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】
本公开涉及新能源发电,尤其涉及一种发电功率预测方法、装置、设备及存储介质。
技术介绍
1、随着新能源发电技术的发展,越来越多的海上区域设置风电场进行风力发电,大规模海上风电的集中式开发,成为可再生能源发展的重点发展方向。
2、与陆上风电基地相比,海上风电基地的气象参数具有更快速、更复杂的时空演化过程,需要具有预测多空间尺度的发电功率的能力,以保证海上风电基地的预测精度。因此,面对海上风电基地,有必要提出一种能够预测多空间尺度的发电功率的方法。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种发电功率预测方法、装置、设备及存储介质。
2、第一方面,本公开提供了一种发电功率预测方法,该方法包括:
3、获取海上风电基地中各场站的预报气象参数和历史实测参数;
4、利用预先训练的场站气象参数预测模型,对各场站的预报气象参数和各场站的历史实测参数进行处理,得到各场站的预测气象参数;
5、利用预先训练的多级风电功率预测模型,对所述各场站的预测气象参数、所述各场站的历史实测参数以及所述各场站的预报气象参数进行处理,得到海上风电基地的基地预测功率、各场站的场站预测功率以及每个场站中各机组的机组预测功率。
6、第二方面,本公开提供了一种发电功率预测装置,该装置包括:
7、获取模块,用于获取海上风电基地中各场站的预报气象参数和历史实测参数;
8、第一处理模块,用于利用预先
9、第二处理模块,用于利用预先训练的多级风电功率预测模型,对所述各场站的预测气象参数、所述各场站的历史实测参数以及所述各场站的预报气象参数进行处理,得到海上风电基地的基地预测功率、各场站的场站预测功率以及每个场站中各机组的机组预测功率。
10、第三方面,本公开实施例还提供了一种设备,该设备包括:
11、一个或多个处理器;
12、存储装置,用于存储一个或多个程序,
13、当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现第一方面所提供的方法。
14、第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面所提供的方法。
15、本公开实施例提供的技术方案与现有技术相比具有如下优点:
16、本公开实施例的一种发电功率预测方法、装置、设备及存储介质,获取海上风电基地中各场站的预报气象参数和历史实测参数;利用预先训练的场站气象参数预测模型,对各场站的预报气象参数和各场站的历史实测参数进行处理,得到各场站的预测气象参数;利用预先训练的多级风电功率预测模型,对各场站的预测气象参数、各场站的历史实测参数以及各场站的预报气象参数进行处理,得到海上风电基地的基地预测功率、各场站的场站预测功率以及每个场站中各机组的机组预测功率。通过上述方式,面对海上风电基地,能够利用两个不同的模型预测多空间尺度的发电功率,从而保证海上风电场的预测精度。
本文档来自技高网...【技术保护点】
1.一种发电功率预测方法,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,所述利用预先训练的场站气象参数预测模型,对各场站的预报气象参数和各场站的历史实测参数进行处理,得到各场站的预测气象参数,包括:
3.根据权利要求2所述的方法,其特征在于,所述预报修正网络包括第一自注意力模块、第一长短时记忆模块以及第一卷积模块;所述基于所述场站气象参数预测模型中的预报修正网络,对所述各场站的降尺度预报气象参数和所述各场站的历史实测参数进行处理,得到所述各场站的预测气象参数,包括:
4.根据权利要求3所述的方法,其特征在于,所述第一长短时记忆模块包括第一组长短时记忆网络和第二组长短时记忆网络;所述基于所述预报修正网络中的第一长短时记忆模块,对所述各场站的自注意力历史特征和所述各场站的自注意力预报特征进行处理,得到各场站的长短时记忆信息,包括:
5.根据权利要求1所述的方法,其特征在于,所述利用预先训练的多级风电功率预测模型,对所述各场站的预测气象参数、所述各场站的历史实测参数以及所述各场站的预报气象参数进行处理,得到海上风电基地的基
6.根据权利要求5所述的方法,其特征在于,所述多级风电功率预测网络包括第二自注意力模块、合并模块和第二长短时记忆模块;所述基于所述多级风电功率预测模型中的多级风电功率预测网络,对所述各场站的预测气象参数、所述各场站的历史实测参数以及所述各场站的预报气象参数进行处理,得到海上风电基地的基地候选功率、各场站的场站候选功率以及每个场站中各机组的机组候选功率,包括:
7.根据权利要求5所述的方法,其特征在于,所述升尺度网络包括第二卷积模块和第三卷积模块;所述基于所述多级风电功率预测模型中的升尺度网络,对所述海上风电基地的基地候选功率、所述各场站的场站候选功率以及所述每个场站中各机组的机组候选功率进行处理,得到所述海上风电基地的基地预测功率、所述各场站的场站预测功率以及所述每个场站中各机组的机组预测功率,包括:
8.根据权利要求1所述的方法,其特征在于,
9.根据权利要求1所述的方法,还包括:
10.一种发电功率预测装置,其特征在于,包括:
11.一种设备,其特征在于,包括:
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得处理器实现上述权利要求1-9中任一项所述的方法。
...【技术特征摘要】
1.一种发电功率预测方法,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,所述利用预先训练的场站气象参数预测模型,对各场站的预报气象参数和各场站的历史实测参数进行处理,得到各场站的预测气象参数,包括:
3.根据权利要求2所述的方法,其特征在于,所述预报修正网络包括第一自注意力模块、第一长短时记忆模块以及第一卷积模块;所述基于所述场站气象参数预测模型中的预报修正网络,对所述各场站的降尺度预报气象参数和所述各场站的历史实测参数进行处理,得到所述各场站的预测气象参数,包括:
4.根据权利要求3所述的方法,其特征在于,所述第一长短时记忆模块包括第一组长短时记忆网络和第二组长短时记忆网络;所述基于所述预报修正网络中的第一长短时记忆模块,对所述各场站的自注意力历史特征和所述各场站的自注意力预报特征进行处理,得到各场站的长短时记忆信息,包括:
5.根据权利要求1所述的方法,其特征在于,所述利用预先训练的多级风电功率预测模型,对所述各场站的预测气象参数、所述各场站的历史实测参数以及所述各场站的预报气象参数进行处理,得到海上风电基地的基地预测功率、各场站的场站预测功率以及每个场站中各机组的机组预测功率,包括:
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员:阎洁,宋伟业,韩爽,葛畅,王函,刘永前,
申请(专利权)人:华北电力大学,
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。