(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111534394.5 (22)申请日 2021.12.15 (71)申请人 广西电网有限责任公司北海供电局 地址 536000 广西壮 族自治区北海市海 城 区北部湾东路27号供电大厦 申请人 广西电网有限责任公司 (72)发明人 戚焕兴　廖云　唐家淳　许小红　 万俊　徐文文　张捷　李振东　 杨加意　潘连荣　马游　 (74)专利代理 机构 广州市专 注鱼专利代理有限 公司 44456 专利代理师 杨瑾 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)H02J 3/00(2006.01) G06N 3/08(2006.01) G06N 20/20(2019.01) (54)发明名称 基于预报风速修正和多模型融合的风电功 率预测方法 (57)摘要 本申请公开了基于预报风速修正和多模型 融合的风电功率预测方法， 包括： 采集数据并预 处理获取样 本数据； 分别调用历史数值天气预报 数据和历史实测气象数据作为输入样本、 输出样 本， 搭建并训练风速修正模型； 调用风电场出厂 风速‑功率曲线对照表数据， 搭建并训练朴素风 电功率预测模 型； 调用历史实测气象数据与朴素 风电功率预测模 型形成新样本， 搭建并训练基于 预报风速修正和多模型融合的风电功率预测模 型； 调用数值天气预报数据、 风速修正模型与朴 素风电功率预测模型， 形成风电功率预测模型的 输入样本， 经风电功率预测模型输出最终风电功 率预测值。 本发明基于风速修正模型、 物理模型、 统计模型的融合， 进行风电功率预测， 进一步提 高风电功率预测的准确率。 权利要求书1页 说明书7页 附图6页 CN 114462666 A 2022.05.10 CN 114462666 A 1.基于预报风速修 正和多模型融合的风电功率预测方法， 其特 征在于， 包括： 采集数据， 并对所述数据进行归一化预处理获取样本数据， 备用于训练， 所述样本数据 包括风电场历史实测气象数据、 历史数值天气预报数据、 历史实测风电功率数据； 调用所述历史数值天气预报数据作为输入样本、 历史实测气象数据作为输出样本， 搭 建并训练风速修 正模型； 调用所述 风电场出厂风速 ‑功率曲线对照表数据， 搭建并训练朴素风电功率预测模型； 调用所述历史实测气象数据与朴素风电功率预测模型形成新样本， 搭建并训练基于预 报风速修 正和多模型融合的风电功率预测模型； 调用其他气象数据、 所述风速修正模型与 所述朴素风电功率预测模型进行风速修正和 朴素预测， 形成所述风电功率预测模型 的输入样本， 所述基于预报风速修正和多模型融合 的风电功率预测模型输出风电功率预测值。 2.根据权利要求1所述的风电功率预测方法， 其特征在于， 所述风电功率预测模型输出 风电功率预测值之后， 所述方法还 包括： 在线更新样本数据， 并定期对风速修正模型、 朴素风电功率预测模型和风电功率预测 模型进行在线训练， 以维持预测准确率。 3.根据权利要求1所述的风电功率预测方法， 其特征在于， 所述其他气象数据包括： 预 报风向、 预报湿度、 预报温度和预报气压 。权　利　要　求　书 1/1 页 2 CN 114462666 A 2基于预报风速修正和多模型融合的风电功率 预测方法 技术领域 [0001]本申请涉及 风电功率预测技术领域， 特别涉及基于预报风速修正和多模型融合的 风电功率预测方法。 背景技术 [0002]目前主流的短期风电功率预测方法主要分为两类， 一种是传统物理模型方法， 该 方法通过对风电场、 风电机组本身的机组特性建立风电功率函数， 以数值天气预报、 地形、 地表粗糙度等作为模 型输入， 进 行风电功 率预测， 物理模型算法的局限性主要体现在： 需要 综合考虑风电场地形、 地表粗糙度、 风电机组尾流效应等带来的影响， 需要较多物理参数， 建模较困难； 而风机出厂功 率曲线由于未考虑风向、 湿度、 气 压的影响， 准确率较低， 一般不 能直接用于预测； 另一种是 统计模型方法， 该类方法一般基于实测气象数据、 数值 天气预报 和风机实际出力作为建模数据基础， 通过人工神经网络、 支持向量机、 决策树等人工智能模 型对数据进行学习， 通过模型参数表征风电规律特性与规律， 预测时通过调用数值天气预 报、 历史风电功率进行预测， 统计模型算法的局限性主要体现在： 需要一定的历史数据， 且 要求对模型输入量与风电功率的要 有高度耦合度， 否则无法建立良好模型。 [0003]传统物理模型与统计模型在单独应用于风电功率预测时均展现出较大局限性， 且 因受数值天气预报误差的影响， 尤其是风速预报误差的影响较大， 使得现有风电功率预测 算法的预测准确率较低。 发明内容 [0004]本申请提供了基于预报风速修正和多模型 融合的风电功率预测方法， 融合了风机 物理模型与历史大数据， 基于深度神经网络建立了预报风速修正的统计模型， 基于极限学 习机建立了风电功率预测的物理模型， 基于深度神经网络建立了风电功率预测的统计模 型， 并将三者进行融合， 将所述预报风速修正统计模型和所述风电功率预测物理模型作为 所述风电功率预测统计模型 的输入， 降低了风速预报误差的不良影响， 并且丰富了风电功 率预测的辨识特 征量， 进而， 融合后的组合模型能达 到更好的预测效果。 [0005]本申请提供了基于预报风速修 正和多模型融合的风电功率预测方法， 包括： [0006]采集数据， 并对所述数据进行归一化预处理获取样本数据， 备用于训练， 所述样本 数据包括 风电场历史实测气象数据、 历史数值天气预报数据、 历史实测风电功率数据； [0007]调用所述历史数值天气预报数据作为输入样本、 历史实测气象数据作为输出样 本， 搭建并训练风速修 正模型； [0008]调用所述风电场出厂风速 ‑功率曲线对照表数据， 搭建并训练朴素风电功率预测 模型； [0009]调用所述历史实测气象数据与朴素风电功率预测模型形成新样本， 搭建并训练基 于预报风速修 正和多模型融合的风电功率预测模型； [0010]调用其他气象数据、 所述风速修正模型与所述朴素风电功率预测模型进行风速修说　明　书 1/7 页 3 CN 114462666 A 3