一种风电中长期发电量预测方法及装置制造方法及图纸

本发明专利技术提供一种风电中长期发电量预测方法及装置。该方法包括：确定待预测风电站单日的历史风速数据；将单日的历史风速数据输入到预测模型，获得未来时间段内第一日的预测风速数据；基于预测模型和第一日的预测风速数据进行迭代预测处理，得到次月预测风速数据；次月预测风速数据为次月的每日风速数据；预测模型是基于单日样本风速数据及单日样本风速数据对应的单日目标风速数据进行训练得到的；将次月预测风速数据、历史发电量数据及其对应的历史风速数据输入到时间序列模型中，得到相应的次月发电量预测结果。本发明专利技术提供的方法，能够有效提高风电中长期发电量预测精度和效率，以及提升了发电量预测结果的稳定性。及提升了发电量预测结果的稳定性。及提升了发电量预测结果的稳定性。

【技术实现步骤摘要】
一种风电中长期发电量预测方法及装置


[0001]本专利技术涉及风力发电
，具体涉及一种风电中长期发电量预测方法及装置。另外，还涉及一种电子设备及处理器可读存储介质。

技术介绍

[0002]近年来，随着风力发电技术快速发展，风电并网迅速增加。目前对风电发电量的预测一般分为短期预测和中长期预测等。中长期预测通常是指一个月及以上的时间段预测，其是进行发电指标分配及定价的重要依据。然而由于风速的波动性，风电场并网会给电力系统带来诸多的影响，电力系统对中长期风力发电量预测准确率提出了新的需求。为了减轻风电场并网后对电力系统的影响，需要对风电发电量进行有效的风电中长期发电量预测。但是，当前风电中长期发电量预测方案局限性较高，对历史数据长度有较高要求，通常需要历史3年以上的数据，由于许多电站建站时间较短或者历史数据丢失，导致当前主流方法预测精度不足或无法预测。因此，如何设计一种能稳定、精确的风电中长期发电量预测方案成为本领域亟待解决的技术问题。

技术实现思路

[0003]为此，本专利技术提供一种风电中长期发电量预测方法及装置，以解决现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电中长期发电量预测方法，其特征在于，包括：确定待预测风电站单日的历史风速数据；将所述单日的历史风速数据输入到预测模型，获得所述预测模型输出的未来时间段内第一日的预测风速数据；基于所述预测模型和所述第一日的预测风速数据进行迭代预测处理，得到相应的次月预测风速数据；所述次月预测风速数据为次月的每日风速数据；其中，所述预测模型是基于单日样本风速数据以及所述单日样本风速数据对应的单日目标风速数据进行训练得到的回归模型；将所述次月预测风速数据、所述历史发电量数据及其对应的历史风速数据输入到时间序列模型中，以基于预设的时间周期对历史发电量数据进行周期性分解，得到相应的次月发电量预测结果。2.根据权利要求1所述的风电中长期发电量预测方法，其特征在于，还包括：获取风电站在第一时间段内的历史风速数据；其中，所述第一时间段内的历史风速数据包含单日样本风速数据；获得风电站在第二时间段内的历史风速数据；其中，所述第二时间段内的历史风速数据包含单日目标风速数据；将所述第一时间段内的历史风速数据作为训练样本集合，并将所述第二时间段内的历史风速数据作为训练目标，对预设回归模型进行训练，得到相应的所述预测模型；其中，所述第二时间段在所述第一时间段之后；所述第一时间段内的历史风速数据和所述第二时间段内的历史风速数据是以单日为时间单位的风速数据。3.根据权利要求1所述的风电中长期发电量预测方法，其特征在于，还包括：获取风电站在第一时间段内的历史发电量数据，并获取风电站在第二时间段内的历史发电量数据；所述第二时间段在第一时间段之后；将所述第一时间段内的历史发电量数据作为训练样本集合，并将所述第二时间段内的历史发电量数据作为训练目标，对预设初始时间序列模型进行训练，得到相应的所述时间序列模型，以使得所述时间序列模型中每个时间周期对应一个发电量波动系数；其中，所述第一时间段内的历史发电量数据和所述第二时间段内的历史发电量数据是以月份为时间单位的发电量数据。4.根据权利要求1所述的风电中长期发电量预测方法，其特征在于，基于所述预测模型和所述第一日的预测风速数据进行迭代预测处理，得到相应的次月预测风速数据，具体包括：将所述第一日的预测风速数据输入到所述预测模型中，得到所述预测模型输出的第二日的预测风速数据；将所述第二日的预测风速数据输入到所述预测模型中，得到所述预测模型输出的第三日的预测风速数...

【专利技术属性】
技术研发人员：向婕，雍正，杨弃，
申请(专利权)人：国能日新科技股份有限公司，
类型：发明
国别省市：