【技术实现步骤摘要】
基于聚类算法的风电场功率预测方法、装置、设备和介质
[0001]本申请涉及风电功率预测
，特别是涉及一种基于聚类算法的风电场功率预测方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着电网技术的发展，为了能够及时准确地进行电力资源调度，可以对风电场的风电场功率进行预测。
[0003]在相关技术中，风电功率预测是基于历史风速、风向等气象数据和风机转速、桨叶角度等风电场运行数据，运用机器学习或统计学方法，对未来一段时间内风电场的发电功率进行预测。
[0004]然而，在实际应用中，数值天气预报的分辨率限制可能导致气象数据细节丢失，且地形和局部气候差异可能导致风速的变化，这些因素通常难以完全体现在天气预报数据中，影响风速、风向等信息的预测精度，工作人员往往需要花费大量时间，结合地形和局部气候等信息建立气象模型，存在风电场功率预测效率较低的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够基于聚类算法的风电场功率预测方法、装置、计算机设备、计算机可读存储介质和
【技术保护点】
【技术特征摘要】
1.一种基于聚类算法的风电场功率预测方法，其特征在于，所述方法包括：对预先获取的风电场的历史出力数据时间序列进行分割，基于分割结果得到多个片段序列；所述历史出力数据时间序列包括多个历史序列样点，所述历史序列样点表征所述风电场在对应历史时间点的风电场功率；对所述多个片段序列进行聚类，得到多个片段序列簇，并根据每个片段序列簇的簇心片段序列，得到典型出力数据时间序列；获取当前出力数据时间序列；所述当前出力时间数据序列包括与未来时间点邻近的多个历史序列样点和所述未来时间点的预测序列样点；基于所述当前出力数据时间序列与各个典型出力数据时间序列的比较结果，确定所述风电场在未来时间点的预测风电场功率。2.根据权利要求1所述的方法，其特征在于，所述基于所述当前出力数据时间序列与各个典型出力数据时间序列的比较结果，确定所述风电场在未来时间点的预测风电场功率，包括：确定每个片段序列簇对应的片段序列总数和聚类效果参数；针对每个片段序列簇，获取所述当前出力数据时间序列与所述片段序列簇的典型出力数据时间序列之间的整体相似度，并根据所述整体相似度、所述片段序列总数和聚类效果参数的乘积，获取所述当前出力数据时间序列与所述典型出力数据时间序列的序列相似度；基于所述当前出力数据时间序列与各个典型出力数据时间序列的序列相似度，确定所述当前出力数据时间序列的全局相似度；调整所述当前出力数据时间序列中的预测序列样点，并重新确定所述当前出力数据时间序列与各个典型出力数据时间序列的全局相似度，直到获取到使所述全局相似度最高的目标预测序列样点；基于所述目标预测序列样点确定所述风电场在未来时间点的预测风电场功率。3.根据权利要求1所述的方法，其特征在于，所述对所述多个片段序列进行聚类，得到多个片段序列簇，包括：对所述多个片段序列进行预分组，得到多个片段序列簇，确定每个片段序列簇中作为聚类中心的簇心片段序列；针对每个片段序列，根据所述片段序列与每个簇心片段序列的形状敏感系数和距离，确定所述片段序列与每个簇心片段序列的整体相似度，并将所述片段序列划分到整体相似度最高的簇心片段序列对应的片段序列簇；返回执行所述确定每个片段序列簇中作为聚类中心的簇心片段序列，直到满足聚类结束条件，得到多个片段序列簇。4.根据权利要求3所述的方法，其特征在于，所述根据所述片段序列与每个簇心片段序列的形状敏感系数和距离，确定所述片段序列与每个簇心片段序列的整体相似度，包括：获取所述片段序列中每个历史序列样点与每个簇心片段序列中对应历史序列样点之间的形状敏感系数；根据所述片段序列中每个历史序列样点与每个簇心片段序列中对应历史序列样点的样点距离，以及所述片段序列中每个历史序列样点对应的形状敏感系数，确定所述片段序
列与每个簇心片段序列的整体相似度。5.根据权利要求4所述的方法，其特征在于，所述获取所述片段序列中每个历史序列样点与每个簇心片段序列中对应历史序列样点之间的形状敏感系数，包括：确定每个历史序列样点在所述片段序列中的位置；若所述历史序列样点为所述片段序列的首个序列样点，则根据第一预设关系确...
【专利技术属性】
技术研发人员：卓毅鑫，蒙文川，胡甲秋，黄馗，詹厚剑，秦意茗，唐健，韦恒，饶志，杨再敏，孙思扬，黎立丰，李爽，席云华，陈遥，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
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。