【技术实现步骤摘要】
本专利技术涉及风电功率预测的，更具体地，涉及一种基于样本迁移的新建风电场短期风电功率预测方法和系统。
技术介绍
1、近年来，风能作为一种可再生能源取得了迅猛发展，众多新建风能发电站陆续并入电力系统，大规模的风能发电并网也为电力系统的可靠运行带来了一系列挑战。精确的风能发电量预测对于确保电力系统的安全稳定运行具有重要而积极的意义。
2、机器学习模型都严重依赖于足够的训练样本进行训练，对于新建风电场，没有足够的样本数据训练，而迁移学习能够将已有知识的周边风电场历史数据转移至少量样本的新建风电场。但是迁移的过程中，周边风电场历史数据与新建风电场数据存在差异性，如果直接将周边风电场历史数据直接迁移至新建风电场中进行训练，可能会产生负迁移。目前大部分都是根据周边风电场数据与新建风电场数据的相似程度，选取相似性高的数据进行迁移，剔除相似性低的数据，这样会破坏数据的时序性，而预测精度与时间尺度有很大关系，剔除数据并不会提高预测精度，因此现有的数据迁移方法不适用与新建风电场的风电功率预测的
，预测精度较低。
【技术保护点】
1.一种基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，所述历史天气数据序列包括历史风速数据序列、历史风向数据序列和历史湿度数据序列。
3.根据权利要求2所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，对每个风电场的历史风电数据进行预处理，获得每个风电场的风电相关数据矩阵包括：
4.根据权利要求3所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，根据每个风电场的风电相关数据矩阵，构建每个风电场的历史日天气...
【技术特征摘要】
1.一种基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，所述历史天气数据序列包括历史风速数据序列、历史风向数据序列和历史湿度数据序列。
3.根据权利要求2所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，对每个风电场的历史风电数据进行预处理，获得每个风电场的风电相关数据矩阵包括：
4.根据权利要求3所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，根据每个风电场的风电相关数据矩阵，构建每个风电场的历史日天气特征向量集合包括：
5.根据权利要求4所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，转化为对应的历史日格拉姆矩阵，利用所有历史日格拉姆矩阵构建样本集合包括：
6.根据权利要求5所述的基于样本迁移的新建风电场短期风电功率预测方法，其特征在于，利用模糊c均值聚类方法和纵横交叉算法从所述样本集合中筛选出若干个与待预测日格拉姆矩阵...
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。