[发明专利]一种风电功率预测方法

摘要

本申请公开了一种风电功率预测方法，该方法通过结合分位数回归与空洞卷积神经网络的优点，给出了更加准确、范围更小的预测区间和更加符合风电功率的概率密度分布，使风电功率预测结果更加准确，解决了传统风电功率预测方法存在的预测准确性低、预测效果差的问题。另外，该方法中的模型参数较少，具有较高的训练速度；且其模型能够学习更长时间尺度的风电功率变化规律，因此，相比传统的预测方法，本申请的预测方法可对风电功率进行更精确的预测。本申请的风电功率预测方法可用于预测未来风电功率区间以及概率分布，为电网的运行提供数据支撑以及方向指导。

主权项

1.一种风电功率预测方法，其特征在于，包括：S100，获取风电场的风电功率数据，并对风电功率数据进行归一化处理；S200，将归一化后的风电功率数据划分为训练集与测试集；S300，利用训练集，构建空洞因果卷积神经网络分位数回归模型；S400，利用测试集，对训练后的孔洞因果卷积神经网络分位数回归模型进行测试，推导出条件密度预测；S500，对条件密度预测进行X条件化与τ离散化处理，采用密度估计，得到风电功率预测值的条件密度预测。