风电场机组级出力的概率预测方法及系统技术方案

风电场机组级出力的概率预测方法及系统，属于风电预测技术领域。为了解决目前的预测方法不能表征风电场未来机组级出力的不确定性的问题，本发明专利技术以由风电场测风塔的风速、风向以及风电场出站口的总功率组成的数据矩阵作为输入，采用卷积神经网络进行风电场机组级出力的预测，分别判断每台风机的功率预测值所在的区间，根据其中一台风机区间所对应的误差概率密度函数计算得到误差累积分布函数，从而得到功率累积分布函数，并进一步找出一段以预测功率为轴的对称功率区间，选择区间长度最小的区间作为第相应风机该功率预测值的置信区间，进而得到所有风机功率预测值的置信区间。

【技术实现步骤摘要】

本专利技术属于风电预测，涉及一种风电场机组级出力的概率预测方法及系统。

技术介绍

1、目前风力发电已成为我国能源的重要组成部分，但其出力的随机性和波动性给电网的安全和稳定运行带来了很大的挑战。风电功率预测技术成为解决风电不确定性的重要手段，但目前风电功率预测技术主要集中于对风电场总功率的预测，未考虑到风电场机组级出力的预测，且确定性的预测手段存在着一定的误差，无法表征未来的实际机组级出力，为此需要提出一种不确定性的预测方法来表征风电场未来的机组级出力。

技术实现思路

1、为了解决目前的预测方法不能表征风电场未来机组级出力的不确定性的问题，本专利技术提出了一种风电场机组级出力的概率预测方法，以通过风电场当前的气象信息与出力信息来预测风电场未来的机组级出力。

2、一种风电场机组级出力的概率预测方法，包括针对历史风电场机组数据的处理，以及针对未来风电场机组数据的处理；

3、针对历史风电场机组数据的处理过程以下步骤：

4、基于历史风电场机组数据，以由风电场测风塔的风速、风向以及风电本文档来自技高网...

【技术保护点】

1.一种风电场机组级出力的概率预测方法，其特征在于，包括针对历史风电场机组数据的处理，以及针对未来风电场机组数据的处理；

2.根据权利要求1所述的一种风电场机组级出力的概率预测方法，其特征在于，所述的卷积神经网络模型包括卷积单元以及卷积单元之后依次连接的展平层、第一全连接层、Dropout层、第二全连接层和输出层；其中卷积单元由多个卷积模块构成，每个卷积模块包括一个卷积层和一个池化层。

3.根据权利要求1或2所述的一种风电场机组级出力的概率预测方法，其特征在于，根据预测的风机功率区间的划分，对相应的预测误差数据进行分层的过程包括以下步骤：>

4.根据权利...

【技术特征摘要】

1.一种风电场机组级出力的概率预测方法，其特征在于，包括针对历史风电场机组数据的处理，以及针对未来风电场机组数据的处理；

2.根据权利要求1所述的一种风电场机组级出力的概率预测方法，其特征在于，所述的卷积神经网络模型包括卷积单元以及卷积单元之后依次连接的展平层、第一全连接层、dropout层、第二全连接层和输出层；其中卷积单元由多个卷积模块构成，每个卷积模块包括一个卷积层和一个池化层。

3.根据权利要求1或2所述的一种风电场机组级出力的概率预测方法，其特征在于，根据预测的风机功率区间的划分，对相应的预测误差数据进行分层的过程包括以下步骤：

4.根据权利要求3所述的一种风电场机组级出力的概率预测方法，其特征在于，若某区间功率与误差所对应的样本点数量少于样本数量阈值，则从相邻区间取样本放入该区间的过程中，若该区间有两个相邻区间，则从两个相邻区间各取等量的样本放入该区间。

5.根据权利要求3所述的一...

【专利技术属性】
技术研发人员：孙勇，吴磊，晁璞璞，姜天童，李卫星，宋晓喆，李宝聚，付小标，傅吉悦，
申请(专利权)人：国网吉林省电力有限公司，
类型：发明
国别省市：