基于双重时空特征提取的风电功率运行趋势预测方法技术

本发明专利技术属于电力系统运行与控制技术领域，涉及一种基于双重时空特征提取的风电功率运行趋势预测方法，包括：获取原始风电生数据集，并将空数据等剔除，获得风电场群清洗数据集；将生成的3D张量数据输入双重时空特征提取模型，获得关键气象

【技术实现步骤摘要】
基于双重时空特征提取的风电功率运行趋势预测方法


[0001]本专利技术属于电力系统运行与控制
，涉及一种基于双重时空特征提取的风电功率运行趋势预测方法。

技术介绍

[0002]近年来，中国的可再生能源中的风能和太阳能发电技术发展迅猛，伴随着大规模风力发电和光伏发电设备的接入，对电力系统运行控制的安全稳定运行提出了更高的标准和要求。然而，由于新能源风力发电和光伏发电本身具有不确定性、随机性和波动性等不稳定因素，导致海量新能源的并网运行给电力系统运行控制及电网调度计划制定等方面带来一系列深刻影响。
[0003]按照预测模型划分，风电场群功率预测方法可分为：物理方法、统计学方法以及组合预测方法。其中，物理方法主要依赖数值气象预报气象数据和风场所处的地理环境，借助风速功率曲线进行风电功率预测。统计学方法则利用数理统计手段通过挖掘风电运行数据潜在的自相关关系和互相关关系，捕获历史风电数据特征，并通过外推法进行功率预测。组合预测方法是通过融合各家之长，采用线性或者非线性组合的方式，旨在提高模型的整体预测水平。由于物理方法受制于数值天气预报精度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双重时空特征提取的风电功率运行趋势预测方法，其特征在于，包括以下步骤：步骤A：获取某区域N个风电场群在T时间尺度的原始风电生数据集；假设上述区域N个风电场群在T时间尺度内包含W个气象参数，所述上述区域N个风电场群在T时间尺度内包含W+1个实测风电功率参数；由此，构成含W+1个实测风电功率参数的风电场群原始风电生数据集；步骤B：将风电场群原始风电生数据集中的空数据、人为失误录入数据、噪声异常数据以及弃风限电数据予以剔除，而后获得上述区域的风电场群清洗数据集；步骤C：将风电场群清洗数据集按照高度为时间维度、宽度为参数维度、深度为风场数量维度进行三维划分，生成3D张量输入数据，作为3D张量数据集；步骤D：将3D张量数据集输入双重时空特征提取模型，获得气象
‑
功率一重时空互联特征和气象
‑
功率二重时空互联特征；所述双重时空特征提取模型包括：一重特征提取模型和二重特征提取模型；所述一重特征提取模型包括：第一次深度可拆分卷积层、第二次深度可拆分卷积层和最大池化树池层；所述二重特征提取模型包括：高度宽度特征压缩层和关键气象
‑
功率特征贡献力分配层；步骤E：采用循环周期类神经网络兼具记忆学习功能的循环记忆预测模型搭建带有记忆功能的循环记忆运行趋势预测模型；步骤F：获取有限时域内的关键气象
‑
功率双重时空提取特征图，将所述关键气象
‑
功率双重时空提取特征图输入循环记忆运行趋势预测模型，以类滑动时间窗口数据集和重构运行趋势有监督学习样本数据集为循环记忆运行趋势预测模型的输入神经元，获得风电功率超短期运行趋势预测值；所述气象
‑
功率一重时空互联特征与气象
‑
功率二重时空互联特征合称为：关键气象
‑
功率双重时空提取特征图。2.如权利要求1所述的基于双重时空特征提取的风电功率运行趋势预测方法，其特征在于：步骤D的具体步骤为：D1.1：将3D张量数据集输入第一次深度可拆分卷积层，获得第一次气象
‑
功率特征；D1.2：将步骤D1.1获得的第一次气象
‑
功率特征输入第二次深度可拆分卷积层，获得第二次气象
‑
功率特征；D1.3：将步骤D1.2获得的第二次气象
‑
功率特征输入最大池化树池层，获得气象
‑
功率一重时空互联特征；D1.4：将步骤D1.3获得的气象
‑
功率一重时空互联特征输入高度宽度特征压缩层，获得压缩特征时序集合，进而获得类滑动窗口数据集；D1.5：将步骤D1.4获得的类滑动窗口数据集输入关键气象
‑
功率特征贡献力分配层，关键气象
‑
功率特征贡献力分配层的输出结果结合双通归一化权重，经有效输入时间步筛选后，获得气象
‑
功率二重时空互联特征，进而获得重构运行趋势有监督学习样本数据集。3.如权利要求2所述的基于双重时空特征提取的风电功率运行趋势预测方法，其特征在于：构造所述一重特征提取模型的步骤如下：
D2.1：构造第一次深度可拆分卷积层；所述第一次深度可拆分卷积层包括：N1个尺寸为1
×3×
3的拆分卷积核；所述拆分卷积核的高度尺寸为：3，拆分卷积核的宽度尺寸为：3，拆分卷积核的深度尺寸为：1；按照3D张量输入数据的深度，用以提取每个风电场群的气象
‑
功率特征，然后令N1个拆分卷积核分别从N个风电场群中按深度维度延伸方向扫描一遍，从而得到N个风电场群中各自独立，且每个风场有N1个提取特征的第一次气象
‑
功率特征，其尺寸记作(T1 W1,N,N1)；其中，T1为：第一次气象
‑
功率特征对应的特征图的高度；W1为：第一次气象
‑
功率特征对应的特征图的宽度；第一次气象
‑
功率特征对应的特征图的深度为：N
×
N1；D2.2：构造第二次深度可拆分卷积层；所述第二次深度可拆分卷积层包括：N2个尺寸为N
×1×
1的拆分卷积核，所述拆分卷积核的高度尺寸为1，拆分卷积核的宽度尺寸为1，拆分卷积核的深度尺寸为N；令每个拆分卷积核以深度相匹配的尺寸在N1组第一次气象
‑
功率特征中依次扫描一遍，并在每次扫描之后，将提取到的信息叠加融合，从而得到N2个第二次气象
‑
功率特征，其尺寸记作(T2 W2,N1,N2)；其中，T2为：第二次气象
‑
功率特征对应的特征图的高度；W2为：第二次气象
‑
功率特征对应的特征图的宽度；D2.3：构造最大池化树池层；先将第二次气象
‑
功率特征的尺寸由(T2 W2,N1,N2)转置为(T3,W3,N1
×
N2)；其中，T3为：第二次气象
‑
功率特征转置后对应的特征图的高度；W3为：第二次气象
‑
功率特征转置后对应的特征图的宽度；然后，构造T个尺寸为(N1
×
N2)
×5×
5的最大池化树池；所述最大池化树池的高度尺寸为：5；所述最大池化树池的宽度尺寸为：5；所述最大池化树池的深度尺寸为：N1
×
N2；采用上述最大池化树池对第二次气象
‑
功率特征进行最大池化操作，从而得到尺寸为(N3,W3,T)的气象
‑
功率一重时序特征图；其中，N3为：气象
‑
功率一重时序特征图的高度，W3为：气象
‑
功率一重时序特征图的宽度；所述气象
‑
功率一重时序特征图为：气象
‑
功率一重时空互联特征；由最大池化树池层输出的气象
‑
功率一重时空互联特征的运行趋势表示为F1，如式(1)所示，其中，为t时刻一重时空互联特征矩阵，以矩阵形式表示为式(2)，
其中，1≤t≤T。4.如权利要求3所述的基于双重时空特征提取的风电功率...

【专利技术属性】
技术研发人员：叶林，李卓，於益军，罗雅迪，宋旭日，李铁，李桐，
申请(专利权)人：中国电力科学研究院有限公司国家电网有限公司国网辽宁省电力有限公司国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：