System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于短期风电功率预测,尤其涉及一种台风场景下的短期风电功率预测方法、系统、介质及设备。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、目前应对台风场景下的功率预测技术,按照热带气旋对风电场发电的影响分为有益型、防御性和破坏性三种类型。在受强度较弱的热带气旋及其外围环流影响的地区,台风对风电的影响可能是有利的,风力发电机可以长期在额定风速附近运行,使得发电量风力涡轮机增加一倍以上。基于上述风险和难题,提升台风极端天气场景下的风电功率预测精度具有重要意义。
3、目前主要从预测模型输入、输出和预测模型本身这三个方面来提升风电功率预测精度。针对预测模型本身,虽然传统典型架构擅长提取全局特征,但是缺乏对局部特征的把控,尤其在台风天气下风功率预测不确定性大幅度增加的场景,因迫切需要增强局部特征提取能力,以应对台风天气下新能源预测的场景。现有的研究都未能考虑台风造成风机切机等极端事件的影响,而主要从事件预测的角度开展研究,或者从数理统计角度进行分析并建立了预测模型,预测结果主要起到风险提示的作用,由于当前预测模型未能充分考虑大风切出情况在训练过程中由于切机导致高风速低出力的异常情况,导致训练熟练污染,而造成的台风天气下风功率预测偏差较大问题。
技术实现思路
1、为了解决上述
技术介绍
中存在的台风天气下风功率预测偏差较大的技术问题,本专利技术提供一种台风场景下的短期风电功率预测方法、系统、介质及设备,其能够综合考虑风
2、为了实现上述目的,本专利技术采用如下技术方案:
3、本专利技术的第一个方面提供一种台风场景下的短期风电功率预测方法。
4、一种台风场景下的短期风电功率预测方法,其包括:
5、基于台风条件下的风电功率预测误差与台风天气过程的关系,确定出台风对风电功率影响的气象因子集合;
6、根据气象因子集合中的不同气象特征与台风数据集的相关系数,从上述气象因子集合中筛选出关键气象因子,得到台风场景下的模型输入特征;
7、基于预定义的风电最大发电能力对风电最大发电能力理论值进行标定,将模型输入特征相对应的气象数据与风电最大发电能力理论值形成预测数据集,再结合预设发电能力预测模型,得到风电最大发电能力预测结果;
8、基于风电最大发电能力预测结果,实时修改预设功率预测模型的上限激活函数,确定出最终的功率预测模型;其中,功率预测模型由特征提取模型及发电能力预测模型联合构建而成;
9、利用最终功率预测模型及台风场景下的模型输入特征所对应的气象数据,得到台风场景下的短期风电功率预测结果。
10、本专利技术的第二个方面提供一种台风场景下的短期风电功率预测系统。
11、一种台风场景下的短期风电功率预测系统,其包括:
12、气象因子集合确定模块,其用于基于台风条件下的风电功率预测误差与台风天气过程的关系,确定出台风对风电功率影响的气象因子集合;
13、模型输入特征确定模块,其用于根据气象因子集合中的不同气象特征与台风数据集的相关系数,从上述气象因子集合中筛选出关键气象因子,得到台风场景下的模型输入特征;
14、最大发电能力预测模块,其用于基于预定义的风电最大发电能力对风电最大发电能力理论值进行标定,将模型输入特征相对应的气象数据与风电最大发电能力理论值形成预测数据集,再结合预设发电能力预测模型,得到风电最大发电能力预测结果;
15、功率预测模型确定模块,其用于基于风电最大发电能力预测结果,实时修改预设功率预测模型的上限激活函数,确定出最终的功率预测模型;其中,功率预测模型由特征提取模型及发电能力预测模型联合构建而成;
16、短期风电功率预模块,其用于利用最终功率预测模型及台风场景下的模型输入特征所对应的气象数据,得到台风场景下的短期风电功率预测结果。
17、本专利技术的第三个方面提供一种计算机可读存储介质。
18、一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的台风场景下的短期风电功率预测方法中的步骤。
19、本专利技术的第四个方面提供一种电子设备。
20、一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的台风场景下的短期风电功率预测方法中的步骤。
21、与现有技术相比,本专利技术的有益效果是:
22、(1)本专利技术根据气象因子集合中的不同气象特征与台风数据集的相关系数,从气象因子集合中筛选出关键气象因子,得到台风场景下的模型输入特征,能够在保障台风场景下短期风电功率预测精度的前提下,减少预测时间。
23、(2)本专利技术提出风电最大发电能力定义,通过预测结果实时修改预测模型的上限激活函数,约束预测功率边界,可以有效的避免高风速、低出力等异常数据污染神经网络模型,降低建模难度
24、(3)功率预测的不确定性来自于气象预测的随机误差,以及模型本身存在的固有误差,导致功率预测的存在随预测时间延长其不确定性增大的现象。本专利技术引入考虑风电最大发电能力的功率预测方法,将风电最大发电能力预测结果对功率预测模型的影响进行关联,以减小风速等气象预测的不确定性,显著提升功率预测精度,从而确定出最终的功率预测模型。
25、本专利技术附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种台风场景下的短期风电功率预测方法,其特征在于,包括:
2.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,从单机-场站多层级来基于台风条件下的风电功率预测误差与台风天气过程的关系。
3.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,采用高斯检索分析方法从台风对风电功率影响的气象因子集合中筛选出关键气象因子。
4.如权利要求3所述的台风场景下的短期风电功率预测方法,其特征在于,采用高斯检索分析方法从台风对风电功率影响的气象因子集合中筛选出关键气象因子的过程为:
5.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,预设发电能力预测模型为Transformer神经网络模型。
6.如权利要求5所述的台风场景下的短期风电功率预测方法,其特征在于,功率预测模型为CNN-Transformer神经网络预测模型,通过隐式特征融合网络的全连接层将CNN神经网络模型和Transformer神经网络模型进行融合而成。
7.如权利要求6所述的台风场景下的短期风电功率预测方法,
8.一种台风场景下的短期风电功率预测系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的台风场景下的短期风电功率预测方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的台风场景下的短期风电功率预测方法中的步骤。
...【技术特征摘要】
1.一种台风场景下的短期风电功率预测方法,其特征在于,包括:
2.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,从单机-场站多层级来基于台风条件下的风电功率预测误差与台风天气过程的关系。
3.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,采用高斯检索分析方法从台风对风电功率影响的气象因子集合中筛选出关键气象因子。
4.如权利要求3所述的台风场景下的短期风电功率预测方法,其特征在于,采用高斯检索分析方法从台风对风电功率影响的气象因子集合中筛选出关键气象因子的过程为:
5.如权利要求1所述的台风场景下的短期风电功率预测方法,其特征在于,预设发电能力预测模型为transformer神经网络模型。
6.如权利要求5所述的台风场景下的短期风电功率预测方法,其特征在于,功率预测模型为cnn-transfor...
【专利技术属性】
技术研发人员:杨明,张元赫,李梦林,于一潇,李鹏,王传琦,周皓阳,
申请(专利权)人:山东大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。