一种风电场站短期功率的预测方法、系统、设备和介质技术方案

本发明专利技术公开了一种风电场站短期功率的预测方法、系统、设备和介质，包括：获取目标地区风电场站的历史数据，并将历史数据经过预处理后，输入到预设的第一基于梯度提升决策树的预测模型进行训练，获得第二基于梯度提升决策树的预测模型；获取目标地区风电场站的实时数据，并将实时数据经过预处理后输入到第二基于梯度提升决策树的预测模型，获得目标地区风电场站的短期预测功率。本发明专利技术以风电场站短期功率预测准确度为目标，建立最优化模型；算法上以梯度提升决策树算法为基础，提高预测准确度和算法鲁棒性；使用该算法来求得模型的优化解。本发明专利技术相对于现有技术而言，在对风电场战短期功率预测问题上具有更好的计算效率和计算精度。算精度。算精度。

【技术实现步骤摘要】
一种风电场站短期功率的预测方法、系统、设备和介质


[0001]本专利技术涉及风电场
，特别是涉及一种风电场站短期功率的预测方法、系统、设备和介质。

技术介绍

[0002]风能是一种有效的清洁能源，属于可再生资源，得到了人们普遍的重视与利用，但是在实际中一些大规模的电机组在接入过程中会对整个电力系统的正常运行带来一定的影响面，对此，在实践中要加强对风电场发电功率的预测工作的重视。
[0003]在实际中对于风电功率的预测方式可以分为中长期、短期、超短期三种预测模式。在现阶段的发展过程中，对于风电功率进行的短期预测主要可以氛围物理以及统计两种模式。其中物理方式就是基于天气预报的数据利用相关数学关系对于风电场的实际出力数据进行计算，进而绘制出相关功率预测曲线图；统计方式则是基于相关历史数据以及实际的风电场的出力等相关数据关系，构建系统的数据预测模型，在通过预测参数的方式对于风电场的发电功率进行系统的预测分析。物理方式在实际中基于预测精度等客观因素的影响，受到的实际风电场的中各种物理条件影响相对较为严重；而统计方法在实践中的预测数据具有一定的精准性。对此在国际领域中主要应用统计方式对其预测。
[0004]在现阶段的风电功率短期预测的统计方法主要涵盖了以下几种：时间序列方式、灰色理论方式、神经网络方式NNS(neural networks)等。其中最为简单的方式为时间序列方式，但是其在实践中具有一定的误差性；灰色理论预测模型具有一定过养性，但是其实际的预测结果为一个区间范围，并没有精准的数值；神经网络方式在实践中其整体的拓扑结构相对较为紧凑，相对于其他方式来说具有一定的精准性，但是在实际中要通过大量的历史信息与数据，实际的耗费的时间过大。

技术实现思路

[0005]本专利技术的目的是：提供一种风电场站短期功率的预测方法、系统、设备和介质，在对风电场站短期功率的预测的问题上，具有更好的计算效率和计算精度。
[0006]为了实现上述目的，本专利技术提供了一种风电场站短期功率的预测方法，包括：
[0007]获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率；
[0008]将所述历史数据输入到预设的第一基于梯度提升决策树的预测模型进行训练，获得第二基于梯度提升决策树的预测模型；
[0009]获取目标地区风电场的实时数据，其中，所述实时数据包括：检修停运计划、风向值、风速值、气温值；
[0010]将所述实时数据输入到第二基于梯度提升决策树的预测模型，获得目标地区风电场站的短期预测功率。
[0011]进一步地，在将所述实时数据输入到基于梯度提升决策树预测模型，获得目标地
区风电场站的短期预测功率之后，还包括：
[0012]根据所述短期预测功率，获得风电场站短期功率的预测准确率。
[0013]进一步地，所述根据所述短期预测功率，获得风电场站短期功率的预测准确率，具体采用如下计算公式：
[0014][0015]y
power
＝max{y
true
,20％
×
y
cap
}；
[0016]其中，Ac
wind
为单个风电场功率预测准确率；y
true
为风电场实际出力，为非负数；y
pred
为风电场预测出力；y
cap
为风电场装机容量；y
power
为功率预测准确率的计算分母。
[0017]进一步地，所述获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率，包括：
[0018]获取目标地区风电场的风向值、风速值、气温值和实际功率；
[0019]对所述风向值、风速值、气温值和实际功率进行预处理，并将预处理后的风向值、风速值、气温值和实际功率作为目标地区风电场的历史数据，其中，所述预处理，包括：将将所述风向值、风速值和气温值进行归一化处理，得到归一化处理后的风向值、风速值和气温值；将所述实际功率中的负数置零。
[0020]本专利技术还提供一种风电场站短期功率的预测系统，包括：第一数据获取模块、训练模块、第二数据获取模块和预测模块，其中；
[0021]所述第一数据获取模块，用于获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率；
[0022]所述训练模块，用于将所述历史数据输入到预设的第一基于梯度提升决策树的预测模型进行训练，获得第二基于梯度提升决策树的预测模型；
[0023]所述第二数据获取模块，用于获取目标地区风电场的实时数据，其中，所述实时数据包括：检修停运计划、风向值、风速值、气温值；
[0024]所述预测模块，用于将所述实时数据输入到第二基于梯度提升决策树的预测模型，获得目标地区风电场站的短期预测功率。
[0025]进一步地，所述预测系统还包括预测准确率模块，用于根据所述短期预测功率，获得风电场站短期功率的预测准确率。
[0026]进一步地，所述预测准确率模块，具体采用如下计算公式：
[0027][0028]y
power
＝max{y
true
,20％
×
y
cap
}
[0029]其中，Ac
wind
为单个风电场功率预测准确率；y
true
为风电场实际出力，为非负数；y
pred
为风电场预测出力；y
cap
为风电场装机容量；y
power
为功率预测准确率的计算分母。
[0030]进一步地，所述获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率，包括：
[0031]获取目标地区风电场的风向值、风速值、气温值和实际功率；
[0032]对所述风向值、风速值、气温值和实际功率进行预处理，并将预处理后的风向值、风速值、气温值和实际功率作为目标地区风电场的历史数据，其中，所述预处理，包括：将将所述风向值、风速值和气温值进行归一化处理，得到归一化处理后的风向值、风速值和气温值；将所述实际功率中的负数置零。
[0033]本专利技术还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的风电场站短期功率的预测方法。
[0034]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的风电场站短期功率的预测方法。
[0035]本专利技术提供的一种风电场站短期功率的预测方法、系统、设备和介质与现有技术相比，其有益效果在于：
[0036]本专利技术以风电场站短本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场站短期功率的预测方法，其特征在于，包括：获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率；将所述历史数据输入到预设的第一基于梯度提升决策树的预测模型进行训练，获得第二基于梯度提升决策树的预测模型；获取目标地区风电场的实时数据，其中，所述实时数据包括：检修停运计划、风向值、风速值、气温值；将所述实时数据输入到第二基于梯度提升决策树的预测模型，获得目标地区风电场站的短期预测功率。2.根据权利要求1所述的风电场站短期功率的预测方法，其特征在于，在将所述实时数据输入到基于梯度提升决策树预测模型，获得目标地区风电场站的短期预测功率之后，还包括：根据所述短期预测功率，获得风电场站短期功率的预测准确率。3.根据权利要求2所述的风电场站短期功率的预测方法，其特征在于，所述根据所述短期预测功率，获得风电场站短期功率的预测准确率，具体采用如下计算公式：y
power
＝max{y
true
,20％
×
y
cap
}其中，Ac
wind
为单个风电场功率预测准确率；y
true
为风电场实际出力，为非负数；y
pred
为风电场预测出力；y
cap
为风电场装机容量；y
power
为功率预测准确率的计算分母。4.根据权利要求1所述的风电场站短期功率的预测方法，其特征在于，所述获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实际功率，包括：获取目标地区风电场的风向值、风速值、气温值和实际功率；对所述风向值、风速值、气温值和实际功率进行预处理，并将预处理后的风向值、风速值、气温值和实际功率作为目标地区风电场的历史数据，其中，所述预处理，包括：将将所述风向值、风速值和气温值进行归一化处理，得到归一化处理后的风向值、风速值和气温值；将所述实际功率中的负数置零。5.一种风电场站短期功率的预测系统，其特征在于，包括：第一数据获取模块、训练模块、第二数据获取模块和预测模块，其中；所述第一数据获取模块，用于获取目标地区风电场的历史数据，其中，所述历史数据包括：检修停运计划、风向值、风速值、气温值和实...

【专利技术属性】
技术研发人员：代仕勇，汪绪先，李玎，黄缙华，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：