[發(fā)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?zhí)枺?/td>: 202111541302.6
• 申請日: 2021-12-16
• 公開（公告）號: CN114386317A
• 公開（公告）日: 2022-04-22
• 發(fā)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

本申請涉及一種風電功率預測模型的訓練方法、裝置和計算機設備。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。采用本方法能夠提高風電功率預測模型的精確度。

技術領域

本申請涉及電力系統運行領域，特別是涉及一種風電功率預測模型的訓練方法、裝置和計算機設備。

背景技術

隨著風電的不斷發(fā)展，電力系統中風電發(fā)電比例逐步升高。然而，由于風電功率具有強波動性和不確定性，將會影響電力系統的實時能量供需平衡。精確的風電功率預測技術可以有效減少風電的不確定性，提升電力系統維持實時能量供需平衡的能力。

傳統風電功率預測模型中，只能針對長期有規(guī)律特征的天氣情況進行預測，而短期數值天氣預報的氣象特征數據并不能保證具有嚴格的規(guī)律特征，導致短期風電功率預測數據精準度較低。

發(fā)明內容

基于此，有必要針對上述技術問題，提供一種風電功率預測模型的訓練方法、裝置和計算機設備。

第一方面，本申請?zhí)峁┝艘环N風電功率預測模型的訓練方法。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。

可選的，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。

可選的，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(qū)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(qū)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(qū)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。

可選的，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(yōu)模型參數值；