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】
本公开涉及风力发电,具体地,涉及一种风电功率预测方法、装置、介质及电子设备。
技术介绍
1、随着能源总需求量不断增大,煤、天然气、石油等化石能源的消耗速度也与日俱增,这些化石能源的燃烧产物也将危害生态环境。因此大力开发和使用绿色清洁的可再生能源具有重要意义。其中,风能由于分布广且成本低,受到广泛关注,是目前最具开发潜力的可再生能源之一。但是,风力发电具有较强的随机性、波动性和间歇性,使得大规模风电并网给电力系统的安全、稳定、经济运行和调度带来严峻挑战,同时也会对风电场自身的运行、维护等带来问题。风电功率预测技术是减轻上述不利影响的有效手段。
2、在相关技术中,风电功率预测技术通常是先进行超短期风速预测,再基于预测得到的风速进行超短期风电功率的预测。然而,由于基于数值天气预报系统预测得到的风速往往存在较大偏差,从而导致风电功率预测不够准确。
技术实现思路
1、本公开的目的是提供一种风电功率预测方法、装置、介质及电子设备,以解决相关技术中的问题。
2、为了实现上述目的,根据本公开实施例的第一方面,本公开提供一种风电功率预测方法,所述风电功率预测方法包括:
3、获取历史风电信息,所述历史风电信息包括第一时刻点及所述第一时刻点之前的多个历史时刻点对应的实际风电功率值;
4、根据所述历史风电信息,利用预测模型得到第二时刻点对应的预测风电功率值,相邻的历史时刻点之间的第一时间间隔小于所述第二时刻点与所述第一时刻点之间的第二时间间隔。
6、可选地,所述风电功率预测方法还包括:
7、对所述历史风电信息进行异值处理,其中,所述异值处理包括:异值插值处理,异值置零处理和异值回归处理。
8、可选地,所述风电功率预测方法还包括:
9、获取多个第二时刻点对应的实际风电功率值和预测风电功率值;
10、根据多个第二时刻点对应的实际风电功率值和预测风电功率值,确定出预测准确率;
11、在所述预测准确率低于准确率阈值的情况下,生成第一警示信息。
12、可选地,所述风电功率预测方法还包括:
13、在连续多个预测准确率均低于准确率阈值的情况下,生成第二警示信息。
14、可选地,所述风电功率预测方法还包括:
15、在连续多个预测准确率均低于准确率阈值的情况下,调整所述预测模型的参数。
16、可选地,所述预测模型包括gru模型,所述预测模型的参数包括:所述gru模型的批大小、迭代轮数和学习率。
17、根据本公开实施例的第二方面,提供一种风电功率预测装置,所述风电功率预测装置包括:
18、第一处理模块,用于获取历史风电信息,所述历史风电信息包括第一时刻点及所述第一时刻点之前的多个历史时刻点对应的实际风电功率值;
19、第二处理模块,用于根据所述历史风电信息,利用预测模型得到第二时刻点对应的预测风电功率值,相邻的历史时刻点之间的第一时间间隔小于所述第二时刻点与所述第一时刻点之间的第二时间间隔。
20、可选地,所述第二时间间隔是所述第一时间间隔的n倍,其中,n为整数。
21、可选地,所述风电功率预测装置还包括:
22、第三处理模块,用于对所述历史风电信息进行异值处理,其中,所述异值处理包括:异值插值处理,异值置零处理和异值回归处理。
23、可选地,所述风电功率预测装置还包括:
24、第四处理模块,用于获取多个第二时刻点对应的实际风电功率值和预测风电功率值;
25、第五处理模块,用于根据多个第二时刻点对应的实际风电功率值和预测风电功率值,确定出预测准确率;
26、第六处理模块,用于在所述预测准确率低于准确率阈值的情况下,生成第一警示信息。
27、可选地,所述风电功率预测装置还包括:
28、第七处理模块,用于在连续多个预测准确率均低于准确率阈值的情况下,生成第二警示信息。
29、可选地,所述风电功率预测装置还包括:
30、第八处理模块,用于在连续多个预测准确率均低于准确率阈值的情况下,调整所述预测模型的参数。
31、可选地,所述预测模型包括gru模型,所述预测模型的参数包括:所述gru模型的批大小、迭代轮数和学习率。
32、根据本公开实施例的第三方面,提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本公开第一方面所提供的风电功率预测方法的步骤。
33、根据本公开实施例的第四方面,提供一种电子设备,包括:
34、存储器,其上存储有计算机程序;
35、处理器,用于执行所述存储器中的所述计算机程序,以实现本公开第一方面所提供的风电功率预测方法的步骤。
36、采用上述技术方案,通过获取包括第一时刻点及第一时刻点之前的多个历史时刻点对应的实际风电功率值的历史风电信息;并根据历史风电信息,利用预测模型得到第二时刻点对应的预测风电功率值,相邻的历史时刻点之间的第一时间间隔小于第二时刻点与第一时刻点之间的第二时间间隔。通过第一时刻点及其之前的时刻点的实际风电功率值,利用预测模型得到在第一时刻点之后的第二时刻点对应的预测风电功率值,考虑到历史实际风电功率对未来风电功率的影响因素,提高了风电功率预测的准确性。
37、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种风电功率预测方法,其特征在于,所述风电功率预测方法包括:
2.根据权利要求1所述的风电功率预测方法,其特征在于,
3.根据权利要求1所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
4.根据权利要求1所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
5.根据权利要求4所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
6.根据权利要求4所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
7.根据权利要求6所述的风电功率预测方法,其特征在于,所述预测模型包括GRU模型,所述预测模型的参数包括:所述GRU模型的批大小、迭代轮数和学习率。
8.一种风电功率预测装置,其特征在于,所述风电功率预测装置包括:
9.根据权利要求8所述的风电功率预测装置,其特征在于,
10.根据权利要求8所述的风电功率预测装置,其特征在于,所述风电功率预测装置还包括:
11.根据权利要求8所述的风电功率预测装置,其特征在于,所
12.根据权利要求11所述的风电功率预测装置,其特征在于,所述风电功率预测装置还包括:
13.根据权利要求11所述的风电功率预测装置,其特征在于,所述风电功率预测装置还包括:
14.根据权利要求13所述的风电功率预测装置,其特征在于,所述预测模型包括GRU模型,所述预测模型的参数包括:所述GRU模型的批大小、迭代轮数和学习率。
15.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述风电功率预测方法的步骤。
16.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种风电功率预测方法,其特征在于,所述风电功率预测方法包括:
2.根据权利要求1所述的风电功率预测方法,其特征在于,
3.根据权利要求1所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
4.根据权利要求1所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
5.根据权利要求4所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
6.根据权利要求4所述的风电功率预测方法,其特征在于,所述风电功率预测方法还包括:
7.根据权利要求6所述的风电功率预测方法,其特征在于,所述预测模型包括gru模型,所述预测模型的参数包括:所述gru模型的批大小、迭代轮数和学习率。
8.一种风电功率预测装置,其特征在于,所述风电功率预测装置包括:
9.根据权利要求8所述的风电功...
【专利技术属性】
技术研发人员:马晓飞,张善刚,党琳,张悦欣,张宇轩,刘书生,李金林,李乃宁,任大智,孙华高,张杰,黄继岑,卞晓雪,王宝刚,
申请(专利权)人:国家能源山东新能源有限公司,
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。