【技术实现步骤摘要】
本专利技术涉及电力系统预测与控制的，特别涉及一种海上风电功率爬坡预测方法及系统。
技术介绍
1、由于风能本身清洁、丰富、环保的特点，在世界许多国家的能源发展中所占比例不断增加，而海上风电场具有不消耗土地资源、风速高、粉尘零排放等优点，与陆上风电场相比，海上风电场的能源效率高20%-40%，更适合大规模开发。但是，海上风力发电容易受到众多因素的影响，导致海上风力发电的不确定性，会给电力系统的调度和运行带来一些不利影响，因此，准确的海上风电功率预测对电力系统安全稳定运行具有重要意义。
2、现有海上风电功率爬坡预测方法多基于统计学模型或时间序列分析模型，这些方法在捕捉单一维度特征方面具有一定优势，如时间序列分析能够揭示风电功率随时间变化的趋势，然而，风电功率的变化是一个复杂的过程，它涉及风速、风向、温度、湿度等多个维度特征的交互作用，现有的预测方法往往难以全面反映多维特征之间的复杂交互作用，限制了预测精度的提升。此外，风电功率爬坡事件是风电功率变化中的一种特殊情况，它指的是风电功率在短时间内发生显著变化的现象，由于爬坡事件发生频率...
【技术保护点】
1.一种海上风电功率爬坡预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的海上风电功率爬坡预测方法，其特征在于，所述多源数据集包括风电功率时序数据、天气预报数值数据和地理条件数据，所述天气预报数值数据包括风速、风向、气压、湿度、温度和降水量，所述地理条件数据包括各风机的经纬度和海拔。
3.根据权利要求2所述的海上风电功率爬坡预测方法，其特征在于，所述对所述多源数据集进行预处理，包括：
4.根据权利要求3所述的海上风电功率爬坡预测方法，其特征在于，所述对所述爬坡数据进行扩充，得到爬坡数据集，包括：
5.根据权利...
【技术特征摘要】
1.一种海上风电功率爬坡预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的海上风电功率爬坡预测方法，其特征在于，所述多源数据集包括风电功率时序数据、天气预报数值数据和地理条件数据，所述天气预报数值数据包括风速、风向、气压、湿度、温度和降水量，所述地理条件数据包括各风机的经纬度和海拔。
3.根据权利要求2所述的海上风电功率爬坡预测方法，其特征在于，所述对所述多源数据集进行预处理，包括：
4.根据权利要求3所述的海上风电功率爬坡预测方法，其特征在于，所述对所述爬坡数据进行扩充，得到爬坡数据集，包括：
5.根据权利要求4所述的海上风电功率爬坡预测方法，其特征在于，所述多维协同图感知网络包括网络输入层、节点内注意力学习层、节点间注意力学习层、特征整合层、多层感知机，所述网络输入层连接节点内注意力学习层的输入端，节点内注意力学习层的...
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。