【技术实现步骤摘要】
本专利技术涉及海上风电预测，特别涉及基于增强联邦学习的海上风电超短期功率预测框架及方法。
技术介绍
1、随着世界工业化水平不断提高，化石燃料的燃烧对环境造成了严重的污染，由此催生可再生能源产业蓬勃发展，由于风力发电成本低、污染小，成为最有潜力的可再生能源发电技术之一。海上风力发电具有覆盖范围广、遮挡物少、输电成本低等特点，相比于陆上风力发电具有广阔的发展空间，近年来全球风电装机容量尤其是海上风电装机容量不断增加，成为解决全球能源危机最有效的方法之一，然而大规模的分布式可再生能源直接并网可能对电网造成冲击，严重影响电网运行的稳定性并且可能会造成电厂隐私泄露。有研究数据表明，将联邦学习和深度学习方法应用于预测领域实现海上风电功率预测，是解决电力系统调度优化和隐私保护的有效途径。
2、目前海上风力发电技术正在迅速发展，风电也成为全球各个国家主要的电能形式之一，但是，风力发电存在很大的随机性和不确定性，同时海上风电机组相比于陆上条件更加复杂，这给风电功率预测带来了巨大的挑战，实现对风电功率准确地预测能够有效地促进电力行业的发展，随着...
【技术保护点】
1.基于增强联邦学习的海上风电超短期功率预测框架，其特征在于，包括上下两层；
2.基于增强联邦学习的海上风电超短期功率预测方法，基于上述权利要求1基于增强联邦学习的海上风电超短期功率预测框架实现，其特征在于，包括如下步骤：
3.根据权利要求2所述的基于增强联邦学习的海上风电超短期功率预测方法，其特征在于，步骤1所述历史数据包括海上气象信息数据和电厂功率信息数据，利用三次样条插值法对缺失值的数据进行补正，保证数据的准确性和完整性。
4.根据权利要求3所述的基于增强联邦学习的海上风电超短期功率预测方法，其特征在于，步骤1所述海上气象信息...
【技术特征摘要】
1.基于增强联邦学习的海上风电超短期功率预测框架，其特征在于，包括上下两层；
2.基于增强联邦学习的海上风电超短期功率预测方法，基于上述权利要求1基于增强联邦学习的海上风电超短期功率预测框架实现，其特征在于，包括如下步骤：
3.根据权利要求2所述的基于增强联邦学习的海上风电超短期功率预测方法，其特征在于，步骤1所述历史数据包括海上气象信息数据和电厂功率信息数据，利用三次样条插值法对缺失值的数据进行补正，保证数据的准确性和完整性。
4.根据权利要求3所述的基于增强联邦学习的海上风电超短期功率预测方法，其特征在于，步骤1所述海上气象信息数据包括：风速、风向、温度、压强、湿度。
5.根据权利要求3所述的基于增强联邦学习的海上风电超短期功率预测方法，其特征在于，步骤1所述三次样条插值法根据采样数据集采样间隔时间划分插值区间，获得的三次样条方程要满足插值条件、满足函数连续性条件、满足三次样条函数一阶导数...
【专利技术属性】
技术研发人员：王迎春，刘洋，王志硕，王昱栋，姚永辉，杨东升，周博文，罗艳红，刘振伟，李广地，
申请(专利权)人：东北大学，
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。