System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及风电,尤其涉及一种风电功率的预测方法、装置、设备及介质。
技术介绍
1、海上风电功率预测作为大型风电场并网稳定运行的重要环节,其准确性对于提高电网安全运行水平和满足不同区域电力系统的需求有着重大的意义。
2、由于海上风电功率的短时波动性较强,风电功率预测的难度很大,同时现有技术中存在风电功率预测精度差的问题。
技术实现思路
1、本专利技术实施例提供一种风电功率的预测方法、装置、设备及介质,可以提高风电功率的预测精度,从而可以保证风电集群功率的精准预测。
2、第一方面,本公开实施例提供了一种风电功率的预测方法,包括:获取风电集群中各风电场的未来时间段内的预测气象数据以及多个历史时间段内的历史气象数据;基于所述历史气象数据确定所述预测气象数据对应的预测气象事件类别;根据所述预测气象事件类别确定对应的目标气象数据组合以及目标风电功率预测模型;获取所述目标气象数据组合对应的目标预测气象数据;将所述目标预测气象数据输入至所述目标风电功率预测模型中,获得目标预测风电功率。
3、第二方面,本公开实施例还提供了一种风电功率的预测装置,包括:气象数据获取模块,用于获取风电集群中各风电场的未来时间段内的预测气象数据以及多个历史时间段内的历史气象数据;预测气象事件类别确定模块,用于基于所述历史气象数据确定所述预测气象数据对应的预测气象事件类别;风电场以及预测模型确定模块,用于根据所述预测气象事件类别确定对应的目标气象数据组合以及目标风电功率预测模型
4、第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
5、一个或多个处理器;
6、存储装置,用于存储一个或多个程序,
7、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开实施例所述的风电功率的预测方法。
8、第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例所述的风电功率的预测方法。
9、本专利技术实施例的技术方案,获取风电集群中各风电场的未来时间段内的预测气象数据以及多个历史时间段内的历史气象数据;基于所述历史气象数据确定所述预测气象数据对应的预测气象事件类别;根据所述预测气象事件类别确定对应的目标气象数据组合以及目标风电功率预测模型;获取所述目标气象数据组合对应的目标预测气象数据;将所述目标预测气象数据输入至所述目标风电功率预测模型中,获得目标预测风电功率。本公开实施例,通过预测气象数据对应的预测气象事件类别确定对应的目标气象数据组合以及目标风电功率预测模型;通过目标风电功率预测模型对目标气象数据组合的目标预测气象数据进行风电功率预测的方式,可以得到准确的目标预测风电功率,从而可以实现对风电集群功率的精准预测。
本文档来自技高网...【技术保护点】
1.一种风电功率的预测方法,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,基于所述历史气象数据确定所述预测气象数据对应的预测气象事件类别,包括:
3.根据权利要求2所述的方法,其特征在于,对多个天气事件样本进行聚类,获得至少一个聚类中心,包括:
4.根据权利要求3所述的方法,其特征在于,对清洗后的历史气象数据进行气象特征计算,获得多个历史气象特征,包括:
5.根据权利要求2所述的方法,其特征在于,根据所述至少一个聚类中心确定所述预测气象数据对应的预测气象事件类别,包括:
6.根据权利要求3所述的方法,其特征在于,所述至少一个聚类中心对应至少一个聚类类别,所述目标风电功率预测模型的数量至少一个,每个聚类类别对应一个目标风电功率预测模型;所述目标风电功率预测模型的训练方式,包括:
7.根据权利要求6所述的方法,其特征在于,设定因果关系分析函数为收敛交叉映射算法;所述风电功率预测模型为长短期记忆网络。
8.一种风电功率的预测装置,其特征在于,包括:
9.根据权利要求8所述的装
10.根据权利要求9所述的装置,其特征在于,所述预测气象事件类别确定模块还用于:
11.根据权利要求10所述的装置,其特征在于,所述预测气象事件类别确定模块还用于:
12.根据权利要求9所述的装置,其特征在于,所述预测气象事件类别确定模块还用于:
13.根据权利要求10所述的装置,其特征在于,所述至少一个聚类中心对应至少一个聚类类别,所述目标风电功率预测模型的数量至少一个,每个聚类类别对应一个目标风电功率预测模型;所述装置还包括模型训练模块,所述模型训练模块具体用于:
14.根据权利要求13所述的装置,其特征在于,设定因果关系分析函数为收敛交叉映射算法;所述风电功率预测模型为长短期记忆网络。
15.一种电子设备,其特征在于,所述电子设备包括:
16.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的风电功率的预测方法。
...【技术特征摘要】
1.一种风电功率的预测方法,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,基于所述历史气象数据确定所述预测气象数据对应的预测气象事件类别,包括:
3.根据权利要求2所述的方法,其特征在于,对多个天气事件样本进行聚类,获得至少一个聚类中心,包括:
4.根据权利要求3所述的方法,其特征在于,对清洗后的历史气象数据进行气象特征计算,获得多个历史气象特征,包括:
5.根据权利要求2所述的方法,其特征在于,根据所述至少一个聚类中心确定所述预测气象数据对应的预测气象事件类别,包括:
6.根据权利要求3所述的方法,其特征在于,所述至少一个聚类中心对应至少一个聚类类别,所述目标风电功率预测模型的数量至少一个,每个聚类类别对应一个目标风电功率预测模型;所述目标风电功率预测模型的训练方式,包括:
7.根据权利要求6所述的方法,其特征在于,设定因果关系分析函数为收敛交叉映射算法;所述风电功率预测模型为长短期记忆网络。
8.一种风电功率的预测装置,其特征在于,包括:
<...【专利技术属性】
技术研发人员:戴强晟,阎洁,杜云龙,宋伟业,霍雪松,韩爽,刘永前,
申请(专利权)人:国网江苏省电力有限公司,
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。