[发明专利]风电功率预测模型的训练方法、装置和计算机设备

说明书

本申请涉及一种风电功率预测模型的训练方法、装置和计算机设备。方法包括：获取样本气象数据集，所述样本气象数据集包含预设时段内各时刻的样本风速和所述样本风速对应的样本风电功率；根据风速波动划分模型对各所述样本风速进行划分，得到各所述风速波动过程对应的样本风速组；针对每个风速波动过程，根据所述风速波动过程对应的样本风速组、以及所述样本风速组对应的样本风电功率组，对初始风电功率预测模型进行训练，得到所述风速波动过程对应的风电功率预测模型。采用本方法能够提高风电功率预测模型的精确度。

技术领域

本申请涉及电力系统运行领域，特别是涉及一种风电功率预测模型的训练方法、装置和计算机设备。

背景技术

随着风电的不断发展，电力系统中风电发电比例逐步升高。然而，由于风电功率具有强波动性和不确定性，将会影响电力系统的实时能量供需平衡。精确的风电功率预测技术可以有效减少风电的不确定性，提升电力系统维持实时能量供需平衡的能力。

传统风电功率预测模型中，只能针对长期有规律特征的天气情况进行预测，而短期数值天气预报的气象特征数据并不能保证具有严格的规律特征，导致短期风电功率预测数据精准度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种风电功率预测模型的训练方法、装置和计算机设备。

第一方面，本申请提供了一种风电功率预测模型的训练方法。所述方法包括：

获取样本气象数据集，所述样本气象数据集包含预设时段内各时刻的样本风速和所述样本风速对应的样本风电功率；

根据风速波动划分模型对各所述样本风速进行划分，得到各所述风速波动过程对应的样本风速组；

针对每个风速波动过程，根据所述风速波动过程对应的样本风速组、以及所述样本风速组对应的样本风电功率组，对初始风电功率预测模型进行训练，得到所述风速波动过程对应的风电功率预测模型。

可选的，所述根据风速波动划分模型对各所述样本风速进行划分，得到各所述风速波动过程对应的样本风速组，包括：

在各所述样本风速中，选取满足预设筛选条件的各有效样本风速；

根据各所述有效样本风速和风速波动划分模型，确定各所述风速波动过程对应的样本风速组。

可选的，所述风速波动划分模型包含各风速波动过程对应的样本比例；所述根据各所述有效样本风速和风速波动划分模型，确定各所述风速波动过程对应的样本风速组，包括：

确定各所述有效样本风速所构成的风速序列中的各峰值、以及各所述峰值在所述风速序列中对应的样本区间；

根据各所述风速波动过程对应的样本比例，对峰值分布序列进行划分，得到各所述风速波动过程对应的风速阈值；所述峰值分布序列是按照风速由小到大的顺序，对处于各预设风速区间内的峰值的数目进行排序得到；

根据各所述风速波动过程对应的风速阈值，确定各所述风速波动过程对应的风速范围；

针对每个风速波动过程，确定所述风速波动过程对应的风速范围内的峰值，将所述峰值对应的样本区间内的有效样本风速，作为所述风速波动过程的样本风速组。

可选的，所述根据各所述风速波动过程的样本风速组和各所述风速波动过程的样本风速组对应的样本风电功率组，分别对初始风电功率预测模型进行训练，确定各风速波动过程对应的风电功率预测模型，包括：

针对每个风速波动过程，根据所述风速波动过程的样本风速组和初始风电功率预测模型，确定所述样本风速组对应的预测风电功率组、以及所述样本风速组对应的模型参数值组；

根据所述模型参数值组、所述预测风电功率组和黏菌算法，确定最优模型参数值；