[發明專利]一種基于深度學習網絡的短期風電功率預測方法和系統

有效

• 申請號: 202110015294.5
• 申請日: 2021-01-07
• 公開（公告）號: CN112348292B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 裴巖;王勃;車建峰;馮雙磊;劉純;汪步惟;王錚;王釗;趙艷青;姜文玲;張菲
• 申請（專利權）人: 中國電力科學研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08;G06N3/04
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供了一種基于深度學習網絡的短期風電功率預測方法和系統，包括：獲取待預測風電所在區域的數值天氣預報數據；將數值天氣預報數據輸入預先訓練的深度學習映射模型，得到風電功率的預測值；其中，深度學習映射模型包括數值天氣預報數據與風電功率預測值的對應關系；數值天氣預報數據按照位置構成網格，網格中每個格點包括多個天氣參數；本發明可提升風電場短期功率預測精度，同時可以降低區域風電功率預測模型的建模時間，降低所需的計算資源和人力資源。

技術領域

本發明屬于清潔能源消納技術領域，具體涉及一種基于深度學習網絡的短期風電功率預測方法和系統。

背景技術

隨著風力發電技術日臻成熟，風電單機容量和并網型風電場規模不斷擴大，風電占電力系統發電總量的比例也逐年增加。風電場穿透功率不斷加大，給電力系統帶來的一系列問題日益突出，嚴重威肋、電力系統安全、穩定、經濟、可靠運行。對風電功率進行及時準確的預測，可以顯著增強電力系統的安全性、穩定性、經濟性和可控性，并增強風電的消納能力。

現有短期風電功率預測技術通常使用風電場所在經緯度的數值天氣預報數據作為輸入，使用數值天氣預報數據到發電功率的映射模型，對未來發電功率進行預測。短期風電功率預測技術的關鍵步驟包括：首先，獲取數值天氣預報數據，數值天氣預報數據是根據氣象演化原理對未來氣象參數的預測結果，包括各經緯度、各高度的風速、風向、溫度、濕度、壓力等，數值天氣預報數據可通過購買相關產品獲得，或者通過搭建數值天氣預報系統進行計算獲得；第二，對數值天氣預報數據進行處理，包括選擇最優參數、參數變換等，得到與發電功率最相關的映射模型輸入；第三，采用一定的數學算法建立從模型輸入到發電功率之間的映射模型，使用的算法通常包括神經網絡算法、支持向量機算法、線性回歸算法等。最后，基于建立好的映射模型進行計算，輸入待預測時刻的數值天氣預報數據，計算得到風電功率預測結果。

針對一個風電場的短期功率預測，給定該風電場的經緯度，首先獲取該經緯度或者該經緯度附近位置的數值天氣預報數據，以及該風電場的歷史發電功率；第二，對數值天氣預報數據和歷史發電功率進行預處理，包括數據轉換、最優參數選擇、歸一化等操作；第三，以數值天氣預報數據預處理結果作為輸入，歷史發電功率預處理結果作為輸出，采用數學方法建立映射模型，反映輸入與輸出之間的映射關系；最后，對待預測時刻的數值天氣預報數據采用上一步驟中同樣的預處理方法進行預處理，將預處理結果作為上一步驟建立好的映射模型的輸入，計算得到風電功率預測結果。

現有技術有以下缺點：

首先，現有的短期風電功率預測技術通常基于風電場所在經緯度位置或者附近位置的數值天氣預報結果進行預測，而風電場的發電功率通常受到周邊一定區域氣象的影響，單純采用某一個經緯度點的數值天氣預報數據通常不能完全反映影響風電場發電功率的氣象因素。

其次，現有的數值天氣預報技術提供的一定空間范圍內的氣象趨勢較為準確，提供的一個特定經緯度點的氣象參數準確度通常較低，使用一個經緯度點的氣象參數對風電功率進行預測時，會引入由于氣象參數不準確而引入的額外預測誤差，造成功率預測精度難以提升。

最后，區域氣象數據量巨大，基于傳統的映射模型結構使用區域氣象數據進行建模，難以反映區域氣象的特征，還會造成模型的過擬合，不能對未來的風電功率進行準確預測。

若對一個區域的短期風電功率預測，現有技術通常采用的方法是使用上述技術方案，對每個風電場的發電功率分別進行預測，然后進行累加得到該區域內所有風電場的總加功率預測結果，稱為累加法。采用累加法進行區域風電功率預測，需要對每個風電場都建立一個模型，需要建立多個模型，所需的人力資源和計算資源較多。

發明內容

為克服上述現有技術的不足，本發明提出一種基于深度學習網絡的短期風電功率預測方法，包括：獲取待預測風電所在區域的數值天氣預報數據；

將所述數值天氣預報數據輸入預先訓練的深度學習映射模型，得到風電功率的預測值；