一种基于机器学习的新能源爬坡事件预测方法技术

本发明专利技术涉及一种基于机器学习的新能源爬坡事件预测方法，包括对爬坡事件进行定义；对所述爬坡事件进行抓取。本发明专利技术的有益效果是：本发明专利技术首先提出了一种改进的爬坡事件定义，随后基于定义对爬坡事件进行了提取，爬坡事件的准确识别可以帮助电力系统工作人员对极端天气带来的功率变化进行预警并提前完成相对策略调整以确保稳定供电、避免经济损失。避免经济损失。避免经济损失。

【技术实现步骤摘要】
一种基于机器学习的新能源爬坡事件预测方法


[0001]本专利技术涉及机器学习
，更确切地说，它涉及一种基于机器学习的新能源爬坡事件预测方法。

技术介绍

[0002]爬坡事件是指电机功率在短时间内出现大幅度变化，变化速率超过电力系统可控调节能力，造成功率不平衡的情况。爬坡事件会影响电力系统供电的稳定性和安全性，在极端情况下会造成电力系统过载和大面积断电等现象。由于风电、太阳能等受外界环境因素影响较大，爬坡事件频繁发生。爬坡事件的预测对电力系统的稳定供电具有重要意义。爬坡事件的准确预测可以帮助电力系统工作人员对极端天气带来的功率变化进行预警并提前完成相对策略调整以确保稳定供电、避免经济损失。
[0003]爬坡事件预测主要分为两种方法，其中直接法直接使用历史气象数据和历史功率数据对爬坡特征量进行预测，而间接法使用历史数据通过建模的方式先预测功率，然后用预测的功率结果再对爬坡特征量进行预测。直接法直观、准确，但由于爬坡事件为小概率事件，历史数据很难满足需求。间接法对模型要求较高，模型的选择直接影响预测的准确性。此外两种方法都过度依赖历史数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的新能源爬坡事件预测方法，其特征在于，包括：S1、对爬坡事件进行定义；S2、对所述爬坡事件进行抓取。2.根据权利要求1所述的基于机器学习的新能源爬坡事件预测方法，其特征在于，S1包括：S101、获取数据，将数据标准化并提取为每个采样周期的功率变化；S102、根据爬坡方向进行分段比对，若每个采样周期的功率变化大于正阈值则认为发生了上爬坡，若每个采样周期的功率变化小于负阈值则认为发生了下爬坡。3.根据权利要求2所述的基于机器学习的新能源爬坡事件预测方法，其特征在于，S2包括：S201...

【专利技术属性】
技术研发人员：干建丽，郑渭建，陈荣洲，郭振兴，李震，朱源，沈兰，邹阳洋，顾浩，傅骏伟，刘轩驿，王豆，
申请(专利权)人：浙江浙能技术研究院有限公司浙江浙能数字科技有限公司，
类型：发明
国别省市：