风电出力预测方法、电子设备、存储介质及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114202129A(43)申请公布日2022.03.18(21)申请号202111679744.7(22)申请日2021.12.31(71)申请人京东方科技集团股份有限公司地址100015北京市朝阳区酒仙桥路10号(72)发明人杨卓士周希波(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人李娜(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)G06K9/62(2022.01)权利要求书4页说明书14页附图5页(54)发明名称风电出力预测方法、电子设备、存储介质及系统(57)摘要本公开提供了一种风电出力预测方法、电子设备、存储介质及系统，涉及风电技术领域。该方法包括：周期性获取每个接收时间节点对应的初始气象数据集，初始气象数据集均包括至少一个气象元素的至少一个维度的初始气象子数据；获取到最新初始气象数据集后，对异常子数据进行识别及平滑处理，得到平滑气象数据集；确定目标时间段内的平均风能密度；将目标时间段内的平滑气象数据集及平均风能密度作为模型输入特征，通过模型获得风电出力预测值。本公开中，可以将每个气象元素的每个维度的初始气象子数据，以及对风电出力影响较大的平均风能密度，均作为模型输入特征，从而模型可以基于大量特征预测风电出力，且能够获得较高的预测准确度。CN114202129ACN114202129A权利要求书1/4页1.一种风电出力预测方法，其特征在于，所述方法包括：周期性获取每个接收时间节点对应的初始气象数据集；每个所述初始气象数据集包括与至少一个气象要素一一对应的初始气象数据，所述初始气象数据包括与其对应的气象要素的至少一个维度的初始气象子数据；在获取到最新接收时间节点对应的最新初始气象数据集后，从各个最新初始气象子数据中识别异常子数据；当识别出异常子数据时，对识别出的所述异常子数据进行平滑处理，得到平滑气象数据集，当未识别出异常子数据时，将所述最新初始气象数据集为平滑气象数据集；确定所述最新接收时间节点对应的瞬时风能密度；对所述瞬时风能密度进行滚动均值计算，得到目标时间段内的平均风能密度；所述目标时间段包括所述最新接收时间节点；将所述目标时间段内的所述平滑气象数据集以及所述平均风能密度作为输入特征，输入至风电出力预测模型，以使所述风电出力预测模型输出所述目标时间段的风电出力预测值。2.根据权利要求1所述的方法，其特征在于，所述对所述瞬时风能密度进行滚动均值计算，得到目标时间段内的平均风能密度，包括：沿时间轴滚动第一时间窗，以使所述第一时间窗与所述目标时间段对齐；对所述第一时间窗内的多个所述瞬时风能密度进行均值计算，得到所述目标时间段内的平均风能密度。3.根据权利要求1所述的方法，其特征在于，所述平滑气象数据集中的平滑气象子数据至少包括平滑风机轮毂处风速和平滑空气密度，所述确定所述最新接收时间节点对应的瞬时风能密度，包括：根据所述最新接收时间节点对应的所述平滑风机轮毂处风速和所述平滑空气密度，确定所述最新接收时间节点对应的瞬时风能密度。4.根据权利要求1所述的方法，其特征在于，所述在获取到最新接收时间节点对应的最新初始气象数据集后，从各个最新初始气象子数据中识别异常子数据，包括：在获取到最新接收时间节点对应的最新初始气象数据集后，沿时间轴滚动第二时间窗，以使所述第二时间窗包括所述最新接收时间节点；对所述第二时间窗内属于相同所述气象要素的相同所述维度且为非空值的所述初始气象子数据，进行正态标准化处理，得到每个所述最新初始气象子数据对应的正态标准化值；将所述正态标准化值未处于预设数值范围的所述最新初始气象子数据，确定为所述异常子数据。5.根据权利要求4所述的方法，其特征在于，所述在获取到最新接收时间节点对应的最新初始气象数据集后，沿时间轴滚动第二时间窗，以使所述第二时间窗包括所述最新接收时间节点之后，还包括：将所述第二时间窗内的各个所述最新初始气象子数据中的空值，确定为所述异常子数据。6.根据权利要求1所述的方法，其特征在于，所述当识别出异常子数据时，对识别出的2CN114202129A权利要求书2/4页各个所述异常子数据进行平滑处理，得到平滑气象数据集，包括：对于识别出的任一所述异常子数据，沿时间轴滚动第三时间窗，以使所述第三时间窗包括所述异常子数据对应的所述接收时间节点，以及先于所述异常子数据对应的所述接收时间节点的多个所述接收时间节点；对所述第三时间窗内与所述异常子数据属于相同所述气象要素的相同所述维度的所述初始气象子数据，进行均值计算，得到所述异常子数据对应的新值；将每个所述异常子数据替换为对应的所述新值，得到平滑气象数据集。7.根据权利要求1所述的方法，其特征在于，所述周期性获