[发明专利]风力发电机风速的预测方法、装置、计算机设备

说明书

本申请涉及一种风力发电机风速的预测方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：通过对待处理风速序列进行集合经验模态分解，得到各个模式分量分别对应的模式分量数据。获取与历史时间段对应的电网有功功率和环境温度，并对电网有功功率、环境温度、以及模式分量数据进行组合，得到聚合特征。对模式分量数据进行时间平移处理，得到时间特征，并对聚合特征和时间特征进行拼接组合，得到特征子集。基于特征子集中的各组合特征进行特征交叉处理，得到交叉特征。通过预测模型对交叉特征和特征子集进行风速预测，得到在目标时间段内风力发电机的风速预测值。这样，大大增加了对风力发电机风速预测的准确性。

技术领域

本申请涉及风速预测技术领域，特别是涉及一种风力发电机风速的预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着风电发电技术的发展，风力发电机常常作为风力发电的主要设备。其中，风力发电机的发电效率受风速影响较大，故需要对风力发电机的风速预测。这样，基于预测得到的风速指定电网调度计划和调节调度频率，以保证电网稳定的供电质量。

在传统技术中，常常采用递归多步预测法对风速进行预测。其中，递归多步预测法是将前一步的预测值作为真实值，并基于该真实值对下一步进行预测，以此实现多步预测。然而，一旦前一步的预测值出现误差，则下一步的预测值也会出现误差，并且，随着预测步数的增加，误差会不断累积。这样，难以准确预测风力发电机的风速，存在对风力发电机风速预测的准确性低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种风力发电机风速的预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种风力发电机风速的预测方法。所述方法包括：

对待处理风速序列进行集合经验模态分解，得到各个模式分量分别对应的模式分量数据；其中，所述待处理风速序列是在历史时间段内对风力发电机的风速进行采集得到；

获取与所述历史时间段对应的电网有功功率和环境温度，并对所述电网有功功率、所述环境温度、以及所述模式分量数据进行组合，得到聚合特征；

对所述模式分量数据进行时间平移处理，得到时间特征，并对所述聚合特征和所述时间特征进行拼接组合，得到特征子集；

基于所述特征子集中的各组合特征进行特征交叉处理，得到交叉特征；

通过预测模型对所述交叉特征和所述特征子集进行风速预测，得到在目标时间段内风力发电机的风速预测值。

第二方面，本申请还提供了一种风力发电机风速的预测装置。所述装置包括：

分解模块，用于对待处理风速序列进行集合经验模态分解，得到各个模式分量分别对应的模式分量数据；其中，所述待处理风速序列是在历史时间段内对风力发电机的风速进行采集得到；

组合模块，用于获取与所述历史时间段对应的电网有功功率和环境温度，并对所述电网有功功率、所述环境温度、以及所述模式分量数据进行组合，得到聚合特征；

平移模块，用于对所述模式分量数据进行时间平移处理，得到时间特征，并对所述聚合特征和所述时间特征进行拼接组合，得到特征子集；

交叉模块，用于基于所述特征子集中的各组合特征进行特征交叉处理，得到交叉特征；

预测模块，用于通过预测模型对所述交叉特征和所述特征子集进行风速预测，得到在目标时间段内风力发电机的风速预测值。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：