基于多视图融合和宽度学习的超短期风电功率预测方法技术

基于多视图融合和宽度学习的超短期风电功率预测方法，涉及风电功率预测领域。本发明专利技术是为了解决现有基于深度神经网络的风电功率预测方法还存在模型训练时间长、消耗计算资源多以及预测精度低的问题。本发明专利技术包括：利用t时刻前k个小时的平均风电功率序列及t时刻前k个小时的指标数据序列组成样本集；对样本集归一化，并利用归一化后的样本集获得训练集，利用训练集训练MCCA‑BL预测模型，获得训练好的MCCA‑BL预测模型；将预测风电功率相关数据集输入到训练好的MCCA_BL预测模型中，获得待预测时刻风电功率；指标数据包括：平均温度、最高温度、最低温度、气压、湿度、风速、风向、降雨量和云量。本发明专利技术用于预测风电功率。

【技术实现步骤摘要】

本专利技术涉及风电功率预测领域，特别涉及基于多视图融合和宽度学习的超短期风电功率预测方法。

技术介绍

1、风能作为一种新型的清洁能源，代替传统能源(如：化石燃料发电厂)，可以有效缓解环境污染，因此，风力发电得以在世界范围内广泛的发展，成为增长最快的新电力来源。不过，风力发电具有较强的随机性和波动性，将风电纳入电力系统，会严重影响电力系统的安全和稳定。如果能够精准的预测风力发电功率，将可以提前对电力系统进行调控，大大的减少风电并网对电力系统的影响。

2、风电功率预测按时间尺度可以分为：超短期预测(0到1个小时)、短期预测(几个小时到几天)、中期预测(几天到几周)、长期预测(几个月到一年)。超短期预测主要用于风力发电机组的控制以及当天的风电市场竞价；短期预测作用于电力市场的运营和电力系统的调度。中期预测主要作用于电力系统的维护和为电力系统的运行管理提供意见。长期的预测是主要用于评估风电资源和建设规划风电电场。因此超短期预测在协调机组和经济调度起着重要作用，是目前研究的重点。超短期风电预测方法因其使用的理论不同大致可分为：物理方法、统计方法、人工智能本文档来自技高网...

【技术保护点】

1.基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于所述方法具体过程为：

2.根据权利要求1所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述训练好的MCCA_BL预测模型，通过以下方式获得：

3.根据权利要求2所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述步骤二中的对样本数据集中的数据进行归一化，获得归一化后的样本数据集，具体为：

4.根据权利要求3所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述步骤三中的利用归一化后的样本数据集获取训练集，具体为：

5....

【技术特征摘要】

1.基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于所述方法具体过程为：

2.根据权利要求1所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述训练好的mcca_bl预测模型，通过以下方式获得：

3.根据权利要求2所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述步骤二中的对样本数据集中的数据进行归一化，获得归一化后的样本数据集，具体为：

4.根据权利要求3所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述步骤三中的利用归一化后的样本数据集获取训练集，具体为：

5.根据权利要求4所述的基于多视图融合和宽度学习的超短期风电功率预测方法，其特征在于：所述mcca-bl预测模型包括：视图划分融合模块、宽度学习模块；

6.根据权利要求5所述的基于多视图融合和宽度学...

【专利技术属性】
技术研发人员：江海洋，叶佳驹，关心，孙迪，彭宇，兰天，刘永楠，
申请(专利权)人：国网黑龙江省电力有限公司，
类型：发明
国别省市：