风速预测模型训练方法、风电功率预测方法及相关装置制造方法及图纸

本发明专利技术公开了一种风速预测模型训练方法、风电功率预测方法及相关装置，应用于新能源技术领域，该方法基于风电场内数据采集设备的风速数据、风向数据及坐标构建各历史采集时刻的分布图；数据采集设备为分布图中的节点，风速数据、风向数据及坐标为节点特征；确定各节点的相关性曲线距其余节点的最近距离；基于最近距离确定分布图的邻接矩阵；将各历史采集时刻分布图的节点特征及邻接矩阵输入图神经网络模型进行模型训练，得到训练完成的风速预测模型。基于风速预测模型进行风速预测，并通过预测得到的风速计算风电功率。本发明专利技术通过图神经网络模型学习各设备风力数据之间的时间相关性及空间相关性，提高风电功率预测结果的精确度。

【技术实现步骤摘要】

本专利技术涉及新能源，特别涉及一种风速预测模型训练方法、风电功率预测方法、风速预测模型训练装置、电子设备及计算机可读存储介质。

技术介绍

1、风力发电出力具有显著的间歇性、随机性、波动性特征，导致发电量与用电量的不匹配，风电大规模并网对电力系统的安全稳定运行造成严重冲击。对风电场进行功率预测可以引导帮助电力系统合理预留备用容量，风电功率受风速的直接影响，风速预测主要是时间序列预测，发掘风力数据的时序相关性，这种风速预测方式并未考虑风力数据间的空间相关性，导致最终的风速预测结果不精确，进而使风电功率的预测结果不精确。

技术实现思路

1、本专利技术的目的在于提供一种风速预测模型训练方法、风电功率预测方法、风速预测模型训练装置、电子设备及计算机可读存储介质，应用于新能源
，该方法通过图神经网络模型学习各设备风力数据之间的时间相关性及空间相关性，利用图神经网络模型进行风速的预测，并基于预测风速确定预测风电功率，避免了因未考虑风力数据间的空间相关性，导致最终的风速数据预测结果不精确，进而使风电功率预测结果不精确的本文档来自技高网...

【技术保护点】

1.一种风速预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述风速预测模型训练方法，其特征在于，所述节点的所述相关性曲线的公式为：

3.根据权利要求2所述风速预测模型训练方法，其特征在于，所述基于所述最近距离确定各所述节点与其余所述节点之间的相关性值，基于所述相关性值确定所述分布图的邻接矩阵，包括：

4.一种风电功率预测方法，其特征在于，包括：

5.根据权利要求4所述风电功率预测方法，其特征在于，所述基于所述预测风速数据确定各所述风电机组的预测风电功率，包括：

6.根据权利要求5所述风电功率预测方法，其特征在于，所述将...

【技术特征摘要】

1.一种风速预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述风速预测模型训练方法，其特征在于，所述节点的所述相关性曲线的公式为：

3.根据权利要求2所述风速预测模型训练方法，其特征在于，所述基于所述最近距离确定各所述节点与其余所述节点之间的相关性值，基于所述相关性值确定所述分布图的邻接矩阵，包括：

4.一种风电功率预测方法，其特征在于，包括：

5.根据权利要求4所述风电功率预测方法，其特征在于，所述基于所述预测风速数据确定各所述风电机组的预测风电功率，包括：

6.根据权利要...

【专利技术属性】
技术研发人员：徐思达，马东，马奎超，张哲，张勇铭，周宇昊，潘彬彬，杨畅，李云飞，孔泽坤，
申请(专利权)人：华电电力科学研究院有限公司，
类型：发明
国别省市：