公开(公告)号：CN113159452B

公开(公告)日：2022-03-01

申请号：CN202110532494.8

申请日：2021-05-17

申请人： 河北工业大学

发明人： 张家安 ,  刘东 ,  王军燕 ,  夏云鹏

IPC分类号： G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

摘要： 本发明公开了一种基于时空相关性的风电集群功率预测方法，该预测方法分析了风电集群中风电场之间的时空相关性，应用多种类型相关性计算方法进行计算，引入Shapley值法进行加权，使相关性评价更加全面，更加精确的计算风电集群中的相关性。该预测方法考虑影响发电功率的多种因素，将多种因素融合在一起，使风电集群整体时空相关性特征得到提取，从而达到直接风电集群功率预测的效果，避免了现有方法叠加预测造成误差随之叠加的弊端，提高了预测精度。此外，应用卷积神经网络提取风电集群的关键时空相关特征，达到降低维度的目的，使风电集群的时空相关特征可以直接输入进神经网络中，与风电集群功率相对应，更加方便的进行风电集群发电功率预测，使预测精度更高。

公开(公告)号：CN113159452A

公开(公告)日：2021-07-23

申请号：CN202110532494.8

申请日：2021-05-17

申请人： 河北工业大学

发明人： 张家安 ,  刘东 ,  王军燕 ,  夏云鹏

IPC分类号： G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

摘要： 本发明公开了一种基于时空相关性的风电集群功率预测方法，该预测方法分析了风电集群中风电场之间的时空相关性，应用多种类型相关性计算方法进行计算，引入Shapley值法进行加权，使相关性评价更加全面，更加精确的计算风电集群中的相关性。该预测方法考虑影响发电功率的多种因素，将多种因素融合在一起，使风电集群整体时空相关性特征得到提取，从而达到直接风电集群功率预测的效果，避免了现有方法叠加预测造成误差随之叠加的弊端，提高了预测精度。此外，应用卷积神经网络提取风电集群的关键时空相关特征，达到降低维度的目的，使风电集群的时空相关特征可以直接输入进神经网络中，与风电集群功率相对应，更加方便的进行风电集群发电功率预测，使预测精度更高。