[發(fā)明專利]一種風功率預測方法

在審

• 申請?zhí)枺?/td>: 202010937652.3
• 申請日: 2020-09-07
• 公開（公告）號: CN112085272A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設計）人: 楊勇;秦睿;崔力心;馬鎮(zhèn)東;鄭晶晶;周治伊;王永年;牛浩明;王偉;何欣;祁瑩;張彥凱;劉文飛;張旭軍;張剛
• 申請（專利權）人: 國網甘肅省電力公司電力科學研究院;國網甘肅綜合能源服務有限公司;西安理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N5/00;G06N3/04;G06N3/08
• 代理公司: 北京輕創(chuàng)知識產權代理有限公司 11212
• 代理人: 劉紅陽

本發(fā)明公開了一種風功率預測方法，包括有兩個部分：第一個部分是基于隨機森林的特征信息選擇，首先利用風電功率的特征信息(風速、風向、氣溫、氣壓、濕度、風電功率歷史數(shù)值等)的歷史樣本訓練隨機森林模型，求出所有特征信息對應的預測重要性指標PI，之后以PI的大小為依據，選擇出風電功率最優(yōu)的特征信息集合Q；第二個部分是基于DNN模型的風電功率預測，也就是將風電功率最優(yōu)的特征信息集合歷史值作為輸入，通過RBM的逐步訓練與PSO的精調操作后，構建出合理的DNN網絡，最后將集合Q的歷史值組成的測試數(shù)據集作為DNN模型輸入，通過計算得到待預測的風電功率數(shù)值，這個方法提高風功率的預測精度。

技術領域

本發(fā)明屬于新能源技術領域，涉及一種風功率預測方法。

背景技術

21世紀以來，隨著傳統(tǒng)化石能源日漸枯竭，以風電為代表的可再生能源開始 成為世界能源開發(fā)的趨勢與潮流。可再生能源在以下幾個方面有不可替代的作用： 由于在發(fā)電過程中沒有污染氣體的排放，有效的保護了生態(tài)環(huán)境，其次也保證了 確保國家的能源安全，最后由于它的成本一般較低，具有無可比擬的經濟性。

目前常用的風電功率預測方法存在一定不足，其體現(xiàn)在預測過程中，多數(shù)預 測模型將風電場的所有歷史數(shù)據作為模型輸入，未能對特征信息(風電功率、風 速、氣溫、氣壓等)進行重要性的排序與篩選，從而降低了預測精度與效果。此 外相對優(yōu)秀的啟發(fā)式預測方法也存在著隱含層不足，無法深度捕捉模型輸入與輸 出關系的問題。再次，風電功率數(shù)據受到風速、風向和氣壓等氣象因素的影響， 一些模型在對風功率數(shù)據進行分解的時候忽略了這些影響因素對風功率數(shù)據的 影響，使得預測效果不佳。

發(fā)明內容

本發(fā)明的目的是提供一種風功率預測方法，解決了現(xiàn)有技術中存在的風功率 的預測精度低的問題。

本發(fā)明所采用的技術方案是，一種風功率預測方法，包括以下步驟：

步驟1、將風電功率歷史值、天氣因素(風向、風速、氣溫、氣壓、濕度等) 歷史值等特征信息作為訓練數(shù)據集用于訓練隨機森林RF；

步驟2、計算出所有特征信息的PI值，利用序列的反向搜索方法挑選出風電 功率最優(yōu)特征信息集合Q；

步驟3、將最優(yōu)特征信息集合Q的歷史值作為訓練DNN網絡的數(shù)據集，輸入 至DNN模型，完成DNN的初始化；

步驟4、采用“逐層初始化”的思想，使用受限玻爾茲曼機(restricted Boltzmannmachine,RBM)逐層對DNN網絡進行粗略的預訓練，通過RBM的計算 得到與收斂解近似的隱含層權重系數(shù)w與閾值系數(shù)b。

步驟5、通過粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)對權 重系數(shù)與閾值系數(shù)進行更為精細的調整，得到參數(shù)優(yōu)良的DNN網絡。

步驟6、將最優(yōu)特征信息集合Q組成的預測數(shù)據集作為DNN模型輸入，通過 計算得到待預測的風電功率數(shù)值。

本發(fā)明的有益效果是：

本發(fā)明是一種風功率預測方法，其預測模型主要有兩個部分：第一個部分是 基于隨機森林的特征信息選擇，首先利用風電功率的特征信息(風速、風向、氣 溫、氣壓、濕度、風電功率歷史數(shù)值等)的歷史樣本訓練隨機森林模型，求出所 有特征信息對應的預測重要性指標PI，之后以PI的大小為依據，選擇出風電功 率最優(yōu)的特征信息集合Q；第二個部分是基于DNN模型的風電功率預測，也就是 將風電功率最優(yōu)的特征信息集合歷史值作為輸入，通過RBM的逐步訓練與PSO的 精調操作后，構建出合理的DNN網絡，最后將集合Q的歷史值組成的測試數(shù)據集 作為DNN模型輸入，通過計算得到待預測的風電功率數(shù)值。該預測效果好，精度 高。

附圖說明

圖1是本發(fā)明一種風功率預測方法的技術路線圖。