一种考虑波动性与周期性的风电功率超短期预测方法技术

技术编号:43133772 阅读:20 留言:0更新日期:2024-10-29 17:40
本发明专利技术公开了一种考虑波动性与周期性的风电功率超短期预测方法,属于可再生能源预测技术领域,包括以下步骤:S1、建立风电数据挖掘方法得到数据波动组成和周期组成;S2、通过深度学习方法从原始风电数据中提取融合特征;S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测;S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明专利技术采用上述的一种考虑波动性与周期性的风电功率超短期预测方法,将深度学习理论引进风电功率预测中,研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用,提高电网稳定性和供电可靠性,对多元化能源系统的发展具有重要意义。

【技术实现步骤摘要】

本专利技术涉及可再生能源预测,尤其是涉及一种考虑波动性与周期性的风电功率超短期预测方法


技术介绍

1、随着城市化的高速发展,能源需求也在不断增长。风电作为一种零排放的可再生能源,可以减少大气污染、改善空气质量,推进经济社会的可持续发展,且利用风能发电可以减少对进口能源的依赖,提高能源供应的安全性。为了充分发挥风电的潜力,多年来,各国能源方面的专家和学者致力于风电问题上,从最开始的研发更高效的风力发电机,到结合风电和储能技术的可再生能源系统。然而,目前在风电技术的研究中还是存有待研究的地方,现有的风电功率超短时预测很难给出准确结果。

2、有鉴于此,提供一种能够准确预测出风电功率超短时内变化的方法是很有必要的,便于电力系统做出及时调整。


技术实现思路

1、本专利技术的目的是提供一种考虑波动性与周期性的风电功率超短期预测方法,将深度学习理论引进风电功率预测中,研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用,提高电网稳定性和供电可靠性,对多元化能源系统的发展具有重要意义。

本文档来自技高网...

【技术保护点】

1.一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤S1包括以下步骤:

3.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤S2具体包括:

4.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤S3具体包括:

5.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤S4包括以下步骤:

6.根据权利要...

【技术特征摘要】

1.一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤s1包括以下步骤:

3.根据权利要求1所述的一种考虑波动性与周期性的风电功率超短期预测方法,其特征在于,所述步骤s2具体包括:

4.根据权利要求1所...

【专利技术属性】
技术研发人员:王贵斌张弦黄心隆王宏李义群
申请(专利权)人:哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1