【技术实现步骤摘要】
本专利技术涉及新能源发电，尤其涉及一种风电场的功率预测方法、装置、设备及存储介质。
技术介绍
1、风电场是一种利用风能发电的设施，通常由多台风力发电机组成，这些发电机通过转动风力涡轮叶片将风能转化为电能。进行风电场功率预测的意义在于提前预测和估计风电场未来产生的电力输出。这对电力系统运营商和风电场运营商都非常重要。通过建立数学模型，考虑风速、风向、气温等气象因素以及风力发电机组的特性，预测风电场的功率输出，需要准确的气象数据和风力发电机组的参数，模型复杂度较高；风力发电机组的性能随着运行时间和环境条件的变化而变化，这种变化对功率预测的准确性产生影响。
2、现有技术一，申请号：cn 202311530824.5公开了一种数据-经验融合的风电场低温条件下功率预测方法及系统，包括建立基于经验的风电场工程尾流场模型；基于所述模型，建立基于风电场工程尾流场模型的风电场低温条件下功率预测方法；利用历史数据，优化风电场低温条件下功率预测方法中的系数，建立基于数据-经验融合的风电场低温条件下功率预测方法；利用建立好的基于数据-经验融合的风电场低温条件下功率预测方法，对风电场功率进行预测。虽然通过考虑温度对风电场工程尾流场模型的影响，同时根据实际数据修正温度影响下，风电场工程尾流场模型的预测偏差，从而有效减少风电场低温条件下的功率预测偏差，提高风电场功率预测精度。但是模型依靠精准的历史数据，有时数据的获取和质量存在一定的限制，影响预测的准确性。
3、现有技术二，申请号：cn202410106290.1公开了一种基于贝叶斯平
4、现有技术三，申请号：cn 202310245123.0公开了一种风电场站的功率预测方法、装置、电子设备及存储介质，包括：获取与待预测的风电场站关联的目标环境数据，其中，目标环境数据包括实时天气数据和场站环境数据；基于实时天气数据和功率预测时刻确定天气预测数据，并基于天气预测数据和功率预测模型确定风电场站的初始功率预测结果，其中，功率预测模型基于多个历史时刻下风电场的历史天气数据和与历史天气数据对应的实际发电功率对预先建立的神经网络模型训练得到；根据场站环境数据获得与风电场站对应的功率影响系数，基于功率影响系数和初始功率预测结果确定风电场站的目标功率预测结果。虽然取到了提高了功率预测的准确性及功率预测结果可靠性的有益效果；但是模型复杂度较高，没有考虑风力发电机组的性能对功率预测的准确性产生影响。
5、目前现有技术一、现有技术二及现有技术三存在模型复杂度较高，没有考虑风力发电机组的性能对功率预测的准确性产生影响的问题。因而，本专利技术提供一种风电场的功率预测方法、装置、设备及存储介质，建立一个能够准确预测风电场功率的模型，有助于提高风电场的发电效率和运行调度的精确性。
技术实现思路
1、本专利技术的主要目的在于提供一种风电场的功率预测方法、装置、设备及存储介质，以解决现有技术中模型复杂度较高，没有考虑风力发电机组的性能对功率预测的准确性产生影响的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种风电场的功率预测方法，所述风电场的功率预测方法包括：
4、收集风电场的历史功率数据、天气数据以及其他相关数据；对收集到的数据进行清洗和处理，从数据中提取目标特征；
5、天气数据包含风速、风向、温度，其他相关数据包含时间、季节；目标特征包含平均风速、风向变化及温度波动；
6、通过历史功率数据、天气数据以及其他相关数据进行训练，建立动态模型，动态模型利用风速、风向及温度多个输入参数，并结合风力发电机组的性能曲线，进行功率预测；
7、其中，根据当前的风速、风向及温度参数，在性能曲线上找到对应的点，然后根据该点处的输出功率值进行预测；根据当前的天气条件，结合风力发电机组的性能曲线，准确地预测出风电场的功率输出；
8、使用未参与训练的数据对训练好的动态模型进行评估，对评估结果进行分析，并对动态模型进行优化，定期对动态模型进行监测和更新。
9、作为本专利技术的进一步改进，从数据中提取目标特征，包括：
10、根据预测目标，从收集到的数据中选择与功率预测相关的特征；平均风速、风向变化、温度波动特征与风电场的功率密切相关；
11、通过滑动窗口提取时序特征，使用时间序列分析对目标特征进行处理和提取；将连续变量离散化为类别变量；
12、其中，时间序列分析将目标特征拆解为趋势、季节性及残差组成部分；对目标特征进行平滑处理，以去除异常值和突变点，从平滑后的时间序列中提取目标特征；使用季节指数调整对提取的目标特征进行季节性调整；
13、对提取的目标特征进行归一化处理，得到归一化后的目标特征。
14、作为本专利技术的进一步改进，建立动态模型的过程，包含：
15、将准备好的包含历史功率数据、天气数据以及其他相关数据的数据集划分为训练集和验证集，训练集用于动态模型的训练，验证集用于评估动态模型的性能和调整动态模型参数；
16、使用训练集对选定的动态模型进行训练，在训练过程中，动态模型会根据输入的特征和对应的功率数据进行参数调整和优化；
17、使用验证集对训练好的动态模型进行评估，通过比较动态模型预测的功率值与实际观测的功率值之间的差异，评估动态模型的准确度和性能。
18、作为本专利技术的进一步改进，训练集及验证集的划分过程，包括：
19、将数据集按照时间顺序进行排序，确定训练集和验证集的比例为8：2；
20、根据划分比例，确认最后一个时间点的位置的索引，将数据集中索引从0到最后索引减1的样本作为训练集，将索引从最后索引到数据集末尾的样本作为验证集；
21、根据设定的时间划分点，将数据集分割成训练集和验证集，训练集中的样本时间早于验证集中的样本；
22、评估动态模型的准确度和性能的过程，包括：
23、使用验证集的特征数据作为输入，通过训练好的动态模型预测相应的功率值；计算预测功率值与实际观测功率值之间的差异，即残差；
24、计算残差平方和，即实际观测功率值与预测功率值之间的差异的平方和；计算总体平均值与实际观测功率值之间的差异的平方和，表示总体的变异性；
25、计算决定系数，即1减去残差平方和与总体平均值差异的比值；根据决定系数的值本文档来自技高网...
【技术保护点】
1.一种风电场的功率预测方法，其特征在于，所述风电场的功率预测方法包括：
2.根据权利要求1所述的风电场的功率预测方法，其特征在于，从数据中提取目标特征，包括：
3.根据权利要求1所述的风电场的功率预测方法，其特征在于，建立动态模型的过程，包含：
4.根据权利要求3所述的风电场的功率预测方法，其特征在于，训练集及验证集的划分过程，包括：
5.根据权利要求4所述的风电场的功率预测方法，其特征在于，将数据集按照时间顺序进行排序的过程，包括：
6.根据权利要求3所述的风电场的功率预测方法，其特征在于，使用训练集对选定的动态模型进行训练的过程，包括：
7.根据权利要求1所述的风电场的功率预测方法，其特征在于，评估结果进行分析的过程，包括：
8.一种风电场的功率预测装置，其应用于如权利要求1至7之一所述的风电场的功率预测方法，其特征在于，所述风电场的功率预测装置包括：
9.一种电子设备，其特征在于，包括处理器、以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器
10.一种存储介质，其特征在于，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现能够实现如权利要求1至7中任一项所述的风电场的功率预测方法。
...【技术特征摘要】
1.一种风电场的功率预测方法，其特征在于，所述风电场的功率预测方法包括：
2.根据权利要求1所述的风电场的功率预测方法，其特征在于，从数据中提取目标特征，包括：
3.根据权利要求1所述的风电场的功率预测方法，其特征在于，建立动态模型的过程，包含：
4.根据权利要求3所述的风电场的功率预测方法，其特征在于，训练集及验证集的划分过程，包括：
5.根据权利要求4所述的风电场的功率预测方法，其特征在于，将数据集按照时间顺序进行排序的过程，包括：
6.根据权利要求3所述的风电场的功率预测方法，其特征在于，使用训练集对选定的动态模型进行训练的过程，包括：
7....
【专利技术属性】
技术研发人员：丁文良，代军，杜成康，陈丰，蔡志鹏，赵美箱，方志明，范贤旗，王飞，李王文，
申请(专利权)人：云南滇能智慧能源有限公司，
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。