[發(fā)明專利]一種風電出力預測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110149112.3
• 申請日: 2021-02-03
• 公開（公告）號: CN114861513A
• 公開（公告）日: 2022-08-05
• 發(fā)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(wǎng)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(chǎn)權代理有限公司 11271
• 代理人: 徐國文

本發(fā)明提供了一種風電出力預測方法和系統(tǒng)，包括：采集當前時段的風電負荷數(shù)據(jù)；將所述當前時段的風電負荷數(shù)據(jù)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(jù)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(wǎng)絡對歷史風電負荷數(shù)據(jù)和所述歷史風電負荷數(shù)據(jù)對應的下一時段的負荷功率進行訓練建立的；本發(fā)明提供了一個短期風電預測模型來對風電出力進行預測，改善了傳統(tǒng)方法的不足，提高了風電出力預測的效率。

技術領域

本發(fā)明屬于負荷預測領域，尤其是涉及一種風電出力預測方法和系統(tǒng)。

背景技術

清潔能源具有位置分散、隨機性、波動性等特點，所以能源互聯(lián)網(wǎng)的出現(xiàn)很好的解決了可再生能源的有效利用問題，提高了能源的綜合利用率，減輕了環(huán)境壓力。由于風能具有較強的間歇性和隨機性，導致風電機組的功率波動。因此，準確可靠的風電功率預測對于降低運行成本、提高電力系統(tǒng)的安全可靠性具有十分重要的意義。

對于風電功率預測的核心問題是預測的方法和模型，隨著科技的快速發(fā)展，預測技術也在不斷深化，目前，預測技術已經(jīng)逐漸從傳統(tǒng)預測方法過渡到人工智能預測技術。傳統(tǒng)的負荷預測方法，如：時間序列法、回歸分析法、灰色預測法等，存在一定的不足，對波動性較大的復雜序列預測準確性有待提高且風電出力曲線的趨勢變化無法準確量化實現(xiàn)，而人工智能預測方法面對復雜序列則展現(xiàn)出了強大的優(yōu)越性，實現(xiàn)了良好的預測效果。人工神經(jīng)網(wǎng)絡算法起源于20世紀40年代，是一門模擬人腦生物過程的人工智能技術。BP(BackPropagation)算法又稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡中的一種監(jiān)督式的學習算法，常用于負荷預測。但是，BP神經(jīng)網(wǎng)絡算法存在收斂速度慢、訓練時間長、易陷入局部最優(yōu)解等缺點。

發(fā)明內(nèi)容

為克服上述現(xiàn)有技術的不足，本發(fā)明提出一種風電出力預測方法，包括：

采集當前時段的風電負荷數(shù)據(jù)；

將所述當前時段的風電負荷數(shù)據(jù)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(jù)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(wǎng)絡對歷史風電負荷數(shù)據(jù)和所述歷史風電負荷數(shù)據(jù)對應的下一時段的負荷功率進行訓練建立的。

優(yōu)選的，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(shù)據(jù)作為輸入函數(shù)，將所述歷史時段的歷史風電負荷數(shù)據(jù)對應下一時段的負荷功率作為輸出函數(shù)；

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

優(yōu)選的，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(shù)據(jù)和歷史時段的歷史風電負荷數(shù)據(jù)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(shù)據(jù)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。

優(yōu)選的，風電負荷數(shù)據(jù)，包括：風電的電壓和電流數(shù)據(jù)。

優(yōu)選的，所述短期風電預測模型的建立之后，還包括：

根據(jù)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。

優(yōu)選的，所述根據(jù)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(jù)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。