买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京东润环能科技股份有限公司

摘要：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。

主权项：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；其中，所述S4的基于风机预测功率进行爬坡事件判定，包括：S41、基于设定宽度的爬坡识别时间窗的风机预测功率，判断所述设定宽度的爬坡识别时间窗内是否发生爬坡事件；S42、若是，则判断所述爬坡事件为上爬坡事件或下爬坡事件；其中，S41的基于设定宽度的爬坡识别时间窗的风机预测功率，判断所述设定宽度的爬坡识别时间窗内是否发生爬坡事件，包括：获取爬坡识别时间窗内的风机预测功率，筛选功率最大值和功率最小值；基于下述公式3，通过功率最大值和功率最小值的差值计算功率差：ΔP＝|Pmaxt,t+Δt-Pmint；t+Δt|3其中ΔP为功率差，Pmaxt，t+Δt为识别时间窗内的功率最大值，Pmint，t+Δt为识别时间窗内的功率最小值；判断所述功率差是否大于设定的阈值指标，若是则判定发生爬坡事件；若否则判定没有发生爬坡事件；其中，所述评估爬坡事件的强度指标，包括：获取历史爬坡事件的功率最大值和功率最小值的差值，计算历史爬坡事件功率差均值；基于本次爬坡事件的功率最大值和功率最小值的差值以及所述历史爬坡事件功率差均值，计算强度指标，计算公式为： 其中，Λ为强度指标，i＝1，2，3，...，n为历史爬坡事件的个数，为第i次历史爬坡事件的功率最大值，为第i次历史爬坡事件的功率最小值，e为自然常数；其中，所述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验证CNN-LSTM-AM功率预测模型的准确性，得到准确性指标，包括：基于风电实测功率绘制实测功率序列数据，在发生功率爬坡的时间窗内设定若干个采样点，采样每个采样点的实测功率；将功率预测序列数据与实测功率序列数据通过时间戳对齐，采样预测功率；基于采样后的实测功率和预测功率计算准确性指标，准确性指标的计算公式为： 其中，ψ为准确性指标，j＝1，2，3，...，m为采样点的个数，为第j个采样点采样的预测功率，为与对应采样点的实测功率，Θr为实测功率和预测功率在每个采样点上的容差指数。

全文数据：

权利要求：

百度查询： 北京东润环能科技股份有限公司 一种风电短期功率爬坡预测方法