基于信号分解与模型优化的短期风电功率预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于信号分解与模型优化的短期风电功率预测方法、系统、设备及介质，对归一化处理的风电功率数据分别使用N种不同的信号分解算法进行分解，得到一次分解后的N组风电功率序列集合；将N种不同的信号分解方法进行排列组合得到N*(N‑1)种组合，然后对风电功率序列进行二次分解，得到N*(N‑1)组数据集，对所述N*(N‑1)组数据集及一次分解后的N组风电功率序列集合分别配置天气预报数据，以形成N*N组模型输入数据集合；将N*N组模型输入数据集合输入到优化后的改进TimeMixer模型中，得N*N个预测结果，根据所述N*N个预测结果计算最终的短期风电功率预测结果，该方法、系统、设备及介质能够准确预测短期风电功率。

【技术实现步骤摘要】

本专利技术属于风电功率预测领域，涉及一种基于信号分解与模型优化的短期风电功率预测方法、系统、设备及介质。

技术介绍

1、随着风力发电技术的日臻成熟和风电装机容量的不断增加，风电占电力系统发电总量的比例也逐年上升。风力发电依赖于风速、风向等天气因素，这些因素天然具有高度的随机性和波动性，导致风电输出难以预测，对电网的冲击也越来越大。为了帮助电力系统管理者应对风电的不稳定性，提高风电利用效率，平衡电网负荷，增强电力系统的安全性、稳定性和经济性，风电功率预测技术特别是短期预测就尤为重要并得到了广泛的研究与应用。目前风电功率预测的方法主要有物理方法、统计学法和人工智能方法，其中人工智能方法是研究的热点。广泛使用的人工智能模型主要有支持向量机、随机森林、梯度提升决策树、各类神经网络等。

2、目前大多数模型都是在机器学习模型的基础上结合其他算法进行组合预测得到预测功率，如经验模态分解或小波分解与神经网络的组合对风功率进行预测,但预测效果仍有待提升。

技术实现思路

1、本专利技术的目的在于克服上述现有技术的缺点本文档来自技高网...

【技术保护点】

1.一种基于信号分解与模型优化的短期风电功率预测方法，其特征在于，包括：

2.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，所述改进TimeMixer模型通过混合太阳风优化算法进行优化。

3.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，所述根据所述N*N个预测结果计算最终的短期风电功率预测结果的过程为：

4.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，N种不同的信号分解算法包括但不限于：小波包分解(WPD)、经验模态分解(EMD)、经验小波变换(EWT)...

【技术特征摘要】

1.一种基于信号分解与模型优化的短期风电功率预测方法，其特征在于，包括：

2.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，所述改进timemixer模型通过混合太阳风优化算法进行优化。

3.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，所述根据所述n*n个预测结果计算最终的短期风电功率预测结果的过程为：

4.根据权利要求1所述的基于信号分解与模型优化的短期风电功率预测方法，其特征在于，n种不同的信号分解算法包括但不限于：小波包分解(wpd)、经验模态分解(emd)、经验小波变换(ewt)、变分模态分解(vmd)、特征模态分解(fmd)、局部均值分解(lmd)、辛几何模态分解(sgmd)、极点对称模态分解(esmd)、奇异谱分析(ssa)及群分解(swd)。

5.一种基于信号分解与模型优化的短期风电功率预测系统，其特征在于，包括：

6.根据权利要求5所述的基于信号分解与模型优化的短期风电功率预测系统，其特征在于，所述改进timemixer模型通过混合太阳风优...

【专利技术属性】
技术研发人员：杨帆，杨波涛，李嘉，刘魁，马博，刘磊，窦金利，周通，杨瑛哲，王骋昊，陈许文澜，史建君，王少鲁，丁立国，黄乐，程琛，王宁，康健，倪娜，
申请(专利权)人：国网陕西省电力有限公司西安供电公司，
类型：发明
国别省市：