[发明专利]一种风电功率短期预测方法及系统

权利要求书

1.一种风电功率短期预测方法，其特征在于，包括：

基于待预测时段将风速预报数据根据风速波动过程划分为若干数据段，得到风速预报数据段；

对所述风速预报数据段进行特征值的计算和提取，得到风速预报数据特征值；

将所述风速预报数据特征值输入预先训练好的风电功率预测模型，得到风电功率预测特征值；

对所述风电功率预测特征值进行处理，得到风电的预测功率；

其中，所述风电功率预测模型，基于历史风速预报数据的风速波动过程和风电场实际功率数据的风电功率波动过程进行训练得到。

2.如权利要求1所述的方法，其特征在于，所述风电功率预测模型的训练，包括：

对一定时间的历史风速预报数据和风电场实际功率数据进行处理；

将处理后的历史风速预报数据根据风速波动过程划分为若干数据段，得到历史风速预报数据段；

将处理后的风电场实际功率数据根据风速波动过程划分为与所述历史风速预报数据段相互对应的若干数据段，得到风电场实际功率数据段；

对所述历史风速预报数据段进行特征值的计算和提取，得到历史风速预报数据特征值；

对所述风电场实际功率数据段进行特征值的计算，得到风电场实际功率数据特征值；

基于BP神经网络，以历史风速预报数据特征值为输入，对应的风电场实际功率数据特征值为输出，进行模型训练，得到预测模型。

3.如权利要求2所述的方法，其特征在于，所述对一定时间的历史风速预报数据和风电场实际功率数据进行处理，包括：

基于一定时间的历史风速预报数据和风电场实际功率数据，剔除异常数据并将数据时间对齐，得到处理后的历史风速预报数据和处理后的风电场实际功率数据；

基于小波分解手段，对所述处理后的风电场实际功率数据进行多层频率分解，获取每层对应低频和高频系数，采用其中一层的低频系数进行重构，得到风电场实际功率数据低频序列。

4.如权利要求1或2所述的方法，其特征在于，所述根据风速波动过程划分为若干数据段，包括：

查找所述风速预报数据或所述处理后的历史风速预报数据的极大值、极小值并记录其在时间序列中的位置，以相邻的“极小值-极大值-极小值”作为一个数据段，将所述风速预报数据或所述处理后的历史风速预报数据划分为多个数据段。

5.如权利要求3所述的方法，其特征在于，所述将处理后的风电场实际功率数据根据风速波动过程划分为与所述历史风速预报数据段相互对应的若干数据段，包括：

以所述历史风速预报数据段为对象，在所述风电场实际功率数据低频序列中提取同时期的数据，将所述风电场实际功率数据低频序列划分为多个与所述历史风速预报数据段对应的风电场实际功率数据段。

6.如权利要求4所述的方法，其特征在于，所述进行特征值的计算和提取，包括：

提取所述风速预报数据段或所述历史风速预报数据段的最小值、最大值、最小值所处位置、最大值所处位置；

计算所述风速预报数据段或所述历史风速预报数据段的长度、梯度、最大梯度、均值、标准差。

7.如权利要求2所述的方法，其特征在于，所述对所述风电场实际功率数据段进行特征值的计算，包括：

采用数据插值的方式，将所述风电场实际功率数据段中的所述处理后的风电场实际功率数据转换成多个插值数据。

8.如权利要求1所述的方法，其特征在于，所述将所述风速预报数据特征值输入预先训练好的风电功率预测模型，得到风电功率预测特征值，包括：

将多个风速预报数据段的特征值输入到风电功率预测模型中，得到对应的多组风电功率预测特征值；

每组所述风电功率预测特征值对应一个风电功率预测数据段，包含多个所述风电功率预测特征值。