[发明专利]一种模型参数自适应的GRU新能源短期发电功率预测方法

权利要求书

1.一种发电功率预测方法，其特征在于，所述方法包括：

获取在预测时间段中目标电站所处区域的天气预报数据，以及，在所述预测时间段之前的至少一个时间点下所述目标电站对应的历史发电功率；

将所述天气预报数据和所述历史发电功率输入至预训练的发电功率预测模型，得到所述目标电站在所述预测时间段中的预测发电功率；

其中，所述预训练的发电功率预测模型为采用训练样本数据对待训练的发电功率预测模型进行训练得到；所述训练样本数据包括所述目标电站在标签时间段中的实际发电功率、在所述标签时间段中所述目标电站所处区域的天气预报数据以及在所述标签时间段之前的至少一个时刻下所述目标电站对应的历史发电功率；所述待训练的发电功率预测模型所使用的超参数为经过预设的超参数优化算法确定的。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述训练样本数据；

将所述标签时间段中所述目标电站所处区域的天气预报数据，以及在所述标签时间段之前的至少一个时刻下所述目标电站对应的历史发电功率输入至所述待训练的发电功率预测模型，得到所述目标电站在标签时间段中的预测发电功率；

基于所述预测发电功率和所述实际发电功率对所述待训练的发电功率预测模型进行训练，得到所述预训练的发电功率预测模型。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取初始发电功率预测模型，所述初始发电功率预测模型为循环神经网络模型；

基于所述训练样本数据，使用所述超参数优化算法对所述初始发电功率预测模型的超参数进行优化，得到所述待训练的发电功率预测模型。

4.根据权利要求3所述的方法，其特征在于，所述超参数优化算法为贝叶斯优化算法，所述基于所述训练样本数据，使用所述超参数优化算法对所述初始发电功率预测模型的超参数进行优化，得到所述待训练的发电功率预测模型，包括：

选取所述初始发电功率预测模型中关键的模型超参数，并利用所述模型超参数构建域空间；

基于预处理训练样本数据以及所述初始发电功率预测模型中关键的模型超参数，使用贝叶斯优化算法在所述域空间中确定针对所述初始发电功率预测模型的目标超参数；

将所述初始发电功率预测模型的超参数调整为所述目标超参数，得到所述待训练的发电功率预测模型。

5.根据权利要求1所述的方法，其特征在于，所述将所述天气预报数据和所述历史发电功率输入至预训练的发电功率预测模型，得到所述目标电站在所述预测时间段中的预测发电功率，包括：

将所述天气预报数据和所述历史发电功率输入至所述目标电站对应的所述预训练的发电功率预测模型的特征提取层进行特征提取，得到对应的功率预测特征点；

将对应的所述功率预测特征点输入至所述预训练的发电功率预测模型的预测层进行功率预测，得到所述目标电站部分或者全部所述天气预报数据和所述历史发电功率生成的一一对应的功率数据点，所述功率数据点用于表征所述目标电站在所述预测时间段中的至少一个时间点所对应的预测发电功率；

对各所述功率数据点进行拼接，得到所述目标电站在所述预测时间段中的预测发电功率。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标电站对应的预测结果评价分析标准，所述目标电站类型的不同对应不同的所述预测结果评价分析标准；

将所述目标电站在所述预测时间段中的所述预测发电功率输入至所述预测结果评价分析标准进行评价，得到所述预测发电功率对应的评价分析结果。