一种模型参数自适应的GRU新能源短期发电功率预测方法技术

本申请涉及一种模型参数自适应的GRU新能源短期发电功率预测方法。所述方法包括：获取在预测时间段中目标电站所处区域的天气预报数据，以及，在所述预测时间段之前的至少一个时间点下所述目标电站对应的历史发电功率；将所述天气预报数据和所述历史发电功率输入至预训练的发电功率预测模型，得到所述目标电站在所述预测时间段中的预测发电功率。采用本方法能够使得预测数据与历史数据相结合的同时也考虑了影响发电功率的因素，而且预训练的发电功率预测模型采用了超参数优化算法进行超参数优化，模型的训练更加完善，使用本方法能够使得目标电站的预测发电功率更准确，更高效。效。效。

【技术实现步骤摘要】
一种模型参数自适应的GRU新能源短期发电功率预测方法


[0001]本申请涉及人工智能
，特别是涉及一种模型参数自适应的GRU新能源短期发电功率预测方法。

技术介绍

[0002]随着发电技术的发展，出现了火力发电、核能发电以及新能源发电技术，多种发电技术的应用将为国家提供电能的保障，对于发电功率的稳定将是保障持续性供电的前提，做好发电功率的预测，可以为发电功率出现异常之前提供解决导致异常原因的办法。
[0003]传统技术中，大多采用了统计模型进行预测，然而这种统计模型的模型参数往往需要人为手动调参，由于人为手动调参较为依赖经验，用户往往因为缺乏调参经验而无法将该统计模型的模型参数调整至最优的模型参数，这导致预测结果与实际的发电功率相差较大，造成预测精度较低。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种发电功率预测方法、装置、计算机设备和计算机可读存储介质。
[0005]第一方面，本申请提供了一种发电功率预测方法。所述方法包括：获取在预测时间段中目标电站所处区域的天气预报数据，以及，在所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发电功率预测方法，其特征在于，所述方法包括：获取在预测时间段中目标电站所处区域的天气预报数据，以及，在所述预测时间段之前的至少一个时间点下所述目标电站对应的历史发电功率；将所述天气预报数据和所述历史发电功率输入至预训练的发电功率预测模型，得到所述目标电站在所述预测时间段中的预测发电功率；其中，所述预训练的发电功率预测模型为采用训练样本数据对待训练的发电功率预测模型进行训练得到；所述训练样本数据包括所述目标电站在标签时间段中的实际发电功率、在所述标签时间段中所述目标电站所处区域的天气预报数据以及在所述标签时间段之前的至少一个时刻下所述目标电站对应的历史发电功率；所述待训练的发电功率预测模型所使用的超参数为经过预设的超参数优化算法确定的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述训练样本数据；将所述标签时间段中所述目标电站所处区域的天气预报数据，以及在所述标签时间段之前的至少一个时刻下所述目标电站对应的历史发电功率输入至所述待训练的发电功率预测模型，得到所述目标电站在标签时间段中的预测发电功率；基于所述预测发电功率和所述实际发电功率对所述待训练的发电功率预测模型进行训练，得到所述预训练的发电功率预测模型。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取初始发电功率预测模型，所述初始发电功率预测模型为循环神经网络模型；基于所述训练样本数据，使用所述超参数优化算法对所述初始发电功率预测模型的超参数进行优化，得到所述待训练的发电功率预测模型。4.根据权利要求3所述的方法，其特征在于，所述超参数优化算法为贝叶斯优化算法，所述基于所述训练样本数据，使用所述超参数优化算法对所述初始发电功率预测模型的超参数进行优化，得到所述待训练的发电功率预测模型，包括：选取所述初始发电功率预测模型中关键的模型超参数，并利用所述模型超参数构建域空间；基于预处理训练样本数据以及所述初始发电功率预测模型中关键的模型超参数，使用贝叶斯优化算法在所述域空间中确定针对所述初始发电功率预测模型的目标超参数；将所述初始发电功率预测模型的超参数调整为所述目标超参数，得到所述待训练的发电功率预测模型。5.根据权利要求1所述的方法，其特征在于，所述将所述天气预报数...

【专利技术属性】
技术研发人员：包涛，李鹏，姚森敬，马溪原，陈炎森，陈元峰，程凯，李卓环，周悦，张子昊，周长城，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：