← 返回列表
一种风电短期功率爬坡预测方法
摘要文本
关注微信公众号专利查询网 本发明提供一种风电短期功率爬坡预测方法，涉及风电功率预测领域。所述方法包括以下步骤：获取并预处理预测数据，所述预测数据包括风电历史实际功率、数值天气预报数据、测风塔及风机的理论功率数据和风机的开机容量数据；将预处理后的预测数据输入CNN‑LSTM‑AM功率预测模型中进行训练，基于训练好的CNN‑LSTM‑AM功率预测模型获取功率预测序列数据，通过准确的风电功率预测，爬坡事件的识别和评估，以及模型准确性的维护，可以更有效地规划和管理风电场的运营，最大程度地利用风能资源，提高发电效率，通过爬坡事件的识别和强度评估，可以预测风能波动，提高电网稳定性。
申请人信息
- 申请人:北京东润环能科技股份有限公司
- 申请人地址:100192 北京市海淀区学清路8号(科技财富中心)A座十一层1116
- 发明人: 北京东润环能科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种风电短期功率爬坡预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311459264.9 |
| 申请日 | 2023/11/3 |
| 公告号 | CN117578404A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | H02J3/00 |
| 权利人 | 北京东润环能科技股份有限公司 |
| 发明人 | 李润; 宋美洋; 郭炜; 马腾飞 |
| 地址 | 北京市海淀区学清路8号(科技财富中心)A座十一层1116 |
专利主权项内容
1.一种风电短期功率爬坡预测方法，其特征在于，包括以下步骤：S1、获取样本预测数据，对所述样本预测数据进行预处理；S2、根据预处理后的样本预测数据，对初始的CNN-LSTM-AM功率预测模型进行训练，得到训练好的CNN-LSTM-AM功率预测模型；S3、基于预处理后的样本预测数据以及训练好的CNN-LSTM-AM功率预测模型，确定功率预测序列数据；S4、基于构建好的BA-SDT爬坡识别模型，对所述功率预测序列数据进行识别，得到风机预测功率，基于风机预测功率进行爬坡事件判定，评估爬坡事件的强度指标；S5、获取风电实测功率，根据风电实测功率确定风机的实测功率序列数据，基于所述风机的实测功率序列数据以及功率预测序列数据，验证CNN-LSTM-AM功率预测模型的准确性，得到准确性指标；S6、若所述准确性指标低于设定的准确阈值，将风电实测功率进行预处理，将预处理后的风电实测功率与风机预测数据整合后输入CNN-LSTM-AM功率预测模型进行训练。