爬坡事件预测方法技术

本公开提供了一种爬坡事件预测方法

【技术实现步骤摘要】
爬坡事件预测方法、装置、电子设备和存储介质


[0001]本公开涉及计算机
，尤其涉及功率检测领域
。
本公开具体涉及一种爬坡事件预测方法
、
装置
、
电子设备和存储介质
。

技术介绍

[0002]为了促进能源供给清洁化”的发展方向
。
其中，可再生能源发电装机容量达到占总发电装机容量的比例越来越大
。
然而，受清洁能源自身随机性与波动性影响，风电等高比例可再生能源发电的接入，对电力系统的辅助服务提出了更高的要求
。
据统计，弃风电量越来越高
。
其中，风电功率爬坡事件给电力系统造成了严重影响
。
尤其是在山区
、
沿海等微气象场景中，风电功率输出会出现陡升和陡降现象，形成高风险的爬坡事件，从而，影响电力系统的供需平衡
。
[0003]爬坡事件的爬坡类型可以分为上爬坡和下爬坡两种
。
爬坡事件具有3个重要属性：爬坡幅值
、
爬坡斜率和爬坡持续时间，并通常具有高幅值
、
短持续时间的特点
。
因此，采用传统发电预测技术难以准确预测风电功率爬坡事件的快速变化，无法保障新能源及时并网和消纳
。
如何准确地建立风电功率爬坡事件的统计特性和预测模型，以更好地为电力系统的辅助服务提供数据支撑是我们研究的一个重要课题
。
[0004]不同于极端天气带来的大范围/>、
长周期的风电功率波动，在山区
、
沿海等微气象场景下，需要满足对短时间
、
小范围爬坡事件进行识别的实际需求
。
但现有的技术难以解决该技术问题
。
此外，由于风电功率爬坡事件随季节的变化明显，如何适应风电爬坡事件的变化趋势也是一个亟待解决的问题
。

技术实现思路

[0005]本公开提供了一种爬坡事件预测方法
、
装置
、
电子设备和存储介质，能够解决上述问题
。
[0006]根据本公开的一方面，提供了一种爬坡事件预测方法，包括：
[0007]对按采样时间顺序排列的风电功率序列，逐个功率地滑动时间窗口并截取所述时间窗口中的序列，得到多个风电功率子序列；
[0008]在所述多个风电功率子序列中，确定属于爬坡事件的多个第一子序列；
[0009]基于各个所述第一子序列与所述多个第一子序列中的其他子序列之间的欧式距离，分别确定各个所述第一子序列的邻居子序列；
[0010]基于各个所述第一子序列对应的邻居子序列中风电功率的采样时间，确定所述爬坡事件的发生时间间隔；
[0011]基于所述爬坡事件的最近一次发生时间，以及所述发生时间间隔，确定所述爬坡事件的下一次发生时间
。
[0012]根据本公开的另一方面，提供一种爬坡事件预测装置，包括：
[0013]子序列截取模块，用于对按采样时间顺序排列的风电功率序列，逐个功率地滑动
时间窗口并截取所述时间窗口中的序列，得到多个风电功率子序列；
[0014]爬坡事件检测模块，用于在所述多个风电功率子序列中，确定属于爬坡事件的多个第一子序列；
[0015]子序列筛选模块，用于基于各个所述第一子序列与所述多个第一子序列中的其他子序列之间的欧式距离，分别确定各个所述第一子序列的邻居子序列；
[0016]时间间隔确定模块，用于基于各个所述第一子序列的邻居子序列中风电功率的采样时间，确定所述爬坡事件的发生时间间隔；
[0017]爬坡事件预测模块，用于基于所述爬坡事件的最近一次发生时间，以及所述发生时间间隔，确定所述爬坡事件的下一次发生时间
。
[0018]根据本公开的另一方面，提供了一种电子设备，包括：
[0019]至少一个处理器；以及
[0020]与该至少一个处理器通信连接的存储器；其中，
[0021]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开实施例中任一爬坡事件检测方法
。
[0022]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例中任一爬坡事件检测方法
。
[0023]根据本公开的技术，对按采样时间顺序排列的风电功率序列，逐个功率地滑动时间窗口并截取时间窗口中的序列，得到多个风电功率子序列，从而可以在所述多个风电功率子序列中，确定属于爬坡事件并且时长相同的多个第一子序列
。
然后，利用各个第一子序列与属于爬坡事件的其他子序列之间的欧式距离，可以准确地确定各个第一子序列的发生爬坡事件的邻居子序列，从而利用各个邻居子序列中风电功率的采样时间，可以准确地确定爬坡事件的发生时间间隔，进而，可以准确地预测爬坡事件的下一次发生时间
。
[0024]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0025]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0026]图1是本公开一实施例的爬坡事件预测方法的流程图；
[0027]图2是本公开一实施例的爬坡事件的示意图；
[0028]图3是本公开一实施例的两个窗口子序列的距离计算过程的示意图；
[0029]图4是本公开一实施例的爬坡事件预测装置的结构框图；
[0030]图5是用来实现本公开实施例的爬坡事件预测方法的电子设备的框图
。
具体实施方式
[0031]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的
。
因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围
。
同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述
。
[0032]图1是本公开一实施例的爬坡事件预测方法的流程图
。
[0033]如图1所示，该爬坡事件预测方法，可以包括：
[0034]S110
，对按采样时间顺序排列的风电功率序列，逐个功率地滑动时间窗口并截取时间窗口中的序列，得到多个风电功率子序列；
[0035]S120
，在多个风电功率子序列中，确定属于爬坡事件的多个第一子序列；
[0036]S130
，基于各个第一子序列与多个第一子序列中的其他子序列之间的欧式距离，分别确定各个第一子序列的邻居子序列；
[0037]S14本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种爬坡事件预测方法，其特征在于，包括：对按采样时间顺序排列的风电功率序列，逐个功率地滑动时间窗口并截取所述时间窗口中的序列，得到多个风电功率子序列；在所述多个风电功率子序列中，确定属于爬坡事件的多个第一子序列；基于各个所述第一子序列与所述多个第一子序列中的其他子序列之间的欧式距离，分别确定各个所述第一子序列的邻居子序列；基于各个所述第一子序列的邻居子序列中风电功率的采样时间，确定所述爬坡事件的发生时间间隔；基于所述爬坡事件的最近一次发生时间，以及所述发生时间间隔，确定所述爬坡事件的下一次发生时间
。2.
根据权利要求1所述的方法，其特征在于，所述基于各个所述第一子序列与所述多个第一子序列中的其他子序列之间的欧式距离，分别确定各个所述第一子序列的邻居子序列，包括：针对任一所述第一子序列，在所述多个第一子序列中确定与所述第一子序列不重叠的多个第二子序列；基于所述第一子序列与各个所述第二子序列的欧式距离，在所述多个第二子序列中，选取与所述第一子序列的欧式距离最小的第二子序列，以作为所述第一子序列的邻居子序列
。3.
根据权利要求1所述的方法，其特征在于，基于各个所述第一子序列对应的邻居子序列中风电功率的采样时间，确定所述爬坡事件的发生时间间隔，包括：基于各个所述第一子序列的邻居子序列中风电功率的采样时间，分别确定各个所述第一子序列的邻居采样时间；基于各个所述第一子序列的邻居采样时间，确定所述爬坡事件的发生时间间隔
。4.
根据权利要求3所述的方法，其特征在于，所述基于各个所述第一子序列对应的邻居子序列中风电功率的采样时间，分别确定各个所述第一子序列的邻居采样时间，包括以下之一：针对任一所述第一子序列，在所述第一子序列对应一个所述邻居子序列的情况下，基于所述邻居子序列中的第1个风电功率的采样时间，作为所述第一子序列的邻居采样时间；针对任一所述第一子序列，在所述第一子序列对应的多个所述邻居子序列的情况下，获取各个所述邻居子序列中第1个风电功率的采样时间以得到多个采样时间，并在所述多个采样时间中，选择与所述第一子序列中第1个风电功率的采样时间之间的时间间隔最小的采样时间，作为所述第一子序列的邻居采样时间
。5.
根据权利要求3所述的方法，其特征在于，所述基于各个所述第一子序列的邻居采样时间，确定所述爬坡事件的发生时间间隔，包括：按照时间先后顺序排列各个所述第一子序列的邻居采样时间，得到邻居采样时间序列；从
s
的初始值为1开始，逐个获取所述邻居采样时间序列中的第

【专利技术属性】
技术研发人员：何英静，王岑峰，朱克平，王蕾，孙飞飞，
申请(专利权)人：国网浙江省电力有限公司，
类型：发明
国别省市：