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】
本申请属于风力发电领域,尤其涉及一种功率预测方法、装置和风力发电系统。
技术介绍
1、作为最具发展前景的可再生能源,风力发电在全球能源板块调整中扮演愈发重要的角色。相关技术中,对于风力发电的预测,仍采用基于采集的低频数据进行风电功率模型的训练以及发电功率的预测的方法。然而,低频数据存在数据颗粒粗糙、噪声过多以及信息丢失等问题,影响风电功率模型的训练以及预测精度,从而影响最终的风力发电预测效果。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种功率预测方法、装置和风力发电系统,提高了功率预测结果的精确性、准确性以及稳定性。
2、第一方面,本申请提供了一种功率预测方法,该方法包括:
3、获取目标区域内目标时段对应的初始天气预报数据序列;所述初始天气预报数据序列包括多个时刻点对应的初始天气预报数据;
4、基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列;所述季节性检测结果用于表征所述初始天气预报数据序列是否包括季节性数据;
5、基于所述目标天气预报数据序列,预测得到所述目标时段对应的目标风力发电功率。
6、根据本申请的功率预测方法,通过对参与预测的数据进行季节性检测,并对季节性数据进行季节性调整以降低季节因素的影响;并通过对获取的低频数据进行高频转化,能够得到更多的信息,有效提高参与功率预测的数据的准确性和稳定性,从而提高了功率预
7、根据本申请的一个实施例,所述基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列,包括:
8、在所述初始天气预报数据序列包括所述季节性数据的情况下,基于所述季节性数据,对所述初始天气预报数据序列进行季节性调整,获取多个第一天气数据;
9、对所述多个第一天气数据进行高频数据转换处理,获取所述目标天气预报数据序列。
10、根据本申请的一个实施例,所述基于所述季节性数据,对所述初始天气预报数据序列进行季节性调整,获取多个第一天气数据,包括:
11、采用频域内季节调整方法,对所述季节性数据进行季节性调整,以将所述初始天气预报数据序列转化为所述多个第一天气数据。
12、根据本申请的一个实施例,所述对所述多个第一天气数据进行高频数据转换处理,获取所述目标天气预报数据序列,包括:
13、采用denton方法将所述多个第一天气数据转换为高频数据,获取所述目标天气预报数据序列。
14、根据本申请的一个实施例,所述采用denton方法将所述多个第一天气数据转换为高频数据,获取所述目标天气预报数据序列,包括:
15、获取所述多个第一天气数据对应的低频数据序列;
16、基于所述低频数据序列,构建高频数据插值序列;
17、基于所述高频数据插值序列和所述低频数据序列,确定与所述高频数据插值序列变化趋势一致的所述目标天气预报数据序列。
18、根据本申请的一个实施例,所述基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列,包括:
19、在所述初始天气预报数据序列不包括所述季节性数据的情况下,对所述初始天气预报数据序列进行高频数据转换处理,获取所述目标天气预报数据序列。
20、根据本申请的一个实施例,所述基于所述目标天气预报数据序列,预测得到所述目标时段对应的目标风力发电功率,包括:
21、将所述目标天气预报数据序列输入至风电功率预测模型,获取所述风电功率预测模型输出的所述目标风力发电功率;其中,
22、所述风电功率预测模型为以样本气象数据为样本,以与所述样本气象数据对应的样本风力发电功率为样本标签,训练得到。
23、根据本申请的一个实施例,在所述基于所述目标天气预报数据序列,预测得到所述目标时段对应的目标风力发电功率之前,所述方法还包括:
24、获取样本区域对应的历史气象数据序列和所述历史气象数据序列对应的历史发电功率;所述历史气象数据序列包括多个历史时刻对应的历史气象数据;
25、基于所述历史气象数据序列的季节性检测结果,对所述历史气象数据序列进行高频数据转换处理,获取所述样本气象数据;
26、对所述历史发电功率进行高频数据转换处理,获取所述样本风力发电功率。
27、第二方面,本申请提供了一种功率预测装置,该装置包括:
28、第一处理模块,用于获取目标区域内目标时段对应的初始天气预报数据序列;所述初始天气预报数据序列包括多个时刻点对应的初始天气预报数据;
29、第二处理模块,用于基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列;所述季节性检测结果用于表征所述初始天气预报数据序列是否包括季节性数据;
30、第三处理模块,用于基于所述目标天气预报数据序列,预测得到所述目标时段对应的目标风力发电功率。
31、根据本申请的功率预测装置,通过对参与预测的数据进行季节性检测,并对季节性数据进行季节性调整以降低季节因素的影响;并通过对获取的低频数据进行高频转化,能够得到更多的信息,有效提高参与功率预测的数据的准确性和稳定性,从而提高了功率预测结果的精确性、准确性以及稳定性。
32、第三方面,本申请提供了一种风力发电系统,包括风力发电装置,所述风力发电装置基于第一方面所述功率预测方法进行发电功率预测。
33、第四方面,本申请提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的功率预测方法。
34、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的功率预测方法。
35、本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
36、通过对参与预测的数据进行季节性检测,并对季节性数据进行季节性调整以降低季节因素的影响;并通过对获取的低频数据进行高频转化,能够得到更多的信息,有效提高参与功率预测的数据的准确性和稳定性,从而提高了功率预测结果的精确性、准确性以及稳定性。
37、进一步地,通过采用频域内季节调整方法对初始天气预报数据序列进行季节性调整以消除季节因素,能够用于调整时间间隔较短的数据(如日度数据等),使得到的第一天气数据为季节调整后序列的最小“均方误差”估计,扩展了季节调整方法的应用范围,提高了季节调整后序列外推预测的准确性,且使得季节滤子的类型更加丰富,具有更好的灵活性和实用性。
38、更进一步地,通过采用denton方法进行数据频率转换,能够充分利用低频本文档来自技高网...
【技术保护点】
1.一种功率预测方法,其特征在于,包括:
2.根据权利要求1所述的功率预测方法,其特征在于,所述基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列,包括:
3.根据权利要求2所述的功率预测方法,其特征在于,所述基于所述季节性数据,对所述初始天气预报数据序列进行季节性调整,获取多个第一天气数据,包括:
4.根据权利要求2所述的功率预测方法,其特征在于,所述对所述多个第一天气数据进行高频数据转换处理,获取所述目标天气预报数据序列,包括:
5.根据权利要求4所述的功率预测方法,其特征在于,所述采用Denton方法将所述多个第一天气数据转换为高频数据,获取所述目标天气预报数据序列,包括:
6.根据权利要求1-5任一项所述的功率预测方法,其特征在于,所述基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列,包括:
7.根据权利要求1-5任一项所述的功率预测方法,其特征在于,所述基于所述目标天气预报数据序
8.根据权利要求7所述的功率预测方法,其特征在于,在所述基于所述目标天气预报数据序列,预测得到所述目标时段对应的目标风力发电功率之前,所述方法还包括:
9.一种功率预测装置,其特征在于,包括:
10.一种风力发电系统,其特征在于,包括:
11.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-8任一项所述的功率预测方法。
12.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述功率预测方法。
...【技术特征摘要】
1.一种功率预测方法,其特征在于,包括:
2.根据权利要求1所述的功率预测方法,其特征在于,所述基于所述初始天气预报数据序列的季节性检测结果,对所述初始天气预报进行高频数据转换处理,获取目标天气预报数据序列,包括:
3.根据权利要求2所述的功率预测方法,其特征在于,所述基于所述季节性数据,对所述初始天气预报数据序列进行季节性调整,获取多个第一天气数据,包括:
4.根据权利要求2所述的功率预测方法,其特征在于,所述对所述多个第一天气数据进行高频数据转换处理,获取所述目标天气预报数据序列,包括:
5.根据权利要求4所述的功率预测方法,其特征在于,所述采用denton方法将所述多个第一天气数据转换为高频数据,获取所述目标天气预报数据序列,包括:
6.根据权利要求1-5任一项所述的功率预测方法,其特征在于,所述基于所述初始天气预报数据序列的季节性检...
【专利技术属性】
技术研发人员:尹芳,
申请(专利权)人:阳光电源股份有限公司,
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。