[發明專利]風電功率預測模型的訓練方法、裝置和計算機設備

在審

• 申請號: 202111541302.6
• 申請日: 2021-12-16
• 公開（公告）號: CN114386317A
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 喬穎;魯宗相;馬慧遠
• 申請（專利權）人: 清華大學;國家電網有限公司;國網北京市電力公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q50/06;G06F111/10;G06F113/06
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 樊春燕

1.一種風電功率預測模型的訓練方法，其特征在于，所述方法包括：

獲取樣本氣象數據集，所述樣本氣象數據集包含預設時段內各時刻的樣本風速和所述樣本風速對應的樣本風電功率；

根據風速波動劃分模型對各所述樣本風速進行劃分，得到各所述風速波動過程對應的樣本風速組；

針對每個風速波動過程，根據所述風速波動過程對應的樣本風速組、以及所述樣本風速組對應的樣本風電功率組，對初始風電功率預測模型進行訓練，得到所述風速波動過程對應的風電功率預測模型。

2.根據權利要求1所述的方法，其特征在于，所述根據風速波動劃分模型對各所述樣本風速進行劃分，得到各所述風速波動過程對應的樣本風速組，包括：

在各所述樣本風速中，選取滿足預設篩選條件的各有效樣本風速；

根據各所述有效樣本風速和風速波動劃分模型，確定各所述風速波動過程對應的樣本風速組。

3.根據權利要求2所述的方法，其特征在于，所述風速波動劃分模型包含各風速波動過程對應的樣本比例；所述根據各所述有效樣本風速和風速波動劃分模型，確定各所述風速波動過程對應的樣本風速組，包括：

確定各所述有效樣本風速所構成的風速序列中的各峰值、以及各所述峰值在所述風速序列中對應的樣本區間；

根據各所述風速波動過程對應的樣本比例，對峰值分布序列進行劃分，得到各所述風速波動過程對應的風速閾值；所述峰值分布序列是按照風速由小到大的順序，對處于各預設風速區間內的峰值的數目進行排序得到；

根據各所述風速波動過程對應的風速閾值，確定各所述風速波動過程對應的風速范圍；

針對每個風速波動過程，確定所述風速波動過程對應的風速范圍內的峰值，將所述峰值對應的樣本區間內的有效樣本風速，作為所述風速波動過程的樣本風速組。

4.根據權利要求1所述的方法，其特征在于，所述根據各所述風速波動過程的樣本風速組和各所述風速波動過程的樣本風速組對應的樣本風電功率組，分別對初始風電功率預測模型進行訓練，確定各風速波動過程對應的風電功率預測模型，包括：

針對每個風速波動過程，根據所述風速波動過程的樣本風速組和初始風電功率預測模型，確定所述樣本風速組對應的預測風電功率組、以及所述樣本風速組對應的模型參數值組；

根據所述模型參數值組、所述預測風電功率組和黏菌算法，確定最優模型參數值；

根據所述樣本風速組對應的預測風電功率組、所述樣本風速組對應的樣本風電功率組和評價函數，確定所述評價函數的函數值；

在不滿足預設迭代停止條件的情況下，記錄所述評價函數的函數值和所述最優模型參數值，并返回執行根據所述風速波動過程的樣本風速組和初始風電功率預測模型，確定所述樣本風速組對應的預測風電功率組、以及所述樣本風速組對應的模型參數值組步驟，直到滿足預設迭代停止條件，確定各所述損失函數的函數值和各所述損失函數的函數值對應的最優模型參數值；

根據各所述損失函數的函數值和擇優算法，確定目標損失函數的函數值、以及目標損失函數的函數值對應的目標最優模型參數值；

基于所述目標最優模型參數值，得到所述風速波動過程的風電功率預測模型。

5.一種預測風電功率方法，其特征在于，所述方法包括：

獲取目標氣象數據集，所述目標氣象數據集為預設時段內各時刻的目標風速；

根據風速波動劃分模型對各所述目標風速進行劃分，得到各所述風速波動過程對應的目標風速組；

針對每個風速波動過程，將所述風速波動過程的目標風速組輸入所述風速波動過程對應的風電功率預測模型，確定所述波動過程對應的目標預測風電功率組；

將各所述目標預測風電功率按照所述目標預測風電功率對應的目標風速的時間序列進行排列，得到預測風電功率；

其中，所述風電功率預測模型通過權利要求1至4中任一項所述的風電功率預測模型的訓練方法訓練得到。