[發明專利]一種風電出力預測方法和系統

在審

• 申請號: 202110149112.3
• 申請日: 2021-02-03
• 公開（公告）號: CN114861513A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 翁格平;裴傳遜;任嬌蓉;葉晨;江昊;許家玉;崔勤越;卿華;劉媛;高恬
• 申請（專利權）人: 國網浙江省電力有限公司寧波供電公司;北京隱山科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F113/06;G06F119/06
• 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

1.一種風電出力預測方法，其特征在于，包括：

采集當前時段的風電負荷數據；

將所述當前時段的風電負荷數據輸入到預先建立的短期風電預測模型中，輸出下一時段的風電負荷功率；

根據所述下一時段的風電負荷功率確定下一時段的風電出力情況；

其中，所述短期風電預測模型利用BiLSTM預測網絡對歷史風電負荷數據和所述歷史風電負荷數據對應的下一時段的負荷功率進行訓練建立的。

2.根據權利要求1所述的方法，其特征在于，所述短期風電預測模型的建立，包括：

將歷史時段的歷史風電負荷數據作為輸入函數，將所述歷史時段的歷史風電負荷數據對應下一時段的負荷功率作為輸出函數；

基于所述輸入函數和所述輸出函數作為訓練集在BiLSTM預測網絡中進行訓練，得到所述短期風電預測模型。

3.根據權利要求2所述的方法，其特征在于，所述短期風電預測模型的建立，還包括：

將另外一個歷史時段的歷史風電負荷數據和歷史時段的歷史風電負荷數據對應的下一時段的負荷功率作為驗證集；

將驗證集中的歷史風電負荷數據輸入所述短期風電預測模型中，得到下一時段負荷功率的預測值。

4.根據權利要求1所述的方法，其特征在于，風電負荷數據，包括：風電的電壓和電流數據。

5.根據權利要求3所述的方法，其特征在于，所述短期風電預測模型的建立之后，還包括：

根據所述預測值和所述驗證集中對應的負荷功率對所述短期風電預測模型進行評價。

6.根據權利要求5所述的方法，其特征在于，所述根據所述預測值和所述驗證集中對應的負荷功率對所述短期風電預測模型進行評價，包括：

根據所述預測值和驗證集中對應的負荷功率，進行均方根誤差、平均絕對誤差、歸一化均方根誤差和歸一化平均絕對百分比誤差中至少之一的計算；

基于所述計算的結果對所述短期風電預測模型進行評價。

7.如權利要求6所述的方法，其特征在于，

所述均方根誤差計算式如下：

所述平均絕對誤差計算式如下：

所述歸一化均方根誤差計算式如下：

所述歸一化平均絕對百分比誤差計算式如下：

其中，n為訓練數量，y_i為歷史風電負荷數據對應的下一時段的負荷功率的驗證值，為模型預測下一時段負荷功率的預測值。

8.一種風電出力預測系統，其特征在于，包括：采集模塊、訓練模塊和預測模塊；

所述采集模塊，用于采集當前時段的風電負荷數據；

所述訓練模塊，用于將所述當前時段的風電負荷數據輸入到預先建立的短期風電預測模型中，輸出下一時段的風電負荷功率；

所述預測模塊，用于根據所述下一時段的風電負荷功率確定下一時段的風電出力情況；

其中，所述短期風電預測模型利用BiLSTM預測網絡對歷史風電負荷數據和所述歷史風電負荷數據對應的下一時段的負荷功率進行訓練建立的。

9.根據權利要求8所述的系統，其特征在于，所述訓練模塊，包括：訓練數據子模塊和預測模型子模塊；

所述訓練數據子模塊，用于將歷史時段的歷史風電負荷數據作為輸入函數，將所述歷史時段的歷史風電負荷數據對應下一時段的負荷功率作為輸出函數；

所述預測模型子模塊，用于基于所述輸入函數和所述輸出函數作為訓練集在BiLSTM預測網絡中進行訓練，得到所述短期風電預測模型。

10.根據權利要求9所述的系統，其特征在于，所述訓練模塊，還包括：驗證數據子模塊和驗證預測子模塊；

所述驗證數據子模塊，用于將另外一個歷史時段的歷史風電負荷數據和歷史時段的歷史風電負荷數據對應的下一時段的負荷功率作為驗證集；

所述驗證預測子模塊，用于將驗證集中的歷史風電負荷數據輸入所述短期風電預測模型中，得到下一時段負荷功率的預測值。