[发明专利]一种超短期风电功率预测方法和装置

权利要求书

1.一种超短期风电功率预测方法，其特征在于，包括：

获取每台风力电机的历史功率数据和影响风电功率的各种特征数据；

根据每台风力电机的历史功率数据和影响风电功率的各种特征数据建立每台风力发电机的特征矩阵；

根据每台风力发电机的特征矩阵，计算各台风力发电机之间的多种相关系数；

根据各台风力发电机之间的多种相关系数，构建各台风力发电机之间的综合相关系数矩阵；

根据各台风力发电机之间的综合相关系数矩阵，确定每台风力发电机功率预测所需的输入特征参数；其中，所述根据各台风力发电机之间的综合相关系数矩阵，确定每台风力发电机功率预测所需的输入特征参数，包括：依次判断所述综合相关系数矩阵中的各个元素是否满足预设阈值；若是，则将对应的元素值置1；若否，则将对应的元素值置0；并得到标准化的综合相关系数矩阵；根据所述标准化的综合相关系数矩阵，按照预设筛选规则确定每台风力发电机功率预测所需的输入特征参数；其中，所述根据所述标准化的综合相关系数矩阵，按照预设筛选规则确定每台风力发电机功率预测所需的输入特征参数，包括：将所述标准化的综合相关系数矩阵中的每一列的各个元素，按照预设筛选规则筛选出满足预设筛选条件的特征元素，并作为对应列的风力发电机的功率预测所需的输入特征参数；其中，所述标准化的综合相关系数矩阵中的每一列向量表示一台风力发电机的特征参数向量；

根据每台风力发电机功率预测所需的输入特征参数，建立多种预测模型；并根据各预测模型训练得到对应的功率预测结果；

根据各功率预测结果，采用聚类算法求解得到最优功率预测结果。

2.根据权利要求1所述的超短期风电功率预测方法，其特征在于，所述多种相关系数至少包括：Pearson相关系数、Spearman相关系数、R2系数和欧式距离；

所述根据各台风力发电机之间的多种相关系数，构建各台风力发电机之间的综合相关系数矩阵，包括：

根据各台风力发电机之间的多种相关系数，构建各台风力发电机之间的综合相关系数式；

根据各台风力发电机之间的综合相关系数式计算各台风力发电机之间的综合相关系数；并基于各台风力发电机之间的综合相关系数形成各台风力发电机之间的综合相关系数矩阵。

3.根据权利要求2所述的超短期风电功率预测方法，其特征在于，所述各台风力发电机之间的综合相关系数式为：

其中，为各台风力发电机之间的Pearson相关系数；为所对应的系数；为各台风力发电机之间的Spearman相关系数；为所对应的系数；为各台风力发电机之间的R2系数；为所对应的系数；为各台风力发电机之间的欧式距离；为所对应的系数；

所述各台风力发电机之间的综合相关系数矩阵为：

其中，为海上风力发电机和之间的综合相关系数。

4.根据权利要求3所述的超短期风电功率预测方法，其特征在于，各种相关系数所对应的系数的计算公式为：

其中，、、、的计算公式分别为：

其中，的取值为0，1，2，3。

5.根据权利要求1所述的超短期风电功率预测方法，其特征在于，所述预设筛选规则为：

计算每台风力发电机在所述标准化的综合相关系数矩阵中对应列的每个特征元素与对应的风力电机的历史功率数据之间的Pearson相关系数；

根据Pearson相关系数的计算结果，判断是否保留对应的特征元素。

6.根据权利要求1所述的超短期风电功率预测方法，其特征在于，所述特征数据至少包括每台风力发电机的周围环境风速、风向和温度，每台风力发电机的叶片角度，以及每台风力发电机的周围海水的流速、流向和温度。

7.根据权利要求1所述的超短期风电功率预测方法，其特征在于，所述多种预测模型至少包括：BP神经网络模型、卷积神经网络模型、门控循环神经网络模型和CNN-GRU模型。

8.一种超短期风电功率预测装置，其特征在于，包括：

历史功率数据获取模块，用于获取每台风力电机的历史功率数据；

特征数据获取模块，用于获取每台风力电机的影响风电功率的各种特征数据；

特征矩阵建立模块，用于根据每台风力电机的历史功率数据和影响风电功率的各种特征数据建立每台风力发电机的特征矩阵；

多种相关系数计算模块，用于根据每台风力发电机的特征矩阵，计算各台风力发电机之间的多种相关系数；

综合相关系数矩阵构建模块，用于根据各台风力发电机之间的多种相关系数，构建各台风力发电机之间的综合相关系数矩阵；

输入特征参数确定模块，用于根据各台风力发电机之间的综合相关系数矩阵，确定每台风力发电机功率预测所需的输入特征参数；其中，所述根据各台风力发电机之间的综合相关系数矩阵，确定每台风力发电机功率预测所需的输入特征参数，包括：依次判断所述综合相关系数矩阵中的各个元素是否满足预设阈值；若是，则将对应的元素值置1；若否，则将对应的元素值置0；并得到标准化的综合相关系数矩阵；根据所述标准化的综合相关系数矩阵，按照预设筛选规则确定每台风力发电机功率预测所需的输入特征参数；其中，所述根据所述标准化的综合相关系数矩阵，按照预设筛选规则确定每台风力发电机功率预测所需的输入特征参数，包括：将所述标准化的综合相关系数矩阵中的每一列的各个元素，按照预设筛选规则筛选出满足预设筛选条件的特征元素，并作为对应列的风力发电机的功率预测所需的输入特征参数；其中，所述标准化的综合相关系数矩阵中的每一列向量表示一台风力发电机的特征参数向量；

多种预测模型建立模块，用于根据每台风力发电机功率预测所需的输入特征参数，建立多种预测模型；

功率预测结果获得模块，用于根据各预测模型训练得到对应的功率预测结果；

最优功率预测结果求解模块，用于根据各功率预测结果，采用聚类算法求解得到最优功率预测结果。