[发明专利]超短期风电功率预测方法、装置、电子设备及存储介质在审
申请号: | 202011172181.8 | 申请日: | 2020-10-28 |
公开(公告)号: | CN112270439A | 公开(公告)日: | 2021-01-26 |
发明(设计)人: | 向婕;雍正;杨弃 | 申请(专利权)人: | 国能日新科技股份有限公司 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06;G06N20/00 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王宇杨 |
地址: | 100096 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 短期 电功率 预测 方法 装置 电子设备 存储 介质 | ||
1.一种超短期风电功率预测方法,其特征在于,包括:
根据风电场当前时刻k的实时功率、实时风速和短期预测功率,确定所述当前时刻k后的t个时刻的超短期预测数列Po;
确定与所述当前时刻k后的t个时刻的短期预设功率对应地爬坡矩阵,并将所述爬坡矩阵和所述爬坡矩阵对应地爬坡特征输入至爬坡预测概率模型,得到爬坡状态类别,并确定与所述爬坡状态类别对应地未来爬坡状态矩阵;
基于未来爬坡状态矩阵修正所述当前时刻k后的t个时刻的超短期预测数列Po,确定超短期风电功率预测结果;
其中,所述爬坡预测概率模型为采用风电场历史预测功率的爬坡矩阵样本数据和所述历史预测功率的爬坡矩阵对应地爬坡特征作为输入数据,以及,采用与历史预测功率的爬坡矩阵对应地爬坡状态类别作为输出数据,基于机器学习算法进行训练得到的。
2.根据权利要求1所述的超短期风电功率预测方法,其特征在于,还包括:
获取风电场历史数据;其中,所述风电场历史数据包括风电场历史实发功率和风电场历史实际风速;
基于所述风电场历史数据和预设时间窗窗口长度n,根据时间序列逐窗口计算确定相应地实际爬坡矩阵;
将所述实际爬坡矩阵根据所述实际爬坡矩阵对应地特征分为j类,得到j类实际爬坡矩阵的中心点;
获取历史短期预测功率,采用所述预设时间窗窗口长度,根据时间序列逐窗口计算确定相应地预测爬坡矩阵和所述预测爬坡矩阵的爬坡特征;
将所述j类实际爬坡矩阵的中心点作为输出值,将所述预测爬坡矩阵和所述预测爬坡矩阵的爬坡特征作为输入值,建立所述爬坡预测概率模型。
3.根据权利要求2所述的超短期风电功率预测方法,其特征在于,确定爬坡矩阵,具体包括:
按照第一关系模型,对风电站功率做时间差;其中,第一关系模型如下:
Pdelta=P-Psheft(1)
其中,Pdelta为功率的时间序列差值,P为并网功率,Psheft(1)为并网功率偏移值;
按照第二关系模型,计算爬坡时长;其中,第二关系模型如下:
tclam=tmax+tmin
其中,tclam为爬坡时长,tmax为实际功率最大值对应地时间点,tmin为实际功率最小值对应地时间点;
按照第三关系模型,确定爬坡矩阵;其中,第三关系模型如下:
C(k)=F(k)·E(k)·Pdelta·F(k)T
其中,C(k)为爬坡矩阵,k表示当前时刻,F(k)为第k点的n*tclam滤波矩阵,E(k)为单位矩阵,Pdelta为功率的时间序列差值,F(k)T表示第k点的n*tclam滤波矩阵的转置,T表示转置,n为预设时间窗窗口长度。
4.根据权利要求3所述的超短期风电功率预测方法,其特征在于,所述将所述实际爬坡矩阵根据所述实际爬坡矩阵对应地特征分为j类,具体包括:
采用k-means聚类法将所述实际爬坡矩阵根据所述实际爬坡矩阵对应地特征分为j类;其中,所述实际爬坡矩阵对应地特征包括:爬坡时长tclam、爬坡顶点Pmax和爬坡起点Pmin。
5.根据权利要求1所述的超短期风电功率预测方法,其特征在于,所述根据风电场当前时刻k的实时功率、实时风速和短期预测功率,确定所述当前时刻k后的t个时刻的超短期预测数列Po,具体包括:
采用回归模型,将风电场历史实发功率、风电场历史实际风速和风电场历史短期预测功率作输入,将待预测时刻的实时功率作输出,建立超短期功率回归模型;
将风电场当前时刻k的实时功率、实时风速和短期预测功率,带入所述超短期功率回归模型,确定所述当前时刻k后的t个时刻的超短期预测数列Po。
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国能日新科技股份有限公司,未经国能日新科技股份有限公司许可,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/202011172181.8/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理