[发明专利]基于人工智能的风电功率预测误差修正方法、装置及设备

权利要求书

1.一种基于人工智能的风电功率预测误差修正方法，其特征在于，所述风电功率预测误差修正方法包括：

获取目标风电设备在第一时间段内每个时间点的第一真实天气数据和对应的真实风电功率数据，以及第二时间段内每个时间点的第二真实天气数据和对应的真实风电功率数据，其中，所述第一时间段为与所述第二时间段连续且在所述第二时间段之前的时间段，且两个时间段内时间点的个数；

使用所述第一真实天气数据和对应的真实风电功率数据，训练预设的功率预测模型得到训练好的第一预测模型，使用所述第二真实天气数据和对应的真实风电功率数据，训练所述功率预测模型得到训练好的第二预测模型；

获取构建历史预测模型时使用的历史权重和历史预测结果，基于所述历史预测结果和所述第二真实天气数据对应的真实风电功率数据的误差，修正所述历史权重，得到修正后的权重，其中，所述历史预测模型为预测所述第二时间段内的风电功率数据时采用的模型，所述历史权重为对基于所述第一时间段及其前一时间段的真实数据训练出的两个预测模型进行加权求平均以得到所述历史预测模型时使用的权重，所述历史预测结果为所述历史预测模型输出的结果；

使用所述修正后的权重，对所述第一预测模型和所述第二预测模型中表征同一含义的参量进行加权求平均，得到对应参量的平均值，使用每个参量的平均值更新所述功率预测模型中表征同一含义的参量，得到第三预测模型；

获取预测的第三时间段的预测天气数据，将所述预测天气数据输入所述第三预测模型，输出对应所述第三时间段的风电功率数据，其中，所述第三时间段为与所述第二时间段连续且在所述第二时间段之后的时间段。

2.根据权利要求1所述的风电功率预测误差修正方法，其特征在于，基于所述历史预测结果和所述第二真实天气数据对应的真实风电功率数据的误差，修正所述历史权重，得到修正后的权重包括：

根据所述历史预测结果和所述第二真实天气数据对应的真实风电功率数据，结合预设的第一损失函数，计算得到第一预测损失；

根据所述第一预测损失和所述历史权重，采用梯度反向传播法计算权重的修正量，并根据所述修正量修正所述历史权重，得到修正后的权重。

3.根据权利要求2所述的风电功率预测误差修正方法，其特征在于，根据所述第一预测损失和所述历史权重，采用梯度反向传播法计算权重的修正量，并根据所述修正量修正所述历史权重，得到修正后的权重包括：

根据所述第一预测损失和所述历史权重，采用梯度反向传播法优化所述历史权重，得到优化后的权重；

将所述第一时间段及其前一时间段的真实天气数据输入预设的权重预测模型，输出预测权重，以所述优化后的权重和所述预测权重之间的误差最小为依据，训练所述权重预测模型，得到训练好的权重预测模型；

将所述第一真实天气数据和所述第二真实天气数据输入训练好的权重预测模型，输出预测结果为修正后的权重。

4.根据权利要求1所述的风电功率预测误差修正方法，其特征在于，获取预测的第三时间段的预测天气数据包括：

基于所述第一真实天气数据和所述第二真实天气数据，使用训练好的天气预测模型预测第三时间段内的天气数据，得到预测天气数据。

5.根据权利要求1所述的风电功率预测误差修正方法，其特征在于，所有时间段的天气数据均包括每个时间点的风速数据、风向数据、气温数据和气压数据；

所有时间段的天气数据在输入模型之前均包括：

针对任一时间点，对所述时间点的风速数据、风向数据、气温数据和气压数据分别进行编码处理，得到对应的编码向量；

按照预设的数据拼接方式，将所有的编码向量进行拼接，得到所述时间点对应的编码结果，一时间段内所有时间点的编码结果构成对应时间段的天气数据。