【技术实现步骤摘要】
本专利技术属于风电功率预测，尤其涉及一种基于时序信号分解的风电功率预测方法及系统。
技术介绍
1、风能凭借其资源总量丰富、环保、运行管理自动化程度高、度电成本持续降低等突出优势，目前已成为开发和应用最为广泛的可再生能源之一，由于风电具有强间歇性和波动性，且采样数据包含较多的噪声点，预测精度不足；因此，准确的风电预测有助于协助电力系统稳态运行、合理分配储能、降低运行成本。
2、但是，当前风电功率数据采集存在较多噪声点，且波动特征复杂，可预测性不足。
技术实现思路
1、本专利技术提供一种基于时序信号分解的风电功率预测方法及系统，用于解决现有风电功率预测方案预测精度不足的技术问题。
2、第一方面，本专利技术提供一种基于时序信号分解的风电功率预测方法，包括：
3、构建tvf_emd风电功率数据分解模型，并采用预设的icpo算法对所述tvf_emd风电功率数据分解模型的参数进行优化，得到目标tvf_emd分解模型；
4、根据所述目标tvf_emd分解模型对获取的风电功率数据进行分解，得到子分量，并计算分解后各个子分量的样本熵，将相似子分量合并，得到至少一个目标子分量；
5、计算所述至少一个目标子分量的hurst指数，并判断某一目标子分量的hurst指数是否大于预设阈值；
6、若不大于预设阈值，则采用cnn-lstm模型对所述某一目标子分量进行预测，否则采用arima模型对所述某一目标子分量进行预测；
7、将所
8、第二方面，本专利技术提供一种基于时序信号分解的风电功率预测系统，包括：
9、构建模块，配置为构建tvf_emd风电功率数据分解模型，并采用预设的icpo算法对所述tvf_emd风电功率数据分解模型的参数进行优化，得到目标tvf_emd分解模型；
10、分解模块，配置为根据所述目标tvf_emd分解模型对获取的风电功率数据进行分解，得到子分量，并计算分解后各个子分量的样本熵，将相似子分量合并，得到至少一个目标子分量；
11、判断模块，配置为计算所述至少一个目标子分量的hurst指数，并判断某一目标子分量的hurst指数是否大于预设阈值；
12、预测模块，配置为若不大于预设阈值，则采用cnn-lstm模型对所述某一目标子分量进行预测，否则采用arima模型对所述某一目标子分量进行预测；
13、求和模块，配置为将所有目标子分量的预测结果相加，即得到风电功率预测值。
14、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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的基于时序信号分解的风电功率预测方法的步骤。
15、第四方面，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，所述程序指令被处理器执行时，使所述处理器执行本专利技术任一实施例的基于时序信号分解的风电功率预测方法的步骤。
16、本申请的基于时序信号分解的风电功率预测方法及系统，使用改进的cpo优化算法对tvf_emd风电功率数据分解模型的带宽阈值和b样条阶数进行优化可以改善tvf_emd风电功率数据分解模型分解效果，减少欠分解、过分解和模态混叠问题，提高子序列的预测性能，缓解风电采样数据中噪声对预测性能的影响，进而提高模型预测的准确率，解决现有风电功率预测方案噪声敏感，预测精度不足的问题；并且采用改进的cpo优化算法改善了现有的cpo优化算法在迭代过程中全局和局部搜索能力不平衡的问题，扩大了最优解的搜索空间，提高了最优解搜索的稳定性和收敛速度。
本文档来自技高网...【技术保护点】
1.一种基于时序信号分解的风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，所述采用预设的ICPO算法对所述Tvf_EMD风电功率数据分解模型的参数进行优化，得到目标Tvf_EMD分解模型包括：
3.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，在根据所述目标Tvf_EMD分解模型对获取的风电功率数据进行分解，得到子分量之前，所述方法还包括：
4.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，所述根据所述目标Tvf_EMD分解模型对获取的风电功率数据进行分解，得到子分量包括：
5.根据权利要求4所述的一种基于时序信号分解的风电功率预测方法，其特征在于，其中，计算所述至少一个目标子分量的Hurst指数的表达式为：
6.一种基于时序信号分解的风电功率预测系统，其特征在于，包括：
7.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所
8.一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，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
...【技术特征摘要】
1.一种基于时序信号分解的风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，所述采用预设的icpo算法对所述tvf_emd风电功率数据分解模型的参数进行优化，得到目标tvf_emd分解模型包括：
3.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，在根据所述目标tvf_emd分解模型对获取的风电功率数据进行分解，得到子分量之前，所述方法还包括：
4.根据权利要求1所述的一种基于时序信号分解的风电功率预测方法，其特征在于，所述根据所述目标tvf_emd分解模型对获取的风电功率数据进行分解，得到子分量...
【专利技术属性】
技术研发人员：辛建波，丁贵立，舒展，何昊，赵伟哲，钟智强，吴康，王文彬，匡德兴，周世阳，万子镜，李琼，熊永康，
申请(专利权)人：国网江西省电力有限公司电力科学研究院，
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。