[发明专利]一种基于随机森林的风电发电量预测方法及设备

权利要求书

1.一种基于随机森林的风电发电量预测方法，其特征在于，所述方法包括：

采集风电发电厂的历史相关数据并进行预处理；

基于预处理后的所述历史相关数据，拟合随机森林回归模型；

根据所述随机森林回归模型，选取用于预测风电发电量的自变量；

根据选取的所述自变量以及对应的风电发电量，得到训练集以及测试集；

通过所述训练集，训练长短期记忆网络LSTM模型；

将训练好的LSTM模型在所述测试集上进行验证，并根据验证结果，对所述LSTM模型进行优化；

采集所述风电发电厂的实时相关数据，并输入到所述LSTM模型中，得到实时预测风电发电量；

根据所述实时预测风电发电量，判断是否需要调配其他电力，以满足用电需求。

2.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，采集风电发电厂的历史相关数据并进行预处理，具体包括：

在数据库中获取所述风电发电厂每个时期的历史相关数据；其中，所述历史相关数据至少包括每个时期对应的气温、气压、风速、海拔以及风电发电量；

对所述历史相关数据进行缺失值检测，并删除缺失值，得到预处理后的历史相关数据。

3.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，基于预处理后的所述历史相关数据，拟合随机森林回归模型，具体包括：

将预处理后的所述历史相关数据中的风电发电量作为因变量，将其他数据作为自变量，拟合随机森林回归模型。

4.根据权利要求3所述的一种基于随机森林的风电发电量预测方法，其特征在于，根据所述随机森林回归模型，选取用于预测风电发电量的自变量，具体包括：

通过所述随机森林回归模型，对每个自变量进行打分，并按照分数对每个自变量进行排序，得到每个自变量对预测风电发电量的重要性排序；

在所述重要性排序中，从前向后选取预设数量的自变量，作为所述用于预测风电发电量的自变量。

5.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，根据选取的所述自变量以及对应的风电发电量，得到训练集以及测试集，具体包括：

在所述历史相关数据中，将选取的所述自变量以及对应的风电发电量取出，并按照3:1的比例，划分为训练集和测试集。

6.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，将训练好的LSTM模型在所述测试集上进行验证，并根据验证结果，对所述LSTM模型进行优化，具体包括：

通过所述测试集，对训练好的LSTM模型进行测试；

将测试得到的每条预测风电发电量分别与所述测试集中对应的实际风电发电量进行差值计算；

若所述差值小于第一预设阈值，则对应的验证结果正确；

计算验证结果正确的预测风电发电量的数量，占预测风电发电量的总数量的比值；

若所述比值小于第二预设阈值，则调整所述LSTM模型中的相关参数，并再次进行训练，直至所述比值达到所述第二预设阈值为止。

7.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，采集所述风电发电厂的实时相关数据，并输入到所述LSTM模型中，得到实时预测风电发电量，具体包括：

根据选取的所述用于预测风电发电量的自变量，通过传感器组采集对应的实时相关数据；

将所述实时相关数据输入到优化后的所述LSTM模型中，输出对应的实时预测风电发电量。

8.根据权利要求1所述的一种基于随机森林的风电发电量预测方法，其特征在于，根据所述实时预测风电发电量，判断是否需要调配其他电力，以满足用电需求，具体包括：

若所述实时预测风电发电量大于等于风电发电阈值，则确定风电发电量正常，不需要调配其他电力；其中，所述风电发电阈值是根据所述风电发电厂负责的用电区域的当前时期的用电量确定的；

若所述实时预测风电发电量小于所述风电发电阈值，则向决策者的终端发出提示信息，提醒所述决策者调配其他电力以满足用电需求。