欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025120106543
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于算法与场景自适应匹配的风电功率预测方法,其特征在于,包括:

获取样本集;所述样本集包括预设时间窗口划分下各时间窗口的样本;所述样本包括时序匹配的历史风速数据、历史风电功率数据和预设数量种算法的风电功率预测数据;

根据所述历史风速数据计算各时间窗口的风速最大波动幅值;根据各风速最大波动幅值结合高斯混合模型将所述样本集进行划分,得到预设数量个场景;

根据预设的关键指标集、辅助指标集和所述历史风电功率数据计算各场景下各算法风电功率预测数据的综合评分;在各场景中选取综合评分最高的算法作为各场景的指定预测算法;

在实际预测时,进行场景识别后匹配场景对应的指定预测算法进行风电功率预测。

2.根据权利要求1所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,根据所述历史风速数据计算各时间窗口的风速最大波动幅值包括:在所述历史风速数据的各时间窗口下,识别出所有的局部极大值点和局部极小值点,与时间窗口的起始点和结束点共同构成划分风速动态过程的分界点;根据所述分界点将时间窗口切割成若干个连续的风速单调波动段,计算各风速单调波动段的振幅并选取最大值,得到各时间窗口的风速最大波动幅值。

3.根据权利要求2所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,根据各风速最大波动幅值结合高斯混合模型将所述样本集进行划分包括:根据所述各时间窗口的风速最大波动幅值结合高斯混合模型进行波动状态的预设聚类,得到预设数量个高斯分布概率密度曲线,根据相邻两个高斯分布概率密度曲线的交点得到分类阈值集;所述高斯混合模型的模型参数采用期望最大化算法进行迭代求解;根据所述分类阈值集和所述各时间窗口的风速最大波动幅值将所述样本集中的样本进行划分后归入场景,得到预设数量个场景。

4.根据权利要求3所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,根据所述各时间窗口的风速最大波动幅值结合高斯混合模型进行波动状态的预设聚类,得到预设数量个高斯分布概率密度曲线包括:定义各时间窗口的风速最大波动幅值数据集,对应个不同的波动状态类别,每个类别均由一个高斯分布描述,其中和分别为类别的均值和方差,为总时间窗口数,即样本总数;为第个时间窗口的风速最大波动幅值;

高斯混合模型的概率密度函数包括:

;

其中,为模型的参数集;为第个高斯分布的混合权重,满足;为第个高斯分布在处的概率密度;

在对所述高斯混合模型进行参数求解后,通过所述高斯混合模型对所述各时间窗口的风速最大波动幅值进行波动状态的预设聚类,预设聚类包括对个波动状态类别进行聚类,得到个高斯分布的参数;根据所述高斯分布的参数得到高斯分布概率密度曲线。

5.根据权利要求4所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,所述根据预设的关键指标集、辅助指标集和所述历史风电功率数据计算各场景下各算法风电功率预测数据的综合评分包括:根据预设的关键指标集和辅助指标集中的各个指标以及所述历史风电功率数据计算各场景下各算法风电功率预测数据的指标数据;将各指标的指标数据进行标准化,得到标准化指标数据集;所述标准化包括正向指标标准化和负向指标标准化;根据各指标的权重和所述标准化指标数据集结合逼近理想解排序法得到各算法的加权指标评分;在各场景下,对各样本同一算法的加权指标评分取平均值,得到各场景下各算法的综合评分;所述关键指标集中指标的权重为预设权重,所述辅助指标集中的指标基于熵权法确定权重。

6.根据权利要求5所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,所述根据预设的关键指标集和辅助指标集中的各个指标以及所述历史风电功率数据计算各场景下各算法风电功率预测数据的指标数据包括:所述关键指标集包括准确率和合格率;所述辅助指标集包括相关系数、高风速段预测准确率、低风速段预测准确率、负荷峰段正偏差率、负荷谷段负偏差率和极大误差率;

基于各场景下的所述历史风电功率数据和各算法风电功率预测数据,分别计算准确率、合格率、相关系数、高风速段预测准确率、低风速段预测准确率、负荷峰段正偏差率、负荷谷段负偏差率和极大误差率,得到各指标的指标数据。

7.根据权利要求6所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,所述正向指标标准化和负向指标标准化包括:对所述准确率、合格率、相关系数、高风速段预测准确率、低风速段预测准确率进行正向指标标准化:;

其中,表示第个样本的第个指标的值;为所有样本的第个指标值所构成的数组;是标准化后的第个样本的第个指标的值,表示正向指标索引,即准确率、合格率、相关系数、高风速段预测准确率和低风速段预测准确率;

对所述负荷峰段正偏差率、负荷谷段负偏差率和极大误差率进行负向指标标准化:;

其中,表示第个样本的第个指标的值;为所有样本的第个指标值所构成的数组;是标准化后的第个样本的第个指标的值,表示负向指标索引,即负荷峰段正偏差率、负荷谷段负偏差率和极大误差率。

8.根据权利要求7所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,所述辅助指标集中的指标基于熵权法确定权重包括:对于所述辅助指标集中的指标,每个指标的信息熵包括:

;

其中,为第个指标上第个样本的归一化比重,,为第个样本在第个指标上经标准化后的数值;为用于确保熵值在[0, 1]范围内的常数,;为样本总数;定义,其中,为所述关键指标集中指标的总数,为所述辅助指标集中的指标总数,在计算所述辅助指标集中指标的信息熵和熵权法权重时,;

信息熵越高,说明指标的可变性越小,对综合评估的影响也越小,通过变异系数量化每个指标的重要性,得到辅助指标集中各指标的熵权法权重:。

9.根据权利要求8所述的基于算法与场景自适应匹配的风电功率预测方法,其特征在于,所述在实际预测时,进行场景识别后匹配场景对应的指定预测算法进行风电功率预测包括:获取实际风速数据,根据所述实际风速数据计算预设时间窗口划分下各时间窗口的实际风速最大波动幅值;根据所述各时间窗口的实际风速最大波动幅值得到实际场景,根据所述实际场景匹配场景对应的指定预测算法进行风电功率预测。

10.一种基于算法与场景自适应匹配的风电功率预测装置,用于权利要求1至9任一项所述的方法,其特征在于,所述装置包括第一模块、第二模块、第三模块和第四模块;

所述第一模块用于获取样本集;所述样本集包括预设时间窗口划分下各时间窗口的样本;所述样本包括时序匹配的历史风速数据、历史风电功率数据和预设数量种算法的风电功率预测数据;

所述第二模块用于根据所述历史风速数据计算各时间窗口的风速最大波动幅值;根据各风速最大波动幅值结合高斯混合模型将所述样本集进行划分,得到预设数量个场景;

所述第三模块用于根据预设的关键指标集、辅助指标集和所述历史风电功率数据计算各场景下各算法风电功率预测数据的综合评分;在各场景中选取综合评分最高的算法作为各场景的指定预测算法;

所述第四模块用于在实际预测时,进行场景识别后匹配场景对应的指定预测算法进行风电功率预测。