本申请公开了一种风机发电功率的超短期预测方法、装置及介质，主要涉及风机发电领域。该方法先获取基于气象数据预测的风机发电功率和风机实际发电功率；然后，根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型，预先设置的模型通过如下方式得到：将平均误差率和功率差值分别进行分组得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部组合方式；根据所得到的全部组合方式分别训练模型；最后，调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。该方法根据目标平均误差率和目标功率差值从预先设置的模型中选择目标模型，能够较好地贴合实际情况，提高超短期预测功率的准确率。高超短期预测功率的准确率。高超短期预测功率的准确率。
【技术实现步骤摘要】
一种风机发电功率的超短期预测方法、装置及介质
[0001]本申请涉及风机发电领域，特别是涉及一种风机发电功率的超短期预测方法、装置及介质。
技术介绍
[0002]风机的发电功率受风速和风向影响而变化，为维持电力平衡，电网运营商对风电场进行考核。其中，超短期预测功率的准确率是目前电网对风电场考核的重要指标之一。短期预测功率指的是所预测的风机在当前时间的几天之后的发电功率，超短期预测功率指的是所预测的风机在当前时间的几小时之后的发电功率。
[0003]当前直接采用短期预测功率作为超短期预测功率，无法保证超短期预测功率的准确率。
[0004]由此可见，如何提高超短期预测功率的准确率是本领域技术人员亟待解决的问题。
技术实现思路
[0005]本申请的目的是提供一种风机发电功率的超短期预测方法、装置及介质，用于进行风机发电功率的超短期预测，能够提高超短期预测功率的准确率。
[0006]为解决上述技术问题，本申请提供一种风机发电功率的超短期预测方法，包括：
[0007]获取基于气象数据预测的风机的发电功率和风机的实际发电功率；其中，预测的风机的发电功率与风机的实际发电功率按照时间对应；
[0008]根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；其中，目标平均误差率和目标功率差值根据预测的风机的发电功率和风机的实际发电功率计算得到；预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组，得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部的组合方式；其中，平均误差率和功率差值根据风机的历史短期预测功率和历史实际功率计算得到；根据所得到的全部的组合方式分别训练模型；
[0009]调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。
[0010]优选地，获取基于气象数据预测的风机的发电功率和风机的实际发电功率包括：
[0011]获取在当前时间之前的多个优选的时间点的基于气象数据预测的风机的发电功率和风机的实际发电功率。
[0012]优选地，目标功率差值为首个时间点的功率差值和最后一个时间点的功率差值；其中，各时间点按时间排序；
[0013]对应地，根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型包括：
[0014]根据目标平均误差率与目标功率差值的组合分别选择目标模型。
[0015]优选地，当目标平均误差率的绝对值大于预设阈值时，则调用目标模型根据预测
的风机在目标时间点的发电功率得到超短期预测功率包括：
[0016]将预测的风机在目标时间点的发电功率输入目标模型；
[0017]根据预设的经验系数调整目标模型输出的超短期预测功率。
[0018]优选地，在调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率之后，还包括：
[0019]对目标模型输出的超短期预测功率取平均值，将平均值作为输出结果。
[0020]优选地，在调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率之后，还包括：
[0021]获取风机在目标时间点的实际发电功率；
[0022]根据超短期预测功率和风机在目标时间点的实际发电功率校准目标模型。
[0023]优选地，在训练预先设置的模型之前，还包括：
[0024]对风机的历史短期预测功率和历史实际功率进行预处理。
[0025]为解决上述技术问题，本申请还提供一种风机发电功率的超短期预测装置，包括：
[0026]获取模块，用于获取基于气象数据预测的风机的发电功率和风机的实际发电功率；其中，预测的风机的发电功率与风机的实际发电功率按照时间对应；
[0027]选择模块，用于根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；其中，目标平均误差率和目标功率差值根据预测的风机的发电功率和风机的实际发电功率计算得到；预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组，得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部的组合方式；其中，平均误差率和功率差值根据风机的历史短期预测功率和历史实际功率计算得到；根据所得到的全部的组合方式分别训练模型；
[0028]调用模块，用于调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。
[0029]为解决上述技术问题，本申请还提供一种风机发电功率的超短期预测装置，包括：
[0030]存储器，用于存储计算机程序；
[0031]处理器，用于执行计算机程序时实现上述风机发电功率的超短期预测方法的步骤。
[0032]为解决上述技术问题，本申请还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述风机发电功率的超短期预测方法的步骤。
[0033]本申请提出了一种风机发电功率的超短期预测方法，该方法先获取基于气象数据预测的风机的发电功率和风机的实际发电功率；然后，根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部的组合方式；根据所得到的全部的组合方式分别训练模型；最后，调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。由于预先设置的模型是根据所得到的任意组平均误差率和任意组功率差值的全部组合方式分别训练得到，因此该方法根据目标平均误差率和目标功率差值从预先设置的模型中选择目标模型，能够较好地与实际情况贴合，有效提高超短期预测功率的准确率。
[0034]此外，本申请所提供的风机发电功率的超短期预测装置、介质与风机发电功率的超短期预测方法相对应，效果如上。
附图说明
[0035]为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
[0036]图1为本申请提供的一种风机发电功率的超短期预测方法的流程图；
[0037]图2为本申请提供的一种风机发电功率的超短期预测装置的结构图；
[0038]图3为本申请提供的另一种风机发电功率的超短期预测装置的结构图。
具体实施方式
[0039]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。
[0040]本申请的核心是提供一种风机发电功率的超短期预测方法，用于进行风机发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风机发电功率的超短期预测方法，其特征在于，包括：获取基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率；其中，所述预测的风机的发电功率与所述风机的实际所述发电功率按照时间对应；根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；其中，所述目标平均误差率和所述目标功率差值根据所述预测的风机的发电功率和所述风机的实际所述发电功率计算得到；所述预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组，得到两种集合，并在两种集合中以任意组所述平均误差率和任意组所述功率差值进行组合得到全部的组合方式；其中，所述平均误差率和所述功率差值根据所述风机的历史短期预测功率和历史实际功率计算得到；根据所得到的全部的所述组合方式分别训练所述模型；调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率。2.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，所述获取基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率包括：获取在当前时间之前的多个优选的时间点的所述基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率。3.根据权利要求2所述的风机发电功率的超短期预测方法，其特征在于，所述目标功率差值为首个所述时间点的所述功率差值和最后一个所述时间点的所述功率差值；其中，各所述时间点按时间排序；对应地，所述根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型包括：根据所述目标平均误差率与所述目标功率差值的组合分别选择所述目标模型。4.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，当所述目标平均误差率的绝对值大于预设阈值时，则所述调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率包括：将所述预测的所述风机在目标时间点的所述发电功率输入所述目标模型；根据预设的经验系数调整所述目标模型输出的所述超短期预测功率。5.根据权利要求3所述的风机发电功率的超短期预测方法，其特征在于，在所述调用所述目标模型根据预测的所述风机在目标时间点...
【专利技术属性】
技术研发人员：彭喆，袁兴德，梁卉林，张雨薇，邹剑晖，聂燕，杨东升，
申请(专利权)人：华润电力技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。