【技术实现步骤摘要】
本专利技术涉及风功率预测，特别是一种基于多源数据递进式深度学习的短期风功率预测方法。
技术介绍
1、风功率预测在可再生能源领域中具有至关重要的意义。随着全球对清洁能源的需求不断增加，风能作为一种绿色、可持续的能源，日益受到人们的关注。然而，随着风能的不稳定性和随机性给电力系统的运行带来了挑战。因此，准确的风功率预测，尤其是短期风功率预测，为减少弃风，优化常规电源的日发电计划与冷热备用，并调整检修计划，以便更准确地反映风能资源的利用效率的对于优化电力系统的运行、保障电力供应的稳定性和经济性具有至关重要的作用。
2、风功率预测，其目前相关数据往往来自于天气预报，天气预报是对大气运动基本方程组进行一定的简化和近似，以及引入气象物理规律和边界条件约束。数值天气预报的风速预报时间分辨率一般在1小时、3小时，空间分辨率一般在9km×9km、12.5km×12.5km。对于风场而言，一般要求的风功率预测时间分辨率为15min，而且需要风机位置处的风速预报，因此目前各相关风功率预测方法无法完全满足实际需求。目前相关技术中，主要为对含风场的某...
【技术保护点】
1.一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：它包括如下步骤：
2.根据权利要求1所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤S1具体包括如下过程：
3.根据权利要求2所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤S2具体包括如下过程：
4.根据权利要求2所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤S1.1具体为：采集各风机与风速相关的数值和天气预报数据形成多源数据集，与风速相关的数据包括两部分：一是对于风电场一...
【技术特征摘要】
1.一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：它包括如下步骤：
2.根据权利要求1所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤s1具体包括如下过程：
3.根据权利要求2所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤s2具体包括如下过程：
4.根据权利要求2所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤s1.1具体为：采集各风机与风速相关的数值和天气预报数据形成多源数据集，与风速相关的数据包括两部分：一是对于风电场一段时间进行更新的天气预报数据，包括风向、短期天气类型、降雨类型、气温；二是在各风机位置需进行采集的数据，包括风机高度、地形类型、温度、气压、湿度、海平面气压、地面向下短波辐射、地面向下长波辐射、总云量；
5.根据权利要求2所述的一种基于多源数据递进式深度学习的短期风功率预测方法，其特征在于：所述步骤s1.2中，数据预处理的具体措施包括：纠正或删除不完整或错误数据、处理重复的数据、处理异常值、统一数据格式、数据归一化处理和数据编码。
6.根据权利要求2...
【专利技术属性】
技术研发人员：李宜，方圆，
申请(专利权)人：大唐水电科学技术研究院有限公司，
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。