一种基于历史预测值的风力出力预测方法

    公开(公告)号:CN112819189A

    公开(公告)日:2021-05-18

    申请号:CN201911116363.0

    申请日:2019-11-15

    摘要: 本发明涉及风力预测技术领域,尤其是一种基于历史预测值的风力出力预测方法,具体步骤如下:S1、建立BP神经网络模型,对历史实测数据进行数据质量分析;S2、根据数据RMSE,nMAE,验证BP神经网络算例指标;S3、指标验证通过后,将采集到的长期历史数据按时间进行分片,利用粒子群算法优化神经元阈值,利用历史数据分片迭代过程进行网络迭代神经元参数修正;S4、待参数模型修正好后,根据实际需求确认预测出力时间段,同时对历史数据及风电场自身的风力预测值进行时序串联,串联后的结果作为神经网络模型的输入,进行实际预测值输出与验证。本发明的预测值与实际值更为接近,符合现发展的需要。

    一种风电功率的区间预测方法
    3.
    发明公开

    公开(公告)号:CN112241802A

    公开(公告)日:2021-01-19

    申请号:CN201910649399.9

    申请日:2019-07-18

    摘要: 本发明涉及电力技术领域,尤其是一种风电功率的区间预测方法,具体步骤如下:S1、将风电功率相关数据进行归一化处理,确定卷积神经网络的卷积层和池化层参数以及长短期记忆网络的输入层、隐含层和输出层的神经元数目,全连接层神经元数目,使用卷积神经网络获得风电相关信息的特征图谱作为相关信息的特征图谱作为长短期记忆网络分位数回归的输入信息;S2、确定长短期记忆网络分位数回归中的分位点数目;S3、采用训练完毕的长短期记忆网络分位数回归输出在不同分位点下的预测风电功率分位数,从而描述出风电功率波动范围。本发明通过设置不同的分位点便可得到在不同分位数下的风电功率区间预测结果,从而描述风电功率变化的不确定性。