[发明专利]一种长期风功率预测方法及装置、存储介质、计算机设备

说明书

本申请公开了一种长期风功率预测方法及装置、存储介质、计算机设备，该方法包括：获取历史风功率数据，并对所述历史风功率数据进行信号分解，得到多个目标分解信号；基于目标分解信号以及所述第一历史时间段内的历史气候数据，确定与每个目标分解信号对应的目标输入矩阵；将所述目标输入矩阵输入至预设风功率预测模型，得到与每个目标分解信号对应的第一目标预测时刻的第一风功率预测数据，并更新每个所述目标分解信号对应的所述目标输入矩阵；将每个更新后的目标输入矩阵输入至所述预设风功率预测模型，得到第二风功率预测数据，直至得到最后一个目标预测时刻的风功率预测数据；基于风功率预测数据，确定所述目标预测时间段对应的预测总风功率。

技术领域

本申请涉及风力发电技术领域，尤其是涉及到一种长期风功率预测方法及装置、存储介质、计算机设备。

背景技术

随着全球化石能源的紧张和环境保护意识的增强，新能源优势日益凸显。然而新能源虽然具有安全、绿色环保的特点，但是同时也具有预估性较差的缺点。以风能发电为例，由于风能具有天然间歇性与随机性，因而导致预估性较差。想要在使用风能发电时保证电网的稳定性，在风能发电前进行风功率预测具有非常重要的意义和作用。

现今风功率预测方法均为超短期预测或短期预测，一般为提前15min、30min以及1h之前预测，很少有人研究长期风功率预测，但是我国电力现货市场交易模式一般为日前交易，如果将风能发电引入到市场交易中就需要在日前进行交易日风功率预测，进而保证风能出力情况，也即风力发电通常需要日前预测风功率以保证电力稳定性，因而如何准确、方便地进行长期风功率预测，成为了本领域亟待解决的问题。

发明内容

有鉴于此，本申请提供了一种长期风功率预测方法及装置、存储介质、计算机设备，可以准确、方便地进行长期风功率预测。

根据本申请的一个方面，提供了一种长期风功率预测方法，包括：

获取与目标预测时间段相同时长的第一历史时间段内的历史风功率数据，并基于互补集合经验模态分解法对所述历史风功率数据进行信号分解，得到多个目标分解信号；

基于所述目标分解信号以及所述第一历史时间段内的历史气候数据，确定与每个所述目标分解信号对应的目标输入矩阵，其中，所述历史气候数据包括历史温度数据、历史湿度数据以及历史风速数据中的至少一种；

将所述目标输入矩阵输入至预设风功率预测模型，得到与每个所述目标分解信号对应的第一目标预测时刻的第一风功率预测数据，并基于所述第一风功率预测数据，更新每个所述目标分解信号对应的所述目标输入矩阵，其中，所述预设风功率预测模型包括训练完成的卷积神经网络模型以及长短期记忆模型；

将每个更新后的目标输入矩阵输入至所述预设风功率预测模型，得到与每个所述目标分解信号对应的第二目标预测时刻的第二风功率预测数据，直至每个所述目标分解信号对应的风功率预测数据的数量与所述目标预测时间段对应的目标预测时刻的数量相同时，得到与每个所述目标分解信号对应的最后一个目标预测时刻的风功率预测数据，其中，所述目标预测时刻基于所述目标预测时间段以及预设预测时间间隔确定；

基于每个所述目标分解信号对应的各个所述目标预测时刻的所述风功率预测数据，确定所述目标预测时间段对应的预测总风功率。

可选地，所述基于所述目标分解信号以及所述第一历史时间段内的历史气候数据，确定与每个所述目标分解信号对应的目标输入矩阵，具体包括：

获取所述第一历史时间段内的历史气候数据，基于任一所述目标分解信号以及所述历史气候数据，按照所述预设预测时间间隔进行取值，得到与所述任一所述目标分解信号对应的所述目标输入矩阵。

可选地，所述将所述目标输入矩阵输入至预设风功率预测模型，得到与每个所述目标分解信号对应的第一目标预测时刻的第一风功率预测数据，并基于所述第一风功率预测数据，更新每个所述目标分解信号对应的所述目标输入矩阵，具体包括：