本發(fā)明涉及風功率預(yù)測,更具體地說,本發(fā)明涉及一種短期風功率預(yù)測方法、計算機設(shè)備及存儲介質(zhì)。
背景技術(shù):
1、隨著全球?qū)η鍧嵞茉吹男枨蟛粩嘣鲩L以及科技的飛速發(fā)展,可再生能源領(lǐng)域備受矚目,風能作為一種清潔、可持續(xù)的能源形式,其開發(fā)利用規(guī)模不斷擴大,然而,風能本身具有波動性、間歇性和隨機性的特點,這些特性使得風電輸出功率難以穩(wěn)定預(yù)測,給電力系統(tǒng)的安全、穩(wěn)定運行帶來了挑戰(zhàn)。
2、基于風電場豐富的氣象信息以及風力發(fā)電機組的運行狀態(tài)等多方面參數(shù),運用物理模擬計算和科學統(tǒng)計方法,對未來一段時間內(nèi)風電場的發(fā)電功率進行預(yù)測,為電力調(diào)度部門提供了決策依據(jù),使其能夠更加合理地安排機組組合和發(fā)電計劃,從而有效提高電力市場的交易效率,同時為風電場的科學規(guī)劃和優(yōu)化設(shè)計提供了不可或缺的數(shù)據(jù)支持,有力推動了風電行業(yè)朝著高效、可持續(xù)的方向蓬勃發(fā)展。
3、但是其在實際使用時,仍舊存在一些缺點,如風能固有的不確定性和波動性致使預(yù)測誤差較大,難以滿足實際需求的準確度;單一的預(yù)測模型由于自身結(jié)構(gòu)和算法的局限性,無法充分適應(yīng)風功率預(yù)測任務(wù)復(fù)雜多變的要求,難以達到令人滿意的準確率;由于風電輸出的不確定性,電力調(diào)度部門在安排機組組合和發(fā)電計劃時面臨巨大困難,難以確保電力供應(yīng)與需求的精準匹配。
技術(shù)實現(xiàn)思路
1、為了克服現(xiàn)有技術(shù)的上述缺陷,本發(fā)明提供一種短期風功率預(yù)測方法、計算機設(shè)備及存儲介質(zhì),通過以下方案,以解決上述背景技術(shù)中提出的問題。
2、為實現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:
3、一種短期風功率預(yù)測方法,其特征在于,包括:
4、s1:采集目標風機場站數(shù)據(jù):響應(yīng)于風機場站的信息采集設(shè)備,獲取目標風機場站對應(yīng)的第一風機數(shù)據(jù)組;
5、s2:預(yù)處理目標風機場站數(shù)據(jù):對第一風機數(shù)據(jù)組進行預(yù)處理操作,預(yù)處理操作用于獲取第一風機數(shù)據(jù)組對應(yīng)的第一關(guān)鍵風機特征組;
6、s3:類比相似風機:獲取智能風機分析模型,根據(jù)智能風機分析模型通過第一關(guān)鍵風機特征組,獲取第二風機數(shù)據(jù)組;
7、s4:融合多種智能模型:獲取智能預(yù)測融合模型,根據(jù)智能預(yù)測融合模型通過第二風機數(shù)據(jù)組,獲取第三風機數(shù)據(jù)組;
8、s5:輸出預(yù)測報告:基于第一風機數(shù)據(jù)組、第二風機數(shù)據(jù)組、以及第三風機數(shù)據(jù)組,獲取短期風功率預(yù)測報告。
9、優(yōu)選的,所述s1,第一風機數(shù)據(jù)組包括風機運行數(shù)據(jù)、風機功率數(shù)據(jù)、風機場站內(nèi)各風機的地理位置坐標、風機之間的空間布局信息、以及經(jīng)時空插值處理的對應(yīng)歷史數(shù)據(jù)。
10、優(yōu)選的,所述s2,獲取第一關(guān)鍵風機特征組,具體包括:
11、基于利用皮爾遜相關(guān)系數(shù)作為度量工具,計算各變量間的線性相關(guān)量化程度具體表示為:
12、
13、其中,wp表示為風機功率,fdsi表示為第一風機數(shù)據(jù)組中第i個數(shù)據(jù),i表示為第一風機數(shù)據(jù)組中對應(yīng)數(shù)據(jù)的索引,cov(wp,fdsi)是wp和fdsi的協(xié)方差,σwp和分別表示為wp和fdsi的標準差;
14、當時說明風機功率和第一風機數(shù)據(jù)組中第i個數(shù)據(jù)呈正相關(guān)關(guān)系,說明風機功率和第一風機數(shù)據(jù)組中第i個數(shù)據(jù)呈負相關(guān)關(guān)系。
15、優(yōu)選的,所述s3,將第一關(guān)鍵風機特征組通過目標智能風機分析模型,獲取相似特征組成的相似風機簇,相似風機簇為多個相似風機特征組成同一簇。
16、優(yōu)選的,所述s3,通過將多個風機對應(yīng)的第一關(guān)鍵風機特征組通過目標智能風機分析模型,獲取多個相似風機簇;
17、基于第一關(guān)鍵風機特征組對應(yīng)的風機n和風機m,計算風機n和風機m的相似度ws,具體表示為:
18、
19、其中,fd表示為第一關(guān)鍵風機特征組的關(guān)鍵特征總數(shù),k表示為第一關(guān)鍵風機特征組的關(guān)鍵特征的索引,fdnk表示為風機n中對應(yīng)的第k個關(guān)鍵特征,fdmk表示為風機m中對應(yīng)的第k個關(guān)鍵特征。
20、優(yōu)選的,所述s4,獲取第三風機數(shù)據(jù)組,具體包括:
21、獲取智能預(yù)測模型,智能預(yù)測模型為系統(tǒng)運行數(shù)據(jù)庫中存儲的預(yù)測模型;
22、確定智能預(yù)測模型的融合策略;
23、將第二風機數(shù)據(jù)組輸入到智能預(yù)測融合模型中進行預(yù)測,并輸出相應(yīng)的預(yù)測結(jié)果,即第三風機數(shù)據(jù)組。
24、優(yōu)選的,所述s4,獲取第三風機數(shù)據(jù)組,具體包括:融合策略為基于各預(yù)測模型在系統(tǒng)運行數(shù)據(jù)庫中對應(yīng)歷史數(shù)據(jù)驗證的性能表現(xiàn),為每個模型分配相應(yīng)權(quán)重的策略。
25、優(yōu)選的,所述s4,獲取第三風機數(shù)據(jù)組,具體包括:
26、對同一相似風機簇的風機機組對應(yīng)第二風機數(shù)據(jù)組作為數(shù)據(jù)集m1,數(shù)據(jù)集m1包括m1個特征,輸入gru模型中進行訓練預(yù)測,輸出結(jié)果gum1與數(shù)據(jù)集m1構(gòu)成數(shù)據(jù)集m2;
27、數(shù)據(jù)集m2輸入lightgbm模型中進行訓練預(yù)測,預(yù)測結(jié)果gbm1與數(shù)據(jù)集m2構(gòu)成數(shù)據(jù)集m3,數(shù)據(jù)集m3包括m1+2個特征;
28、數(shù)據(jù)集m3輸入lstm模型進行訓練預(yù)測,lstm模型的預(yù)測結(jié)果lstm作為短期預(yù)測結(jié)果的部分;
29、短期預(yù)測結(jié)果由gru模型、lightgbm模型和lstm模型的輸出進行加權(quán)融合生成。
30、為實現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:一種基于多模型融合的短期風功率預(yù)測系統(tǒng),包括系統(tǒng)運行數(shù)據(jù)庫、系統(tǒng)中央處理模塊和用戶信息端,實施上述一種短期風功率預(yù)測方法,包括:
31、目標風機場站數(shù)據(jù)采集模塊:用于響應(yīng)于風機場站的信息采集設(shè)備,獲取目標風機場站對應(yīng)的第一風機數(shù)據(jù)組,并傳輸?shù)斤L機場站數(shù)據(jù)預(yù)處理模塊和預(yù)測報告輸出模塊;
32、風機場站數(shù)據(jù)預(yù)處理模塊:用于對目標風機場站數(shù)據(jù)采集模塊傳輸?shù)牡谝伙L機數(shù)據(jù)組進行預(yù)處理操作,預(yù)處理操作用于獲取第一風機數(shù)據(jù)組對應(yīng)的第一關(guān)鍵風機特征組,并傳輸?shù)较嗨骑L機類比模塊;
33、相似風機類比模塊:用于獲取智能風機分析模型,根據(jù)智能風機分析模型通過風機場站數(shù)據(jù)預(yù)處理模塊傳輸?shù)牡谝魂P(guān)鍵風機特征組,獲取第二風機數(shù)據(jù)組,并傳輸?shù)街悄苣P腿诤夏K和預(yù)測報告輸出模塊;
34、智能模型融合模塊:用于獲取智能預(yù)測融合模型,根據(jù)智能預(yù)測融合模型通過相似風機類比模塊傳輸?shù)牡诙L機數(shù)據(jù)組,獲取第三風機數(shù)據(jù)組,并傳輸?shù)筋A(yù)測報告輸出模塊;
35、預(yù)測報告輸出模塊:用于基于目標風機場站數(shù)據(jù)采集模塊傳輸?shù)牡谝伙L機數(shù)據(jù)組、相似風機類比模塊傳輸?shù)牡诙L機數(shù)據(jù)組、以及智能模型融合模塊傳輸?shù)牡谌L機數(shù)據(jù)組,獲取短期風功率預(yù)測報告,并按預(yù)設(shè)方式輸出至用戶端;
36、所述系統(tǒng)運行數(shù)據(jù)庫是包括短期風功率預(yù)測系統(tǒng)的所有數(shù)據(jù)文本,且實時收集各模塊輸出的信息文本,所述系統(tǒng)中央處理模塊用于中控方法中各模塊輸出的信息文本指令,所述用戶信息端為接收短期風功率預(yù)測系統(tǒng)的信息輸出設(shè)備。
37、再一方面,本技術(shù)實施例提供了一種計算機設(shè)備,所述計算機設(shè)備包括輸入接口和輸出接口,所述計算機設(shè)備還包括:
38、處理器,適于實現(xiàn)一條或多條指令;以及,
39、計算機存儲介質(zhì),所述計算機存儲介質(zhì)存儲有一條或多條指令,所述一條或多條指令適于由所述處理器加載并執(zhí)行如下步驟:
40、響應(yīng)于風機場站的信息采集設(shè)備,獲取目標風機場站對應(yīng)的第一風機數(shù)據(jù)組;
41、對第一風機數(shù)據(jù)組進行預(yù)處理操作,預(yù)處理操作用于獲取第一風機數(shù)據(jù)組對應(yīng)的第一關(guān)鍵風機特征組;
42、獲取智能風機分析模型,根據(jù)智能風機分析模型通過第一關(guān)鍵風機特征組,獲取第二風機數(shù)據(jù)組;
43、獲取智能預(yù)測融合模型,根據(jù)智能預(yù)測融合模型通過第二風機數(shù)據(jù)組,獲取第三風機數(shù)據(jù)組;
44、基于第一風機數(shù)據(jù)組、第二風機數(shù)據(jù)組、以及第三風機數(shù)據(jù)組,獲取短期風功率預(yù)測報告。
45、再一方面,本技術(shù)實施例提供了一種計算機存儲介質(zhì),所述計算機存儲介質(zhì)存儲有一條或多條指令,所述一條或多條指令適于由處理器加載并執(zhí)行上述所提及的短期風功率預(yù)測方法。
46、本發(fā)明的技術(shù)效果和優(yōu)點:
47、1、本發(fā)明通過預(yù)處理目標風機場站數(shù)據(jù),進一步篩選特征剔除與風功率相關(guān)性小的特征,提高模型預(yù)測效率;
48、2、本發(fā)明通過融合模型,彌補單模型的缺點,提升了風功率預(yù)測的準確性;
49、3、本發(fā)明通過輸出預(yù)測報告,準確預(yù)測風電場在短期時間內(nèi)的輸出功率,幫助風電場管理者提前制定發(fā)電計劃,減少因風電波動性導(dǎo)致的發(fā)電量波動,從而提高風電場的運行效率。