[发明专利]风电功率预测方法、装置、电子设备及存储介质

权利要求书

1.一种风电功率预测方法，其特征在于，包括：

获取目标风电机组在第一预设时间段内的历史运行数据，并根据所述历史运行数据构建训练样本数据集；

根据所述训练样本数据集、所述训练样本数据集对应的标签数据以及预先构建的模型损失函数对待训练模型进行训练，得到风电功率预测模型，其中，所述预先构建的模型损失函数根据最大均值差异损失函数和均方误差损失函数确定；

获取待预测风电机组在待预测时间段内的目标运行数据，并基于所述风电功率预测模型和所述目标运行数据对所述待训练风电机组的风电功率进行预测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本运行数据构建训练样本数据集，包括：

将所述历史运行数据按照时间序列进行划分，得到多个时间段的子样本运行数据集，将每一个子样本运行数据集作为一个训练样本，根据所述训练样本构建所述训练样本数据集。

3.根据权利要求1所述的方法，其特征在于，所述预先构建的模型损失函数根据最大均值差异损失函数和均方误差损失函数确定的具体方式如下：

Loss＝MSE+MMD

其中，Loss表示模型损失函数，MSE表示均方误差损失函数，MMD表示最大均值差异损失函数。

4.根据权利要求3所述的方法，其特征在于，所述最大均值差异损失函数根据所述目标风电机组在第二预设时间段内的第一风电运行数据和所述待预测风电机组在所述第二预设时间段内的第二风电运行数据确定。

5.根据权利要求4所述的方法，其特征在于，所述最大均值差异损失函数根据所述目标风电机组在第二预设时间段内的第一风电运行数据和所述待预测风电机组在所述第二预设时间段内的第二风电运行数据确定的具体方式如下：

其中，n表示第一风电运行数据的数量，m表示第二风电运行数据的数量，k表示核函数，表示第一风电运行数据，表示第二风电运行数据。

6.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本数据集、所述训练样本数据集对应的标签数据以及预先构建的模型损失函数对待训练模型进行训练，得到风电功率预测模型，包括：

通过如下公式对所述待训练模型的模型参数进行调整，以得到风电功率预测模型：

其中，η表示学习率，θ表示待训练模型的模型参数，θ'表示θ经过一次迭代更新后的模型参数，表示模型损失函数的导数，·表示乘积。

7.根据权利要求1所述的方法，其特征在于，在根据所述历史运行数据构建训练样本数据集之前，还包括：

根据预设数据处理方式对所述历史运行数据进行数据处理，其中，所述预设数据处理方式包括异常数据清洗和离异数据清洗。

8.一种风电功率预测装置，其特征在于，包括：

数据获取模块，用于获取目标风电机组在第一预设时间段内的历史运行数据，并根据所述历史运行数据构建训练样本数据集；

模型训练模块，用于根据所述训练样本数据集、所述训练样本数据集对应的标签数据以及预先构建的模型损失函数对待训练模型进行训练，得到风电功率预测模型，其中，所述预先构建的模型损失函数根据最大均值差异损失函数和均方误差损失函数确定；

风电功率预测模块，用于获取待预测风电机组在待预测时间段内的目标运行数据，并基于所述风电功率预测模型和所述目标运行数据对所述待训练风电机组的风电功率进行预测。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的风电功率预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的风电功率预测方法。