[发明专利]一种超短期风电功率预测方法和装置

说明书

本发明实施例公开了一种超短期风电功率预测方法和装置。该方法包括：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；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；根据各预测模型训练得到对应的功率预测结果，并采用聚类算法求解得到最优功率预测结果。

技术领域

本发明实施例涉及风电功率预测技术领域，尤其涉及一种超短期风电功率预测方法和装置。

背景技术

传统的风电功率预测方法分为物理模型和统计模型，随着大数据技术的发展，人工智能技术被应用于风电预测中。但针对海上风电功率预测的研究却较少，由于海水比热容大、风浪、风机尾流的影响明显，陆地风电场的预测方法难以适应海上风电预测。近年来深度学习模型也逐渐被应用于海上风电功率预测中，但大多是将风电场作为一个整体进行预测，并未考虑风电场内风机尾流的影响。因此，急需一种应用于海上风电功率预测的预测方法。

发明内容

本发明提供一种超短期风电功率预测方法和装置，以实现对海上风电的功率预测，并提高预测的精度。

第一方面，本发明实施例提供了一种超短期风电功率预测方法，超短期风电功率预测方法包括：

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；

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。

可选地，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。

可选地，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。

可选地，各种相关系数所对应的系数的计算公式为：