[发明专利]一种基于轻量级自编码网络的短期风功率预测方法

说明书

本发明公开了一种基于轻量级自编码网络的短期风功率预测方法，涉及测量技术领域，解决了风功率预测准确性较低的技术问题，其技术方案要点是通过轻量级自编码网络对短期风功率进行预测，具有特征学习效率高的优势，对于不同的风机的功率预测任务，适用性更强；能有效的提取复杂天气情况下的风功率信息，预测准确率高；参数量少，所需计算与存储成本小，网络结构轻量级，能够满足工业物联网对深度学习算法提出的“小，轻，快”的应用需求，可以较好的应用于各大风电场的短期风功率预测。

技术领域

本申请涉及测量技术领域，尤其涉及一种基于轻量级自编码网络的短期风功率预测方法。

背景技术

风电天然的随机性和波动性，使得在对其准确的发电功率预测上都存在难点和技术欠缺。风电预测理论的欠缺，间接地造成了弃风现象。因此准确的风功率预测不仅可以提高风电电场的利用效率，还可以服务于电力调度部门以确保高比例的风电能源接入后的电网安全、稳定和经济运行。目前，国内外学者对风功率预测问题作了大量的研究工作，但是面对复杂天气时，风电功率输出波动较大，风功率预测准确性较低，这对电网安全运行提出了严峻的挑战。

发明内容

本申请提供了一种基于轻量级自编码网络的短期风功率预测方法，其技术目的是提高复杂天气情况下的短期风功率预测精度，能较好的满足工程应用的需要。

本申请的上述技术目的是通过以下技术方案得以实现的：

一种基于轻量级自编码网络的短期风功率预测方法，包括：

S1：对数值天气预报中的时序数据进行拼接，形成多维风功率时序数据；

S2：将所述多维风功率时序数据输入到第一轻量级自编码网络进行训练，对所述多维风功率时序数据中互相耦合的非线性特征进行提取，并通过注意力机制对所述非线性特征进行筛选与强化，最终输出风功率预测数据；

S3：将所述多维风功率时序数据对应的风功率数据与所述风功率预测数据进行损失计算；

S4：重复S1至S3，直至迭代次数达到预设最大值或所述损失低于预设阈值，则完成对所述第一轻量级自编码网络的训练，得到第二轻量级自编码网络；

S5：向所述第二轻量级自编码网络输入未来时间内的数值天气预报，所述第二轻量级自编码网络输出短期风功率预测数据。

本申请的有益效果在于：本申请所述的基于轻量级自编码网络的短期风功率预测方法具有特征学习效率高的优势，对于不同的风机的功率预测任务，适用性更强；能有效的提取复杂天气情况下的风功率信息，预测准确率高；参数量少，所需计算与存储成本小，网络结构轻量级，能够满足工业物联网对深度学习算法提出的“小，轻，快”的应用需求，可以较好的应用于各大风电场的短期风功率预测。

附图说明

图1为本申请所述方法的流程图；

图2为本申请优选实施例的轻量级自编码网络的结构示意图；

图3为本申请优先实施例的短期风功率预测数据的结果示意图。

具体实施方式

下面将结合附图对本申请技术方案进行详细说明。

图1为本申请所述方法的流程图，如图1所示，基于轻量级自编码网络的短期风功率预测方法包括：

S1：对数值天气预报(NWP)中的时序数据进行拼接，形成多维风功率时序数据。

具体地，多维风功率时序数据包括风速、湿度、温度、风向和气压等时序数据，所述多维风功率时序数据的尺寸为N×L，分辨率为15分钟；其中,L表示时间步长，N表示多维风功率时序数据中数据的种类数量。