[发明专利]基于时间卷积网络的风功率预测方法和装置

说明书

本申请提出了一种基于时间卷积网络的风功率预测方法，涉及风功率预测技术领域，其中，该方法包括：获取原始气象数据和风功率系统运行数据；对原始气象数据和风功率系统运行数据进行处理，生成训练集；构建TCN模型，使用训练集对TCN模型进行训练；获取待预测数据输入到TCN模型中，得到预测结果，其中，预测结果为风电系统的总功率。采用上述方案的本发明解决了现有技术无法将人工智能算法应用于新能源功率预测的技术问题。

技术领域

本申请涉及风功率预测技术领域，尤其涉及基于时间卷积网络的风功率预测方法和装置。

背景技术

风力发电技术正在成为满足未来电力需求的主要来源。更高份额的可再生能源技术对于碳中和和满足未来新型电力系统电网的需求至关重要，但也带来了新的电网运行挑战。电力公司需要对风功率发电功率进行预测，以便进行发电调度操作。预测是一个主要的推动因素，可以确保安全和经济的风功率并网，同时在电力系统不同层面的许多灵活性创新之间建立联系，以实现协同效应。准确的风功率预测是一个重要的、具有成本效益的能源管理要素，它还有助于风功率电站和集合系统有效和直接地参与电力市场，并且通过优化供应计划来增加收入。

随着新能源机组装机数量不断增加，我国逐渐形成了高比例新能源并网的新型电力系统。未来新能源发电比重更将不断攀升，为保证电能质量，合理安排发电计划，准确的风电功率预测具有重要意义。可靠的预测算法模型和精细的气象预报数据是新能源功率预测准确性的决定性因素，而多变的微气象环境使功率预测变得更加复杂，传统的预测方法在建模难度与预测精准度上受到限制，如何将人工智能算法应用于新能源功率预测中在未来新能源迅速发展的形式下显得尤为重要。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于时间卷积网络的风功率预测方法，解决了现有方法的无法将人工智能算法应用于新能源功率预测的技术问题，实现了对风功率产量的稳健预测。

本申请的第二个目的在于提出一种基于时间卷积网络的风功率预测装置。

本申请的第三个目的在于提出一种计算机设备。

为达上述目的，本申请第一方面实施例提出了一种基于时间卷积网络的风功率预测方法，包括：获取原始气象数据和风功率系统运行数据；对原始气象数据和风功率系统运行数据进行处理，生成训练集；构建TCN模型，使用训练集对TCN模型进行训练；获取待预测数据输入到TCN模型中，得到预测结果，其中，预测结果为风电系统的总功率。

本申请实施例的基于时间卷积网络的风功率预测方法，通过利用时间卷积网络的优势，构建TCN模型，实现稳健的风功率预测，使用正交阵列调整方法来优化深度学习模型的超参数，使预测更精准。

可选地，在本申请的一个实施例中，原始气象数据包括：起报时间、预报时间、预定高度温度、动量通量、预定高度风向、海平面气压、云量、潜热通量、感热通量、短波辐射通量、长波辐射通量、地表水压、总降水、大尺度降水、对流降水、预定高度相对湿度，

风功率系统运行数据包括：场站基本信息、厂站出力表、测风数据、运行记录。

可选地，在本申请的一个实施例中，对原始气象数据和风功率系统运行数据进行处理，包括：

对原始气象数据、风功率系统运行数据进行清洗，去除无效数据，同时筛选正常工况数据并进行数据归一化；

对归一化后的数据进行检测，以发现错误的数值、异常值、空白和重复，将所有检测到的错误和缺失数据都从数据集中剔除，生成训练集。