[发明专利]风电功率预测方法、装置、电子设备及存储介质

说明书

本发明公开了一种风电功率预测方法、装置、电子设备及存储介质，其中，该方法包括：获取目标风电机组在第一预设时间段内的历史运行数据，并根据历史运行数据构建训练样本数据集；根据训练样本数据集、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，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，并基于风电功率预测模型和目标运行数据对待训练风电机组的风电功率进行预测。本发明实施例的技术方案，提高了风电功率预测模型的迁移能力和泛化能力，实现了不同风电机组的风电功率准确预测。

技术领域

本发明涉及电力工程技术领域，尤其涉及一种风电功率预测方法、装置、电子设备及存储介质。

背景技术

风能作为一种可再生能源，近年来受到世界各国的重视与广泛应用。不同于传统能源发电，利用风能进行发电能够减少环境污染，符合可持续发展战略。然而，风能具有极强的波动性、间歇性、无序性和不稳定性，其应用特性给电网并网带来了极大的挑战。因此，为了能够充分利用电能，合理地规划电力系统的调度，预测风力发电机组的输出功率有着十分重要的实用价值。

目前，风力发电机组的输出功率的预测主要由物理方法、统计方法或者机器学习方法完成。但是，由于风电场大多建设在环境复杂恶劣的偏远地区，风力发电机组之间的距离较远，工作环境各不相同，致使风力发电机采集到的数据波动性很大，从而导致风电功率的预测比较困难。

发明内容

本发明提供了一种风电功率预测方法、装置、电子设备及存储介质，以解决变工况下风电机组的风电功率预测不准确的问题。

根据本发明的一方面，提供了一种风电功率预测方法，该方法包括：

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

根据训练样本数据集、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，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，并基于风电功率预测模型和目标运行数据对待训练风电机组的风电功率进行预测。

根据本发明的另一方面，提供了一种风电功率预测装置，该装置包括：

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，用于根据训练样本数据集、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，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，并基于风电功率预测模型和目标运行数据对待训练风电机组的风电功率进行预测。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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本发明任一实施例所述的风电功率预测方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的风电功率预测方法。