[发明专利]中长期风电电量预测方法、装置、计算机设备及存储介质

权利要求书

1.一种中长期风电电量预测方法，其特征在于，所述方法包括：

对历史风电电量进行小波变换，得到风资源丰枯特性信息和风资源变化的主导周期；

对历史风电功率进行极大似然估计处理，得到所述历史风电功率对应的贝塔分布参数估计值；

根据所有主导周期和所述风资源丰枯特性信息，对所有贝塔分布参数估计值进行分类，得到不同类别包含的贝塔分布参数估计值；

根据预设方式对不同类别包含的所有贝塔分布参数估计值进行筛选，得到不同类别对应的参数典型值；

对所述参数典型值以及不同类别对应的所述风资源丰枯特性信息进行融合处理，得到预测周期内的风电电量。

2.根据权利要求1所述的方法，其特征在于，所述对历史风电电量进行小波变换，得到风资源变化的主导周期和风资源丰枯特性信息，包括：

根据基小波以及所述历史风电电量得到小波变换系数；

根据所述小波变换系数的值，确定与所述小波变换系数匹配的所述风资源丰枯特性信息；

根据所述小波变换系数计算小波方差；

根据所述小波方差计算所述风资源变化的极大值，根据所述极大值得到所述风资源变化的主导周期。

3.根据权利要求2所述的方法，其特征在于，所述根据基小波以及所述历史风电电量得到小波变换系数，包括：

对所述基小波进行伸缩处理以及平移处理，得到连续小波；其中，所述基小波满足预设条件；

根据所述连续小波以及所述历史风电电量，得到所述小波变换系数；

所述根据所述小波方差计算所述风资源变化的极大值，根据所述极大值得到所述风资源变化的主导周期，包括：对所述小波方差求导数获取极大值点，将所述极大值点对应的周期作为所述风资源变化的主导周期。

4.根据权利要求1所述的方法，其特征在于，所述对历史风电功率进行极大似然估计处理，得到所述历史风电功率对应的贝塔分布参数估计值，包括：对所述历史风电功率进行预处理，得到预处理后的风电功率；对预处理后的风电功率进行极大似然估计处理，得到所述历史风电功率对应的贝塔分布参数估计值。

5.根据权利要求1所述的方法，其特征在于，所述根据所有主导周期和所述风资源丰枯特性信息，对所有贝塔分布参数估计值进行分类，得到不同类别包含的贝塔分布参数估计值，包括：

获取所有主导周期按照所述风资源丰枯特性信息进行分类后的对应类别总数量；

根据所述总数量对所有贝塔分布参数估计值进行分类，得到不同类别包含的贝塔分布参数估计值。

6.根据权利要求1所述的方法，其特征在于，所述根据预设方式对不同类别包含的所有贝塔分布参数估计值进行筛选，得到不同类别对应的参数典型值，包括：根据不同类别包含的所有贝塔分布参数估计值计算中位数值，得到不同类别对应的参数典型值。

7.根据权利要求2所述的方法，其特征在于，所述预测周期包括多个预测时段；所述对所述参数典型值以及不同类别对应的所述风资源丰枯特性信息进行融合处理，得到预测周期内的风电电量，包括：

根据所述小波方差，预测时段内不同主导周期对应的所述风资源丰枯特性信息；

根据所述风资源丰枯特性信息，获取与所述风资源丰枯特性对应的贝塔分布的参数预测值；

根据所述贝塔分布的参数预测值，得到贝塔分布的累积概率密度函数；

根据所述累积概率密度函数，得到与所述累积概率密度函数匹配的预测周期内的风电电量；

所述根据所述小波方差，得到不同预测时段内不同主导周期对应的所述风资源丰枯特性信息，包括：

根据所述小波方差得到所述风资源丰枯特性信息持续时间对应的经验分布；

根据所述经验分布，获取不同预测时段内不同主导周期对应的风资源丰枯特性信息；

所述根据所述风资源丰枯特性信息，获取与所述风资源丰枯特性对应的贝塔分布的参数预测值，包括：

根据所述风资源丰枯特性信息确定对应的类别；

将不同预测时段所属类别对应的参数典型值，作为所述风资源丰枯特性对应的贝塔分布的参数预测值。