[发明专利]风电场的机组功率的预测方法、系统、介质及电子设备有效
申请号: | 202010266686.4 | 申请日: | 2020-04-07 |
公开(公告)号: | CN111461444B | 公开(公告)日: | 2023-07-18 |
发明(设计)人: | 冯烨;彭明;蒋勇;缪骏 | 申请(专利权)人: | 上海电气风电集团股份有限公司 |
主分类号: | H02J3/00 | 分类号: | H02J3/00;H02J3/38;G06Q10/04;G06Q50/06;G06N20/00;G01W1/10 |
代理公司: | 上海弼兴律师事务所 31283 | 代理人: | 薛琦;张冉 |
地址: | 200241 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电场 机组 功率 预测 方法 系统 介质 电子设备 | ||
1.一种风电场的机组功率的预测方法,其特征在于,所述预测方法包括:
获取第一历史时段对应的历史气象预报数据以及历史实际气象观测数据;
获取第二历史时段对应的历史SCADA气象数据,所述第二历史时段为以所述第一历史时段的结束时间为基准,向前偏移待预测未来时段对应的区间长度的历史时段,并且所述第一历史时段的长度等于所述第二历史时段的长度;
以所述第一历史时段对应的历史气象预报数据以及所述第二历史时段对应的历史SCADA气象数据为输入,并且以所述第一历史时段对应的实际气象观测数据为输出,对第一机器学习模型进行训练;
利用训练后的所述第一机器学习模型对所述待预测未来时段的气象预报数据进行优化,以得到优化后气象预报数据;
利用所述优化后气象预报数据对所述待预测未来时段的所述机组功率进行预测;
所述待预测未来时段包括N*M个气象预报数据,其中,N为起报时刻的数量,M为每个所述起报时刻分别对应的空间分辨率的数量;N和M均为正整数;
所述对第一机器学习模型进行训练的步骤包括:
以N*M个气象预报数据各自对应的所述第一历史时段的历史气象预报数据以及所述第二历史时段的历史SCADA气象数据为输入,并且以所述第一历史时段对应的实际气象观测数据为输出,分别对第一机器学习模型进行训练,以得到N*M个训练后的第一机器学习模型;
所述利用训练后的所述第一机器学习模型对所述待预测未来时段的气象预报数据进行优化,以得到优化后气象预报数据的步骤包括:
获取待预测未来时段内的气象预报数据以及第三历史时段内的历史SCADA气象数据,所述第三历史时段为以所述待预测未来时段的起始时间为基准,向前偏移所述待预测未来时段对应的区间长度的历史时段;
将所述待预测未来时段内的气象预报数据以及所述第三历史时段内的历史SCADA气象数据输入训练后的所述第一机器学习模型,以得到所述待预测未来时段对应的优化后气象预报数据。
2.如权利要求1所述的风电场的机组功率的预测方法,其特征在于,
所述对第一机器学习模型进行训练的步骤之后还包括:
将N*M个气象预报数据各自对应的所述第一历史时段对应的历史气象预报数据以及所述第二历史时段对应的历史SCADA气象数据分别对应输入训练后的N*M个所述第一机器学习模型,以得到N*M个优化后的历史气象预报数据;
利用N*M个优化后的历史气象预报数据以及N*M个历史实际气象观测数据计算气象预测概率,以得到N*M个气象预测概率;
以N*M个优化后的历史气象预报数据为输入,并且以N*M个所述气象预测概率为输出,对第二机器学习模型进行训练,以得到一个训练后的第二机器学习模型。
3.如权利要求2所述的风电场的机组功率的预测方法,其特征在于,
所述利用训练后的所述第一机器学习模型对所述待预测未来时段的气象预报数据进行优化,以得到优化后气象预报数据的步骤包括:
利用训练后的N*M个所述第一机器学习模型分别对所述待预测未来时段的N*M个气象预报数据分别进行优化,以得到N*M个优化后气象预报数据;
所述利用所述优化后气象预报数据对所述待预测未来时段的所述机组功率进行预测的步骤包括:
将所述待预测未来时段对应的每个所述优化后气象预报数据分别输入训练后的所述第二机器学习模型,以得到每个所述优化后气象预报数据对应的气象预测概率;
将每个所述优化后气象预报数据与其对应的气象预测概率相乘,以得到N*M个预报成员数据;
将N*M个预报成员数据进行加和,以得到集合预报数据;
利用所述集合预报数据对所述待预测未来时段的所述机组功率进行预测。
4.如权利要求1-3任一项所述的风电场的机组功率的预测方法,其特征在于,所述历史气象预报数据、所述历史SCADA气象数据以及所述实际气象观测数据包括风速、风向、气温以及气压中的至少一种。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海电气风电集团股份有限公司,未经上海电气风电集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010266686.4/1.html,转载请声明来源钻瓜专利网。