[发明专利]一种风电场功率预测方法及相关设备

说明书

本发明实施例公开了一种风电场功率预测方法及相关设备，所述方法包括：获取风电场内各风电机组的目标历史气象数据和目标历史功率数据；基于所述目标历史气象数据和所述目标历史功率数据训练预设模型，得到各风电机组的目标模型，所述预设模型通过lightGBM模型对多变量时间序列进行动态时间建立；将气象预报数据分别代入各风电机组的目标模型，得到各风电机组的预测功率；将各风电机组的预测功率相加，得到所述风电场的预测功率。针对风电场内单个机组的差异性建立各风电机组的目标模型，提高单个机组的预测准确度。

技术领域

本发明涉及一种风电场功率预测技术领域，尤其涉及一种风电场功率预测方法及相关设备。

背景技术

风电在我国可再生能源中有重要的地位，目前我国风力发电厂主要集中建设在东北、西北、华北这种风能资源富足地区，这种大规模集中式电力开发最大的困难就是电力外送的问题。分散式风电的优点就是对周围环境具有很强的适应性，几乎所有的地形地貌中都可以建设使用，能够有效地提升偏远地区风能资源的利用率。随着分散式风电规模的逐步扩大，对分散式风电功率预测，成为了使其平稳运行、保障其所接入的电网安全可靠性的重要手段。

对于传统的风电预测问题，国内外已有大量学者做了研究工作，主要包括物理方法和统计方法。其中物理方法需要复杂的风电机组相关信息，以及天气预报信息，应用起来难度较高。统计方法只需要风速风向等天气情况以及风电功率相关时间序列即可。随着人工智能的逐步发展，大量的统计方法被开发出来用于风电功率预测，常见的方法有人工神经网络法，支持向量机法，xgboost等。

现有的预测技术主要应用于集中式的大型风电场，对分散式风电场单个机组的预测适应性较弱；针对风电场整场预测的模型无法考虑到单个机组的差异性；对于风速、风向等周期性变化不明显的特征，传统网络模型无法提取有效的前后关联信息进行预测，进而影响预测结果。

发明内容

有鉴于此，本发明提供了一种风电场功率预测方法及相关设备，用于解决现有技术中无法考虑到单个机组的差异性，预测结果不准确的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种风电场功率预测方法，包括：获取风电场内各风电机组的目标历史气象数据和目标历史功率数据；

基于所述目标历史气象数据和所述目标历史功率数据训练预设模型，得到各风电机组的目标模型，所述预设模型通过lightGBM模型对多变量时间序列进行动态时间建立；

将气象预报数据分别代入各风电机组的目标模型，得到各风电机组的预测功率；

将各风电机组的预测功率相加，得到所述风电场的预测功率。

可选的，所述获取风电场内各风电机组的目标历史气象数据和目标历史功率数据的步骤，包括：

获取风电场内各风电机组的初始历史气象数据和初始历史功率数据；

使用局部异常因子算法对所述初始历史气象数据和所述初始历史功率数据进行异常值去除处理；

将处理后的初始历史气象数据和初始历史功率数据进行线性插值，得到完整历史气象数据和完整历史功率数据；

将所述完整历史气象数据和所述完整历史功率数据进行归一化处理，得到风电场内各风电机组的目标历史气象数据和目标历史功率数据。

可选的，在基于所述目标历史气象数据和所述目标历史功率数据训练预设模型的步骤之前，还包括：

采用MIC算法对所述目标历史气象数据和所述目标历史功率数据进行相关性分析，剔除所述目标历史气象数据中与所述目标历史功率数据相关度低于阈值的气象特征，得到优化目标历史气象数据。

可选的，所述基于所述目标历史气象数据和所述目标历史功率数据训练预设模型，得到各风电机组的目标模型的步骤，包括：