所记载的，随着新能源技术的不断发展推动，风电开始大规模并网。但是由于风速、风向等数据的不断变化，风功率也呈现多变特性，这就给风电并网提出了巨大挑战。为了改善这一局面，风场功率预测变得十分重要，不可缺少。在现有技术中，对于风场各种数据的判断往往需要人工进行审核，极大降低了风场功率预测的效率。
[0038]针对现有技术所存在的问题，均是专利技术人在经过实践并仔细研究后得出的结果，
因此，上述问题的发现过程以及下文中本专利技术实施例针对上述问题所提出的解决方案，都应该是专利技术人在专利技术过程中做出的贡献。
[0039]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0040]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0042]术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0043]应注意到：相似的标号和字母在下面的附图中表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风场功率预测方法，其特征在于，应用于服务器，所述服务器与采集终端通信连接，所述方法包括；接收所述采集终端采集得到的第一数据，其中，所述第一数据包括温度数据、湿度数据、风速数据和风向数据；对所述第一数据进行预处理，得到第二数据；根据所述第二数据，通过预先设置的学习模型进行预测，得到预测功率；其中，所述学习模型通过历史风功率数据、历史温度数据、历史湿度数据、历史风速数据和历史风向数据训练。2.根据权利要求1所述的一种风场功率预测方法，其特征在于，所述对所述第一数据进行预处理，得到第二数据包括：处理所述第一数据的缺失值，得到第一预处理数据；对所述第一预处理数据进行清洗，得到第二预处理数据；对所述第二预处理数据进行归一化，得到第三预处理数据；对所述第三预处理数据进行格式化，得到第二数据。3.根据权利要求1所述的一种风场功率预测方法，其特征在于，所述学习模型包括：LSTM长短波记忆模型或深度强化学习模型。4.根据权利要求1所述的一种风场功率预测方法，其特征在于，所述方法还包括：存储所述第一数据。5.一种风场功率预测系统，其特征在于，包括：采集终端和服务器，所述采集终端与所述服务器通信连接；所述采集终端用于采集第一数据，其中，所述第一数据包括温度数据、湿度数据、风速数据和风向数据；所述服务器用于接收所述采集终端采集得到的第一数据；以及...

【专利技术属性】
技术研发人员：闵仕君，何珂，李智欢，刘恺，翟福谊，李路遥，陈世杰，
申请(专利权)人：清华四川能源互联网研究院，
类型：发明
国别省市：