CN119419801A 一种风电功率预测方法、装置、电子设备及存储介质 （东北电力大学）

本申请公开了一种风电功率预测方法、装风电功率预测模型对数值天气预报数据进行处2基于风速偏移识别模型对所述数值天气预报数据进行处理，获若所述数值天气预报数据的偏移场景为正向偏移，基于第若所述数值天气预报数据的偏移场景为负向偏移，基于第其中，所述第一风电功率预测模型训练时的第一损失函为正向偏离期望值的方向更新第二风电功率预测获取训练样本及对应的标签；所述训练样本包括风电场的历史气生成数据是基于风速峰值和谷值时段中数据量占比小于第一阈值的正向偏移的历史数采用所述训练样本及对应的标签，对有向无环图结构的神经网络基于所述历史数值天气预报数据对应的标签，确定风速峰值和基于所述正向偏移数据量占比和所述负向偏移数据量占比，确定数基于预训练的WGAN_GP网络对所述目标历史数值天气预报数据进行处理，生成所述天;3;第一处理模块，用于基于风速偏移识别模型对所述数值天第二处理模块，用于若所述数值天气预报数第三处理模块，用于若所述数值天气预报数其中，所述第一风电功率预测模型训练时的第一损失函为正向偏离期望值的方向更新第二风电功率预测述至少一个处理器执行如权利要求1_7任意一项所述的风电4数值天气预报(Numericalweatherprediction,NWP)数据进行功率映射建模。风电功率5据是基于风速峰值和谷值时段中数据量占比小于第一阈值的正向偏移的历史数值天气预基于预训练的WGAN_GP网络对目标历史数值天气预报数据进行处理，生成天气生;;6[0016]上述说明仅是本申请技术方案的概述，为了能够更清楚图3为本申请实施例中采用预训练的WGAN_GP网络对负向偏移样本进行生成后的7一风电功率预测模型沿着输出结果为负向偏离期望值的方向更新第一风电功率预测模型;8二风电功率预测模型沿着输出结果为正向偏离期望值的方向更新第二风电功率预测模型;9[0038]本申请实施例提供的风电功率预测方法，可以在数值天据是基于风速峰值和谷值时段中数据量占比小于第一阈值的正向偏移的历史数值天气预时段中数据量占比小于第一阈值的正向偏移的历史数值天气预报数据或负向偏移的历史时段的负向偏移数据对应的数据量占比小于50%，则可以基于风电场峰谷时段的负向偏移历史数值天气预报数据；基于预训练的WGAN_GP网络对目标历史数值天气预报数据进行处据中的一些极端数据，再基于预训练的WGAN_GP网络对目标历史数值天气预报数据进行处[0044]图3示出了采用基于预训练的WGAN_GP网络对负向偏移样本进行生成后的统计指有向无环图结构的神经网络在分类准确率和运行耗时方面均显著优于多个有向无环图结构的神经网络。因此，可以确定有向无环图结构的神经网络中有向无环图结构的数量为1[0051]本申请实施例提供的风电功率预测装置，可以在数值天通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息部分或者全部可以经由ROM802和/或通信单元809而被载入和/或安装到电子设备800上。些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以个输出装置。[0058]用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器器以及键盘和指向装置（例如，鼠标或者轨迹球用户可以通过该键盘如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的