风速修正模型的训练方法及风速预测方法、设备和介质技术

本发明专利技术实施例公开一种风速修正模型的训练方法及风速预测方法、设备和介质。该训练方法包括：获取目标区域在历史预设时间段内的历史风速预报数据和历史风速观测数据，并将历史风速预报数据和历史风速观测数据划分到至少两个风速区间；将各风速区间内的历史风速预报数据分别进行变分模态分解得到对应的分解子序列；根据各风速区间内的历史风速预报数据和历史风速观测数据确定历史风速偏差数据；并根据目标气象预报因子、各分解子序列和历史风速偏差数据对神经网络模型进行训练得到风速修正模型。本发明专利技术实施例，通过上述技术方案，能够提高风速修正模型的预测精度，对未来预报时刻的风速偏差做出准确预测，从而达到对预测风速进行准确订正的效果。进行准确订正的效果。进行准确订正的效果。

【技术实现步骤摘要】
风速修正模型的训练方法及风速预测方法、设备和介质


[0001]本专利技术涉及电力系统
，尤其涉及一种风速修正模型的训练方法及风速预测方法、设备和介质。

技术介绍

[0002]数值天气预报是风电、光伏等新能源发电功率预测的重要数据来源。然而，由于气象初始场的误差、物理过程参数化方案的误差、以及空间分辨率和下垫面等因素的综合影响，数值模式的气象预报与实际观测之间仍存在一定的偏差。因此，如何对数值模式的结果进行后处理，从而减少气象预报因子与实际观测之间的差距，对新能源发电功率预测至关重要。
[0003]现有技术中，通常使用均方根误差来表示数值天气预报的结果与实测之间的差距，其中，均方根误差又可进一步分解为系统偏差、振幅偏差和位相偏差，但是，位相偏差一般是比较难订正的。以风电为例，预报风速与实测风速之间的位相偏差将大大降低功率预测的精度，从而对新能源并网、安全调度带来挑战。因此，探索一种高效的风速预报订正方法是至关重要的。

技术实现思路

[0004]有鉴于此，本专利技术提供一种风速修正模型的训练方法及风速预测方法、设备和介质，能够捕捉到非线性的风速变化特征，提高训练后的风速修正模型的风速预测精度，从而对未来预报时刻的风速偏差做出准确预测，达到对预测风速进行准确订正的效果。
[0005]根据本专利技术的一方面，本专利技术实施例提供了一种风速修正模型的训练方法，该方法包括：
[0006]获取目标区域在历史预设时间段内的历史风速预报数据和历史风速观测数据，并按照预设区间取值范围将所述历史风速预报数据和所述历史风速观测数据划分到至少两个风速区间；
[0007]将各所述风速区间内的所述历史风速预报数据分别进行变分模态分解得到对应的分解子序列；
[0008]根据各所述风速区间内的所述历史风速预报数据和所述历史风速观测数据确定历史风速偏差数据；
[0009]确定所述历史风速预报数据的目标气象预报因子，并根据所述目标气象预报因子、各所述分解子序列和所述历史风速偏差数据对神经网络模型进行训练，得到训练后的风速修正模型。
[0010]根据本专利技术的另一方面，本专利技术实施例还提供了一种风速预测方法，所述方法，包括：
[0011]获取未来风速预报数据以及与所述未来风速预报数据的相关性达到预设阈值的目标气象预报因子；
[0012]将所述未来风速预报数据进行变分模态分解得到对应的分解子序列；
[0013]将所述分解子序列和所述预报因子输入至预先训练好的风速修正模型中得到未来风速预测偏差；
[0014]根据所述未来风速预报数据和所述未来风速预测偏差之和确定修正后的目标风速预报数据，并将所述目标风速预报数据作为未来风速的预测数据。
[0015]根据本专利技术的另一方面，本专利技术实施例还提供了一种风速修正模型的训练装置，该装置包括：
[0016]划分模块，用于获取目标区域在历史预设时间段内的历史风速预报数据和历史风速观测数据，并按照预设区间取值范围将所述历史风速预报数据和所述历史风速观测数据划分到至少两个风速区间；
[0017]分解模块，用于将各所述风速区间内的所述历史风速预报数据分别进行变分模态分解得到对应的分解子序列；
[0018]确定模块，用于根据各所述风速区间内的所述历史风速预报数据和所述历史风速观测数据确定历史风速偏差数据；
[0019]训练模块，用于确定所述历史风速预报数据的目标气象预报因子，并根据所述目标气象预报因子、各所述分解子序列和所述历史风速偏差数据对神经网络模型进行训练，得到训练后的风速修正模型。
[0020]根据本专利技术的另一方面，本专利技术实施例还提供了一种风速预测装置，该装置包括：
[0021]数据获取模块，用于获取未来风速预报数据以及与所述未来风速预报数据的相关性达到预设阈值的目标气象预报因子；
[0022]分解模块，用于将所述未来风速预报数据进行变分模态分解得到对应的分解子序列，并将所述分解子序列和所述预报因子输入至预先训练好的风速修正模型中得到未来风速预测偏差；
[0023]预测模块，用于根据所述未来风速预报数据和所述未来风速预测偏差之和确定修正后的目标风速预报数据，并将所述目标风速预报数据作为未来风速的预测数据。
[0024]根据本专利技术的另一方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0025]至少一个处理器；以及
[0026]与所述至少一个处理器通信连接的存储器；其中，
[0027]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的风速修正模型的训练方法或风速预测方法。
[0028]根据本专利技术的另一方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的风速修正模型的训练方法或风速预测方法。
[0029]本专利技术实施例的上述技术方案，通过将所划分的各风速区间内的历史风速预报数据分别进行变分模态分解得到对应的分解子序列，可有效降低风速序列的非平稳性，得到最优的分解参数；根据各风速区间内的历史风速预报数据和历史风速观测数据确定历史风速偏差数据；确定历史风速预报数据的目标气象预报因子，并根据目标气象预报因子、各分
解子序列和历史风速偏差数据对神经网络模型进行训练，得到训练后的风速修正模型，能够捕捉到非线性的风速变化特征，提高训练后的风速修正模型的风速预测精度，从而对未来预报时刻的风速偏差做出准确预测，达到对预测风速进行准确订正的效果。
[0030]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0031]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术一实施例提供的一种风速修正模型的训练方法的流程图；
[0033]图2为本专利技术一实施例提供的另一种风速修正模型的训练方法的流程图；
[0034]图3为专利技术一实施例提供的一种气象预报数据确定的结构示意图；
[0035]图4为本专利技术一实施例提供的一种风速修正模型的训练方法的结构示意图；
[0036]图5为本专利技术一实施例提供的一种风速预测方法的流程图；
[0037]图6为本专利技术一实施例提供的一种风速预测方法的结构示意图；
[0038]图7是本专利技术一实施例提供的一种风速修正模型的训练装置的结构框图；
[0039]图8是本专利技术一实施例提供的一种风速修正模型的训练装置的结构框图；
[0040]图9为实施本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风速修正模型的训练方法，其特征在于，所述方法，包括：获取目标区域在历史预设时间段内的历史风速预报数据和历史风速观测数据，并按照预设区间取值范围将所述历史风速预报数据和所述历史风速观测数据划分到至少两个风速区间；将各所述风速区间内的所述历史风速预报数据分别进行变分模态分解得到对应的分解子序列；根据各所述风速区间内的所述历史风速预报数据和所述历史风速观测数据确定历史风速偏差数据；确定所述历史风速预报数据的目标气象预报因子，并根据所述目标气象预报因子、各所述分解子序列和所述历史风速偏差数据对神经网络模型进行训练，得到训练后的风速修正模型。2.根据权利要求1所述的方法，其特征在于，所述获取目标区域在历史预设时间段内的历史风速预报数据和历史风速观测数据，包括：从所述目标区域内风电场站点或气象站点中获取所述目标区域在预设时间段内的历史风速观测数据；获取所述预设时间段内的全球气象数据，并将所述全球气象数据作为预设数值模式的初始场和边界场；筛选所述目标区域中达到预设指标的物理参数化方案，作为所述目标区域对应的目标参数化方案；依据所述目标参数化方案和所述预设数值模式得到降尺度后高时空分辨率的历史风速预报数据。3.根据权利要求1所述的方法，其特征在于，所述将各所述风速区间内的所述历史风速预报数据分别进行变分模态分解得到对应的分解子序列，包括：依据预设参数优化算法确定各所述历史风速预报数据分别进行变分模态分解所需的最优分解参数；其中，各所述最优分解参数包括：目标分解分量数和目标二次惩罚因子；依据各所述最优分解参数将对各所述风速区间内的所述历史风速预报数据进行变分模态分解得到对应的分解子序列。4.根据权利要求3所述的方法，其特征在于，所述依据预设参数优化算法确定各所述历史风速预报数据分别进行变分模态分解所需的最优分解参数，包括：基于均匀分布或者高斯分布确定所述历史风速预报数据分解时所需的至少一个种群，每个种群由至少两组分量参数组合所构成，其中，各所述分量参数组合中包括分解分量数和二次惩罚因子两个参数；将各所述分量参数组合输入变分模态分解中，得到各所述分量参数组合分别对应的分解结果，并利用预先设置的适应度指标对各所述分解结果进行适应度评估；从所述适应度评估的评估结果中重新选择至少一组第一分量参数组合，通过预设生成操作产生所述第一分量参数组合对应的第二分量参数组合，并将所述第二分量参数组合输入至所述变分模态分解中，得到下一分解结果，返回上述适应度评估的操作直至所述下一分解结果达到预先终止条件时，则停止优化的过程，输出最优分解参数。5.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：张钦伟，
申请(专利权)人：阳光电源上海有限公司，
类型：发明
国别省市：