【技术实现步骤摘要】
本申请涉及风电预测，具体涉及一种基于环境智能学习的风电功率预测方法、装置、设备及存储介质。
技术介绍
1、在全球依赖于风能来实现可持续能源生产需求增加的背景下，精确而可靠的预测，对于优化网格整合、保证电力系统的可靠性和稳定性以及减少能量失衡成本至关重要。随着风能在电力网中的渗透率增长，其固有的变异性和不可预测性变成更加显著的挑战。这种不可预测性受复杂而相互作用的气象条件(如风速、风向和温度)影响。因此，捕捉历史风能生产与环境变量之间的复杂时空依赖关系，对于提高预测准确率至关重要。
2、传统的风电预测技术具有如下缺点：传统风电预测技术通常采用经验模型或者传统的统计模型进行预测，对于复杂的非线性系统难以准确预测，预测精度较低；传统风电预测技术对环境变量数据的利用程度不高，无法准确地捕获环境变量的变化来生成准确的预测；传统风电预测技术通常采用静态的模型进行预测，难以应对复杂的实时变化情况，如突发环境变化带来的风电值变化等。
技术实现思路
1、本申请的目的是提供一种基于环境智能学习的风...
【技术保护点】
1.一种基于环境智能学习的风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，按照以下方式预先训练所述风电功率预测模型：
3.根据权利要求2所述的方法，其特征在于，所述基于滑窗分割将所述历史有功功率时序数据样本和历史环境变量时序数据样本转化为有功功率有监督数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述预处理包括数据一致性处理、最值处理、缺失值处理以及数据重采样。
5.根据权利要求1所述的方法，其特征在于，所述归一化是通过统计数据中的最值，经过一系列计算，将数据的取值范围缩放到一定
【技术特征摘要】
1.一种基于环境智能学习的风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，按照以下方式预先训练所述风电功率预测模型：
3.根据权利要求2所述的方法，其特征在于，所述基于滑窗分割将所述历史有功功率时序数据样本和历史环境变量时序数据样本转化为有功功率有监督数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述预处理包括数据一致性处理、最值处理、缺失值处理以及数据重采样。
5.根据权利要求1所述的方法，其特征在于，所述归一化是通过统计数据中的最值，经过一系列计算，将数据的取值范围缩放到一定范围内。
6.根...
【专利技术属性】
技术研发人员：王智谨，吴森镇，胡樾，黄耀辉，梁志强，陈愉，吴茁睿，付永钢，陈志荣，
申请(专利权)人：集美大学，
类型：发明
国别省市：
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。