【技术实现步骤摘要】
本专利技术涉及功率转换技术，尤其涉及一种考虑空气湿度的转换功率预测的方法和系统。
技术介绍
1、当前世界，能源转型已由起步蓄力期转向全面加速期，将自然界中蕴藏的大量自然能量高效地转换为电能的研究具有重要意义，而多种能量转换过程中，未考虑空气湿度的影响以及预测结果的精度不足，显著影响着转换效率以及应对变化的能力，因此在短时间内有效且高效地预测转换功率具有重要的应用价值。
2、cn201711328455.6，公开了一种光热发电功率的预测方法及装置。该光热发电功率的预测方法包括：根据气象数据和定日镜控制参数，预测传热介质的温度；根据所述传热介质的温度和所述传热介质的流量，预测光热发电系统的发电功率。本专利技术提供的光热发电功率的预测方法及装置，针对光热转换环节，根据气象数据和定日镜控制参数，预测传热介质的温度，实现了光热转换环节对光能量转换为的热能的预测。针对轮机发电环节，根据传热介质的温度和传热介质的流量，预测光热发电系统的发电功率，实现了轮机发电环节对热能转换为的电能的预测。
3、cn201210413575.7，公开了一种基于时间序列和神经网络法的风电功率预测方法，具体步骤为：步骤一：建立时间序列模型；步骤二：建立神经网络模型并对神经网络初始化；步骤三：建立风速预测模型：根据风速的原始数据经数据差分处理，基于时间序列法建立风速预测模型；步骤四：根据风速的预测模型及风速-功率转换关系，预测风电功率；步骤五：建立风电功率预测模型：基于风速的预测模型及风速-功率转换关系，建立风电功率的预测模型，利用风速预测模
4、综上，现有技术预测结果精度不足甚至偏差较大，且未能考虑空气湿度造成的预测结果偏移，显著影响预测结果的准确性及转换的应变能力，本专利技术的应用至少能够解决现有技术的部分问题。
技术实现思路
1、本专利技术实施例提供一种考虑空气湿度的转换功率预测的方法和系统，至少能够解决现有技术中部分问题。
2、本专利技术实施例的第一方面，
3、提供采集历史数据，所述历史数据包括历史转换功率数据和历史空气湿度数据,对所述历史数据进行清洗和预处理，提取空气湿度特征；
4、使用所述历史数据结合所述空气湿度特征对待训练的转换功率预测模型进行训练，建立空气湿度与转换功率之间的映射关系，采用预设的评估指标，评估待训练的转换功率预测模型的性能，其后进行待训练的转换功率预测模型调优，完成对转换功率预测模型的训练，其中，调优包括：超参数调整、特征工程改进、算法调优中至少一种；
5、部署训练完成的转换功率预测模型到生产环境，实时预测转换功率；建立监控系统，检测所述转换功率预测模型的性能指标和数据漂移，持续改进所述转换功率预测模型，使用特征贡献计算方法，衡量每个特征对所述转换功率预测模型的影响
6、在一种可选的实施例中，
7、采集历史数据，所述历史数据包括历史转换功率数据和历史空气湿度数据,对所述历史数据进行清洗和预处理，包括：
8、采集的历史转化率数据为 p( t)，历史空气湿度数据为 h( t)， t表示时间点， t-1表示前一个时间点；
9、通过差分运算和阈值筛选清除重复数据点，公式如下：
10、；
11、其中， δp( t)表示历史转化率的差分值， δh( t)表示历史空气湿度的差分值，移除差分值小于预先设定的阈值的数据点；
12、使用趋势分析插值方法填充缺失值，公式如下：
13、；
14、其中， p miss( t)表示历史转化率的缺失值， m表示历史转化率变化趋势因子， p’( t-1)表示历史转化率趋势分量，即时间 t-1到 t的转化率数据的变化率，根据历史转化率拟合得出， h miss( t)表示历史空气湿度的缺失值， n表示历史空气湿度变化趋势因子， h’( t-1)表示历史空气湿度变化趋势分量，即时间 t-1到 t的空气湿度数据的变化率，根据历史空气湿度拟合得出；
15、利用季节性分解算法确定所述历史数据的异常值，再通过计算标准得分来检测异常值，所述季节性分解算法公式如下：
16、；
17、其中， t( t)表示趋势成分， s( t)表示季节性成分， t表示时间点， μ表示整体均值， β表示趋势斜率， s表示季节周期数量， γ i表示第 i个季节周期的季节性分量系数， z i( t)表示季节性分量， l i表示第 i个季节周期的长度， o i表示第 i个季节周期对应的相位， e( t)表示残差成分， y( t)表示历史数据；
18、所述标准得分计算公式如下：
19、；
20、其中， v表示残差均值， m表示残差数据个数， a表示时间点 ，e( t)表示残差成分， σ表 示残差标准差，r本文档来自技高网...
【技术保护点】
1.一种考虑空气湿度的转换功率预测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采集历史数据，所述历史数据包括历史转换功率数据和历史空气湿度数据,对所述历史数据进行清洗和预处理，包括：
3.根据权利要求1所述的方法，其特征在于，使用所述历史数据结合所述空气湿度特征对待训练的转换功率预测模型进行训练，建立空气湿度与转换功率之间的映射关系，采用预设的评估指标，评估待训练的转换功率预测模型的性能，包括：
4.根据权利要求3所述的方法，其特征在于，使实际功率值与模型预测值之间的误差最小化包括：
5.根据权利要求1所述的方法，其特征在于，部署训练完成的转换功率预测模型到生产环境，实时预测转换功率；建立监控系统，检测所述转换功率预测模型的性能指标和数据漂移，持续改进所述转换功率预测模型，使用特征贡献计算方法，衡量每个特征对所述转换功率预测模型的影响，包括：
6.一种考虑空气湿度的转换功率预测的系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述第一单元还用于：
8.
9.根据权利要求8所述的系统，其特征在于，所述第二单元还用于：
10.根据权利要求6所述的系统，其特征在于，所述第三单元还用于：
...【技术特征摘要】
1.一种考虑空气湿度的转换功率预测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，采集历史数据，所述历史数据包括历史转换功率数据和历史空气湿度数据,对所述历史数据进行清洗和预处理，包括：
3.根据权利要求1所述的方法，其特征在于，使用所述历史数据结合所述空气湿度特征对待训练的转换功率预测模型进行训练，建立空气湿度与转换功率之间的映射关系，采用预设的评估指标，评估待训练的转换功率预测模型的性能，包括：
4.根据权利要求3所述的方法，其特征在于，使实际功率值与模型预测值之间的误差最小化包括：
5.根据权利要求1所述的方法，其特征在于...
【专利技术属性】
技术研发人员：朱学春，
申请(专利权)人：旗星天津科技有限公司，
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。