[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

说明书

本申请提供中长期风电电量预测方法、装置、计算机设备及存储介质，该方法包括：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，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，从而实现了中长期风电电量预测，提高了中长期风电电量预测结果准确性。

技术领域

本申请涉及风电电量预测技术领域，特别是涉及一种中长期风电电量预测方法、装置、计算机设备及存储介质。

背景技术

随着环境污染和能源短缺问题日趋严重，风电以其资源丰富、清洁无污染、实际占地少、可再生性等优势受到人类的广泛关注。由于风电具有的随机性和波动性对电网产生的较大冲击给风电产业的发展带来了巨大挑战，考虑到中长期发电计划中对于中长期预测的需求，所以需要采用风电电量预测技术解决这一问题。

传统技术中，采用时间序列外推法来预测风电电量。但是，传统技术针对中长期泛化能力不足，导致中长期风电电量预测结果的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高中长期风电电量预测结果准确性的中长期风电电量预测方法、装置、计算机设备及存储介质。

本申请实施例提供一种中长期风电电量预测方法，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。