[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

说明书

本发明实施例提供了一种超短期风电功率预测方法、装置、电子设备及存储介质，方法包括：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，确定当前时刻k后的t个时刻的超短期预测数列P_o；确定与当前时刻k后的t个时刻的短期预设功率对应地爬坡矩阵，并将爬坡矩阵和爬坡矩阵对应地爬坡特征输入爬坡预测概率模型，得到爬坡状态类别，并确定与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当前时刻k后的t个时刻的超短期预测数列P_o，确定超短期风电功率预测结果。本发明实施例通过当前时刻的爬坡状态类别确定爬坡类型，根据爬坡类型对风电场的超短期功率进行修正，能够减少超短期预测的时间延迟现象。

技术领域

本发明涉及电力技术领域，尤其涉及一种超短期风电功率预测方法、装置、电子设备及存储介质。

背景技术

风能是一种清洁、无污染的可再生能源，但风具有随机性及不可控性，不稳定的风能在并网后会对电网产生巨大冲击，影响电网系统的安全稳定运行。风电功率预测是帮助实现风电并网稳定运行的重要手段。风电功率预测方法按照输入数据的不同可以分为两种：基于数值天气预报的功率预测方法和基于历史数据的功率预测方法。当前超短期风电功率预测普遍以当前瞬时功率为依据对未来短时间功率进行预测，该方法在预测时存在明显时间延迟现象。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种超短期风电功率预测方法及装置。

第一方面，本发明实施例提供一种超短期风电功率预测方法，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P_o；

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P_o，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。

进一步地，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。

进一步地，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：

P_delta＝P-P_sheft(1)

其中，P_delta为功率的时间序列差值，P为并网功率，P_sheft(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：