一种风电出力短期预测方法及系统技术方案

本发明专利技术涉及新能源出力预测技术领域，公开了一种风电出力短期预测方法及系统，利用多个数据采集通道采集多种特征类型的风力发电影响参数，一个数据采集通道对应一种特征类型的多个风力发电影响参数；对每个数据采集通道的多个风力发电影响参数进行全局特征提取和局部特征提取；对其中一个数据采集通道的特征类型为历史风电出力的多个风力发电影响参数进行时序特征提取；将提取出的全局特征信息、局部特征信息和时序特征信息进行融合，得到风电出力短期预测结果。本发明专利技术可解决现有的风电出力预测方法没有考虑风电出力各影响因素之间的关联性和风电出力的时序性，导致各数据通道之间的信息丢失的问题，进而提高风电出力预测精度。精度。精度。

【技术实现步骤摘要】
一种风电出力短期预测方法及系统


[0001]本专利技术涉及新能源出力预测
，具体涉及一种风电出力短期预测方法及系统。

技术介绍

[0002]风力发电作为解决全球能源和环境问题的关键替代方案之一，近年来得到快速发展。截止到2021年，我国风电装机容量达338.31GW，占到全球总装机容量的40.4％，发电量达到6526亿千瓦时，同比增长40.5％，占全国发电总量的6.99％。随着“双碳”目标的提出，作为新能源发电主要形式的风电占比还将持续增加。然而，风力发电受风速、风向、湿度等气候条件的影响，导致出力波动性大、不确定性高，对电力系统运行控制提出较大挑战，也成为大规模新能源入网的瓶颈问题。因此，准确可靠的风电出力预测对于提高新能源消纳和电力系统运行的安全稳定性具有重要意义。人工智能算法由于具有高效的高维数据处理和非线性拟合能力，在新能源出力预测中得到广泛应用。信息采集技术的发展使得风电厂的监控数据越来越全面，为后端进行数据处理以及风电预测提供了大数据保障。当前使用的传统机器学习算法和特征工程对电厂采集数据进行处理，并没有在风电出力各影响因素之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电出力短期预测方法，其特征在于，包括以下步骤：S1：通过多个数据采集通道采集多种特征类型的风力发电影响参数，一个数据采集通道对应一种特征类型的多个风力发电影响参数；S2：对每个数据采集通道的多个风力发电影响参数进行全局特征提取和局部特征提取；S3：对其中一个数据采集通道的特征类型为历史风电出力的多个风力发电影响参数进行时序特征提取；S4：将提取出的全局特征信息、局部特征信息和时序特征信息进行融合，得到风电出力短期预测结果。2.根据权利要求1所述的一种风电出力短期预测方法，其特征在于，S2包括以下步骤：利用多个大小为A的卷积核执行S21
‑
S24，得到全局特征信息；利用多个大小为B的卷积核执行S21
‑
S24，得到局部特征信息；A＞B；S21：对每个数据采集通道的风力发电影响参数按照预定步长进行卷积运算；S22：对卷积运算结果进行归一化处理；S23：利用激活函数对经过归一化处理后的卷积运算结果进行非线性映射；S34：通过池化层对经过非线性映射的卷积运算结果进行特征提取。3.根据权利要求2所述的一种风电出力短期预测方法，其特征在于，S2之前还包括以下步骤：将采集的多个风力发电影响参数按照时间维度拼接为风电出力特征矩阵。4.根据权利要求1所述的一种风电出力短期预测方法，其特征在于，S3包括以下步骤：利用GRU神经网络对特征类型为历史风电出力的风力发电影响参数进行时序特征计算；通过X维的全连接层从计算结果中提取出时序特征信息。5.根据权利要求1所述的一种风电出力短期预测方法，其特征在于，S4包括以下步骤：通过Y维的全连接层对全局特征信息、局部特征信息和时序特征信息进行拼接；通过Z维的全连接层对拼接后的特征信息进行融...

【专利技术属性】
技术研发人员：叶希，高剑，王曦，魏巍，朱童，欧阳雪彤，陈振，李甘，陈刚，周波，李金龙，胡鑫，黄格超，
申请(专利权)人：国网四川省电力公司电力科学研究院，
类型：发明
国别省市：