[发明专利]一种风电机组功率预测方法、装置、电子设备和存储介质

权利要求书

1.一种风电机组功率预测方法，其特征在于，包括：

采集待预测风电机组在设定历史时段的风速数据和风功率数据；

利用所述风速数据和风功率数据，建立所述风电机组在所述历史时段的风速-风功率散点图，删除所述散点图中的异常散点；

将所述散点图中的剩余散点对应的所述风速数据和风功率数据分别归一化，将归一化后每个散点对应的所述风速数据和风功率数据组成一个样本，将所有样本构成样本数据集；

构建风电机组功率预测模型；

利用所述样本数据集训练所述风电机组功率预测模型，得到训练完毕的风电机组功率预测模型；

利用所述练完毕的风电机组功率预测模型进行所述风电机组的功率预测。

2.根据权利要求1所述的方法，其特征在于，所述设定历史时段的风速数据和风功率数据从数据采集与监视控制系统SCADA获取，所述历史时段长度为一个月至一年。

3.根据权利要求1所述的方法，其特征在于，所述异常散点包括两类：

1)靠近所述散点图横坐标轴处堆积的散点，所述散点的风功率低于对应风速下的正常风功率；

2)所述散点图中无规则分布的低密度的散点。

4.根据权利要求1所述的方法，其特征在于，所述构建风电机组功率预测模型，包括：

1)构建风电机组功率预测模型，所述模型采用BP神经网络模型；所述模型的输入为归一化后的风速，输出为归一化后的风功率；

2)确定所述模型的激活函数；

3)确定自适应鲁棒性损失函数，表达式如下：

损失函数求导得到：

5.根据权利要求1所述的方法，其特征在于，所述利用所述样本数据集训练所述风电机组功率预测模型，得到训练完毕的风电机组功率预测模型，包括：

设置学习率、训练迭代次数和模型参数，利用所述样本数据集对所述风电功率预测模型进行训练，并计算均方根误差RMSE作为训练的评价指标；

当RMSE达到设定的阈值要求时，训练结束，得到训练完毕的风电功率预测模型。

6.根据权利要求1所述的方法，其特征在于，所述利用所述练完毕的风电机组功率预测模型进行所述风电机组的功率预测，包括：

获取所述风电机组在任一待预测时刻的风速数据，对所述风速数据归一化得到归一化后的风速，将所述归一化后的风速输入所述训练完毕的风电功率预测模型，所述模型输出归一化后的风功率预测值；

将所述归一化后的风功率预测值进行反归一化，得到所述待预测时刻所述风电机组的风功率预测值。

7.一种风电机组功率预测装置，其特征在于，包括：

数据采集模块，用于采集待预测风电机组在设定历史时段的风速数据和风功率数据；

散点图构建模块，用于利用所述风速数据和风功率数据，建立所述风电机组在所述历史时段的风速-风功率散点图，删除所述散点图中的异常散点；

样本数据集构建模块，用于将所述散点图中的剩余散点对应的所述风速数据和风功率数据分别归一化，将归一化后每个散点对应的所述风速数据和风功率数据组成一个样本，将所有样本构成样本数据集；

风电机组功率预测模型构建模块，用于构建风电机组功率预测模型；

风电机组功率预测模型训练模块，利用所述样本数据集训练所述风电机组功率预测模型，得到训练完毕的风电机组功率预测模型；

风电机组功率预测模块，用于利用所述练完毕的风电机组功率预测模型进行所述风电机组的功率预测。

8.一种电子设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6任一项所述的方法。