【技术实现步骤摘要】
本申请涉及风力发电，尤其涉及一种风电场风力发电量预测方法。
技术介绍
1、随着对能源短缺和环境问题的重视程度日益增加，风能作为一种清洁能源不断被开发利用，风力发电技术也随之不断发展。但由于风具有波动性和随机性的特点，风力发电的发电量也存在很大的随机性和不确定性，对电网的稳定运行造成一定的影响，为提高风能的利用率，提高风能的消纳水平，因从，需要对风力发电站发电量进行准确预测。
2、目前，公开号为cn111311022a的专利申请文件公开了一种发电量预测方法、装置、设备及计算机可读存储介质，其中的方法包括：获取待预测卫星图像以及待预测卫星图像对应的第一拍摄参数，并获取待预测卫星图像对应的第一室外风力信息；发电量预测模型包括深度学习模型以及发电量回归模型，将待预测卫星图像输入深度学习模型，以获得待预测卫星图像对应的多个第一目标矩形框信息，以及所述第一目标矩形框信息对应的第一目标框为风电机的概率；将第一拍摄参数、第一室外风力信息、第一目标矩形框信息以及第一目标矩形框信息对应的第一目标框为风电机的概率输入发电量回归模型，以获得所述待预...
【技术保护点】
1.一种风电场风力发电量预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述得到多个环境簇包括：
3.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述预测模型包括卷积子模型、时序子模型和回归子模型；
4.根据权利要求3所述的一种风电场风力发电量预测方法，其特征在于，所述卷积子模型为卷积神经网络，所述时序子模型为循环神经网络，所述回归子模型为全连接神经网络。
5.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述构建各环境簇的预测
<...【技术特征摘要】
1.一种风电场风力发电量预测方法，其特征在于，所述预测方法包括：
2.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述得到多个环境簇包括：
3.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述预测模型包括卷积子模型、时序子模型和回归子模型；
4.根据权利要求3所述的一种风电场风力发电量预测方法，其特征在于，所述卷积子模型为卷积神经网络，所述时序子模型为循环神经网络，所述回归子模型为全连接神经网络。
5.根据权利要求1所述的一种风电场风力发电量预测方法，其特征在于，所述构建各环境簇的预测模型包括：
6.根据权利要求5所述的一种风电场风力发电量预测方法，其特征在于，所述损失函数还包括：
7....
【专利技术属性】
技术研发人员：陈先勇，李竹能，何刘覃，孙健康，
申请(专利权)人：湖北中科能能源技术有限公司，
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。