[發明專利]一種新建風電場少數據風電功率短期預測方法

在審

• 申請號: 202210999675.6
• 申請日: 2022-08-19
• 公開（公告）號: CN115640868A
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 孟安波;陳黍;范競敏;羅堅強;王陳恩;張錚;許炫淙;梁濡鐸;朱梓彬;冼梓康;張展;殷豪
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/0475;G06N3/045;G06N3/006;G06N3/0442;G06N3/086;H02J3/00;H02J3/38
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 黃志鋮

本發明涉及風電功率預測的技術領域，更具體地，涉及一種新建風電場少數據風電功率短期預測方法，具體來說，是一種基于進化生成對抗網絡和雙向門控循環單元的新建風電場少數據風電功率短期預測方法。本發明采用進化計算優化生成對抗網絡，使得生成模型能夠高效學習原始少數據的邊際分布，并生成具有模態多樣性和相似邊際分布的新數據，以彌補原始小規模數據的局限性，對于新建風電場的少數據風電功率預測精度提升具有實際性的幫助；采用縱橫交叉優化算法優化BiGRU網絡中Dense層權重和偏置項，能夠有效避開模型陷入局部最優并幫助其尋找到全局最優解，對提高少數據新建風電場的風電功率預測精度具有明顯的效果。

技術領域

本發明涉及風電功率預測的技術領域，更具體地，涉及一種新建風電場少數 據風電功率短期預測方法。

背景技術

因風能資源的可開發容量大和投入成本低，風力發電成為可再生發展的主導 對象。風力發電大容量、快速地投入意味著將有一大批新建風電場站投入使用， 然而如此大規模風電并網將使得電力系統的安全運行面臨巨大挑戰。因此，為保 障風電并網的安全，探究一種提高少數據新建風電場站的風電功率預測精度的新 型技術具有重要意義。

迄今為止，國內外學者對風電功率預測研究主要分為物理模型、統計模型和 人工智能模型。其中，因人工智能方法具有強大的非線性擬合能力，被廣泛應用 于風力發電預測中。然而，由于人工智能方法大多為數據驅動，缺乏足夠的風電 數據容易造成模型發生過擬合現象，導致模型訓練難度加大，短期風電功率預測 精度較低。有研究嘗試在樣本不足情況下利用遷移學習方法進行建模，提高預測 算法性能；然而，對于大多數可再生能源數據所有者，出于數據隱私的考慮，在 實際應用中并不愿與其他運營廠商共享數據。因此，雖然有各種各樣的預測方法 公開，但如何提高新建風電場站的風電功率預測精度，仍然是亟需解決的難題。

發明內容

本發明的目的在于克服現有技術中的不足，提供一種新建風電場少數據風電 功率短期預測方法，實現少數據風電數據的高質量數據增強以及提高風電功率的 預測精度。

為解決上述技術問題，本發明采用的技術方案是：

提供一種新建風電場少數據風電功率短期預測方法，包括以下步驟：

S10.獲取原始風電場傳感器收集的風力原數據，利用皮爾遜相關系數法對 風力原數據中所有的風力因素進行特征選取，其中，所述風力因素包括風電功率、 風速、風向、大氣壓強、溫度和濕度；

S20.將步驟S10中選取的特征數據歸一化至[0,1]數值區間，構建少數據時 間序列的輸入矩陣X_input＝[X_power，X_speed，X_direction]，其中，X_power、X_speed、X_direction分別表示功率序列、風速序列和風向序列；

S30.搭建進化生成對抗網絡，將原始少數據輸入矩陣X傳輸到所述進化生 成對抗網絡，其中X表達為：

式中：分別代表第t時刻風電場的功率、風速和風向的 數值，T表示表示輸入數據的時間長度；

S40.進化生成對抗網絡通過學習原始少數據的邊際分布進行學習，進而生 成模態多樣性和相同統計相似度的新數據X_generated；

S50.將生成的新數據X_generated和原始少數據輸入矩陣X進行拼接形成增強 數據X_new，并將增強數據X_new傳輸至雙向門控循環單元模型BiGRU模型，利用 BiGRU模型對輸入數據X_new的時間相關信息進行雙向提取；