基于孪生神经网络的多风电机组功率预测方法技术

本发明专利技术公开了一种基于孪生神经网络的多风电机组功率预测方法，该方法包括收集涵盖风电机组区域的气象格点数据，各机组历史功率数据，预处理数据，匹配和对齐数据，处理缺失值；设计Siamese神经网络，设计共享层、子网络，基于同方差不确定性自动调整各个风电机组损失函数的权重系数，训练Siamese神经网络，调整模型结构、调整超参数以最小化损失函数；预测各个风电机组功率，评估模型泛化能力和预测性能，将预测结果应用到实际风电场站的运行和管理中，指导风电场站的运行调度和电网的调度运行。

【技术实现步骤摘要】

本申请涉及风电功率预测，尤其涉及基于孪生神经网络的多风电机组功率预测方法。

技术介绍

1、近年来，全球范围内风电装机容量不断增加。越来越多的风电场被建立，这些风电场往往分布在不同的地理位置，相互之间存在一定的关联性。为了更好地规划风电发电量、优化风电场的运营管理，需要对多个风电机组的功率进行准确预测。

2、目前，大多数风电功率预测方法专注于单个风电机组或集中式风电群，但在“双碳”时代，新型电力系统接入了多台风电机组，每个机组具有不同的特征，彼此间还存在一定的。这使得简单的场景转移难以准确预测多台风电机组的功率。孪生神经网络可以同时预测两个或多个相邻风电机组的功率，利用其非线性建模能力，捕捉到不同风电机组之间复杂的相关性和相互影响。进而调配风电机组的运行策略，提高风电场的整体运行效率和发电量。

技术实现思路

1、本申请实施例的目的是提供一种基于孪生神经网络的多风电机组功率预测方法，以解决相关技术中存在的多风机组功率预测方法相对有限的技术问题。

2、根据本申请的实施例，提供一种基于孪生神经本文档来自技高网...

【技术保护点】

1.一种基于孪生神经网络的多风电机组功率预测方法，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，所述收集涵盖风电机组区域的气象格点数据，各机组历史功率数据，包括：每个风电机组位置、气象数据、功率输出功率；所述风电机组位置信息包含各个风电机组的空间位置，包括：经度、维度、轮毂相对高度；所述气象数据描述环境特征，包括：10米风速、30米风速、100米风速、10米风向、30米风向、100米风向、气温、压强、湿度，时间间隔为15分钟；所述功率输出功率为各个风电机组输出有功功率，时间间隔为15分钟；

3.根据权利要求1所述的方法，其特征在于，构建Siames...

【技术特征摘要】

1.一种基于孪生神经网络的多风电机组功率预测方法，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，所述收集涵盖风电机组区域的气象格点数据，各机组历史功率数据，包括：每个风电机组位置、气象数据、功率输出功率；所述风电机组位置信息包含各个风电机组的空间位置，包括：经度、维度、轮毂相对高度；所述气象数据描述环境特征，包括：10米风速、30米风速、100米风速、1...

【专利技术属性】
技术研发人员：王玙，王太真，程钊，韩登科，董新伟，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：