[发明专利]一种分布式区域风电功率预测方法

权利要求书

1.一种分布式区域风电功率预测方法，其特征在于，包括：

获取分布式风电场的样本数据集；

对所述分布式风电场的样本数据集进行预处理；

分割所述预处理后的样本数据集为训练集和测试集，并对所述训练集和所述测试集进行归一化处理；

构建分布式预测框架，基于所述分布式预测框架建立全局预测模型；

定义所述全局预测模型的训练误差函数、优化器与学习率，并将网络结构以及初始化参数分发至各个风电场；

选择若干风电场进行预测模型训练；

使用所述训练集和所述测试集分别进行模型训练与测试，并更新预测模型；

对所述风电场进行风电有功功率预测。

2.根据权利要求1所述的分布式区域风电功率预测方法，其特征在于，还包括：

定期更新全局预测模型；

向所有风电场分发更新后的全局预测模型；

重复所述选择若干风电场进行预测模型训练之后的步骤，滚动更新所述全局预测模型。

3.根据权利要求1或2所述的分布式区域风电功率预测方法，其特征在于，所述样本数据集包括一段时间内所述分布式风电场所处环境的气象信息以及对应的风电有功功率。

4.根据权利要求1所述的分布式区域风电功率预测方法，其特征在于，所述预处理包括替代异常数据。

5.根据权利要求1所述的分布式区域风电功率预测方法，其特征在于，建立全局预测模型包括基于Attention机制与小波分解的LSTM模型方法。

6.根据权利要求5所述的分布式区域风电功率预测方法，其特征在于，所述Attention机制层的权重系数计算公式为：

e_t＝u tanh(ωh_t+b)

式中：et为第t时刻由神经网络隐藏层输出向量ht所决定的注意力概率分布值；u和w为权重系数；b偏置系数；st为Attention机制在t时刻的输出。

7.根据权利要求6所述的分布式区域风电功率预测方法，其特征在于，所述预测模型包括输入层、BiLSTM隐藏层、Attention层、全连接层以及输出层。

8.根据权利要求1所述的分布式区域风电功率预测方法，其特征在于，所述选择若干风电场进行预测模型训练包括根据各个节点的ping值进行选择，选择ping值小于500ms的风电场参与。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一所述的分布式区域风电功率预测方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的分布式区域风电功率预测方法。