风电站风电功率的确定方法、装置和计算机可读存储介质与流程

本说明书属于新能源，尤其涉及风电站风电功率的确定方法、装置和计算机可读存储介质。

背景技术：

1、随着新能源技术的进步和发展，风能发电开始受到越来越多人的关注和重视。

2、但是，由于风能自身的不稳定性和间歇性，导致风电站的风电输出功率的波动性相对较大，往往很难提前准确、实时地预测出风电站风电功率，进而影响后续的风电站电网配网、电站储能、市场调整，以及相关事项的决策。

3、针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

1、本说明书提供了一种风电站风电功率的确定方法、装置和计算机可读存储介质，通过利用基于rnn的第一预测模型，能够构建并训练得到支持实现一个连续时间段中多个时刻的风电功率的中短期预测、效果较好的，基于tcn的第二预测模型，进而可以利用上述第二预测模型，高效、精准地确定出目标风电站当前一个连续时间段中的多个时刻的风电功率。

2、本说明书提供了一种风电站风电功率的确定方法，包括：

3、获取目标风电站关于当前目标时刻的目标特征的数据值；

4、利用第二预测模型处理目标特征的数据值，得到对应的目标预测结果；其中，所述第二预测模型为根据预设的训练规则利用关于目标特征的第二类样本数据和第一预测模型训练得到的tcn模型，所述第一预测模型为利用关于备选特征的第一类样本数据训练得到的rnn模型；

5、根据目标预测结果，确定出目标风电站当前目标时刻的风电功率。

6、在一个实施例中，所述方法还包括：

7、根据第一筛选规则，从关于风电站的特征集中筛选出相匹配的特征作为备选特征；

8、根据预设的训练规则，利用备选特征，构建相应的重构特征；并构建基于rnn的初始的第一预测模型；其中，初始的第一预测模型至少包括初始的第一输入层、初始的rnn隐含层、初始的第一输出层；

9、根据重构特征和样本数据集，构造出相匹配的关于备选特征的第一类样本数据；

10、利用第一类样本数据训练初始的第一预测模型，得到符合要求的第一预测模型；

11、根据预设的处理规则，利用第一预测模型确定出备选特征的shap值；

12、根据第二筛选规则和备选特征的shap值，从所述备选特征中筛选出符合要求的目标特征；

13、根据预设的训练规则，利用目标特征和样本数据集，构造出相匹配的关于目标特征的第二类样本数据；并构建基于tcn的初始的第二预测模型；其中，初始的第二预测模型至少包括初始的第二输入层、初始的tcn层、初始的第二输出层；

14、利用第二类样本数据训练初始的第二预测模型，得到符合要求的第二预测模型。

15、在一个实施例中，根据第一筛选规则，从关于风电站的特征集中筛选出相匹配的特征作为备选特征，包括：

16、获取目标风电站当前时间段的环境参数；

17、根据第一筛选规则、目标风电站当前时间段的环境参数，从关于风电站的特征集中筛选出相匹配的特征作为备选特征。

18、在一个实施例中，所述备选特征包括：风电功率的滞后1期数据、风电功率的滞后2期数据、风电功率的滞后3期数据、风电功率的滞后96期数据、风电功率的滞后97期数据、风电功率的滞后98期数据、风电功率的滞后35040期数据、风电功率的滞后35041期数据、风电功率的滞后35042期数据，风速的当前时刻数据、风速的滞后1期数据、风速的滞后2期数据、风速的滞后3期数据、风速的滞后96期数据、风速的滞后97期数据、风速的滞后98期数据、风速的滞后35040期数据、风速的滞后35041期数据、风速的滞后35042期数据、温度的当前时刻数据、湿度的当前时刻数据。

19、在一个实施例中，根据预设的处理规则，利用第一预测模型确定出备选特征的shap值，包括：

20、根据预设的处理规则，利用样本数据集，构造出关于备选特征的测试数据；

21、通过修改测试数据中至少的一个备选特征，得到修改后的数据；并组合测试数据和修改后的数据，建立测试数据集；

22、利用第一预测模型处理测试数据集，得到相对应的多种情况类型的预测结果；

23、根据多种情况类型的预测结果，确定出备选特征的shap值。

24、在一个实施例中，按照以下算式，确定出备选特征的shap值：

25、

26、其中，为编号为i的备选特征的shap值，n表示测试数据集中备选特征组成的集合，n的维度为m，s表示基于n抽取得到的不包含编号为i的备选特征的一个子集，s的维度为|s|，fx(s)表示利用第一预测模型处理测试数据集中关于s的测试数据得到的相对应的情况类型的预测结果的平均值，表示利用第一预测模型处理测试数据集中关于s和编号为i的备选特征的并集的测试数据得到的相对应的情况类型的预测结果的平均值。

27、在一个实施例中，在利用第二类样本数据训练初始的第二预测模型，得到符合要求的第二预测模型之后，所述方法还包括：

28、获取目标风电站关于上一个目标时间段的多个时刻的目标特征的数据值；查询目标风电站的发电记录，获取目标风电站的上一个目标时间段的多个时刻的风电功率的实测值；

29、通过利用第二预测模型处理目标风电站关于上一个目标时间段的多个时刻的目标特征的数据值，确定出目标风电站的上一个目标时间段的多个时刻的风电功率的预测值；

30、根据目标风电站的上一个目标时间段的多个时刻的风电功率的实测值，以及目标风电站的上一个目标时间段的多个时刻的风电功率的预测值，计算出第二预测模型的模型准确率；

31、检测模型准确率是否大于等于预设的准确率阈值；

32、在确定模型准确率小于预设的准确率阈值的情况下，根据预设的调整规则，调整并更新第二预测模型。

33、本说明书还提供了一种风电站风电功率的确定装置，包括：

34、获取模块，用于获取目标风电站关于当前目标时刻的目标特征的数据值；

35、处理模块，用于利用第二预测模型处理目标特征的数据值，得到对应的目标预测结果；其中，所述第二预测模型为根据预设的训练规则利用关于目标特征的第二类样本数据和第一预测模型训练得到的tcn模型，所述第一预测模型为利用关于备选特征的第一类样本数据训练得到的rnn模型；

36、确定模块，用于根据目标预测结果，确定出目标风电站当前目标时刻的风电功率。

37、本说明书还提供了一种数据处理方法，包括：

38、根据第一筛选规则，从关于风电站的特征集中筛选出相匹配的特征作为备选特征；

39、根据预设的训练规则，利用备选特征，构建相应的重构特征；并构建基于rnn的初始的第一预测模型；其中，初始的第一预测模型至少包括初始的第一输入层、初始的rnn隐含层、初始的第一输出层；

40、根据重构特征和样本数据集，构造出相匹配的关于备选特征的第一类样本数据；

41、利用第一类样本数据训练初始的第一预测模型，得到符合要求的第一预测模型；

42、根据预设的处理规则，利用第一预测模型确定出备选特征的shap值；

43、根据第二筛选规则和备选特征的shap值，从所述备选特征中筛选出符合要求的目标特征；

44、根据预设的训练规则，利用目标特征和样本数据集，构造出相匹配的关于目标特征的第二类样本数据；并构建基于tcn的初始的第二预测模型；其中，初始的第二预测模型至少包括初始的第二输入层、初始的tcn层、初始的第二输出层；

45、利用第二类样本数据训练初始的第二预测模型，得到符合要求的第二预测模型；其中，所述第二预测模型用于预测风电站的风电功率。

46、本说明书还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现所述风电站风电功率的确定方法的相关步骤。

47、基于本说明书提供的风电站风电功率的确定方法、装置和计算机可读存储介质，具体实施前，可以先筛选出相匹配的备选特征，并构建相应的重构特征；再利用重构特征和样本数据集，构造出关于备选特征的第一类样本数据；利用第一类样本数据训练基于rnn的初始的第一预测模型，可以快速地训练得到符合要求的第一预测模型；再根据预设的处理规则，利用第一预测模型确定出备选特征的shap值；并根据第二筛选规则和备选特征的shap值，从备选特征中筛选出效果较好的标特征；再根据预设的训练规则，利用目标特征和样本数据集，构造出相匹配的关于目标特征的第二类样本数据；并构建基于tcn的初始的第二预测模型；利用第二类样本数据训练初始的第二预测模型，得到支持实现一个连续的时间段中多个时刻的风电功率的中短期预测的第二预测模型。具体实施时，可以先获取目标风电站关于当前目标时刻的目标特征的数据值；再通过利用第二预测模型通过处理目标特征的数据值，确定出目标风电站当前目标时刻的风电功率。从而可以较好地适配于风电站监管场景，能够较为高效、精准地确定出目标风电站一个连续的时间段内多个时刻具体的风电功率，以为目标风电站的相关决策提供有价值的参考，进而可以有效地减少决策失误，确保目标风电站电网配网安全，同时还有助于提高目标风电站的市场效益。

技术特征：

1.一种风电站风电功率的确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，根据第一筛选规则，从关于风电站的特征集中筛选出相匹配的特征作为备选特征，包括：

4.根据权利要求2所述的方法，其特征在于，所述备选特征包括：风电功率的滞后1期数据、风电功率的滞后2期数据、风电功率的滞后3期数据、风电功率的滞后96期数据、风电功率的滞后97期数据、风电功率的滞后98期数据、风电功率的滞后35040期数据、风电功率的滞后35041期数据、风电功率的滞后35042期数据，风速的当前时刻数据、风速的滞后1期数据、风速的滞后2期数据、风速的滞后3期数据、风速的滞后96期数据、风速的滞后97期数据、风速的滞后98期数据、风速的滞后35040期数据、风速的滞后35041期数据、风速的滞后35042期数据，温度的当前时刻数据、湿度的当前时刻数据。

5.根据权利要求2所述的方法，其特征在于，根据预设的处理规则，利用第一预测模型确定出备选特征的shap值，包括：

6.根据权利要求5所述的方法，其特征在于，按照以下算式，确定出备选特征的shap值：

7.根据权利要求2所述的方法，其特征在于，在利用第二类样本数据训练初始的第二预测模型，得到符合要求的第二预测模型之后，所述方法还包括：

8.一种风电站风电功率的确定装置，其特征在于，包括：

9.一种数据处理方法，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被处理器执行时实现权利要求1至7，或9中任一项所述方法的步骤。

技术总结
本说明书提供了风电站风电功率的确定方法、装置和计算机可读存储介质，基于该方法，具体实施前，可以先获取并基于备选特征训练得到基于RNN的第一预测模型；再根据预设的处理规则，利用第一预测模型确定出备选特征的shap值；根据shap值，从备选特征中筛选出目标特征；再基于目标特征训练得到支持实现一个连续时间段中多个时刻的风电功率的中短期预测的，基于TCN的第二预测模型。具体实施时，可以先获取目标风电站关于当前目标时刻的目标特征的数据值；再通过利用第二预测模型处理目标特征的数据值，确定出目标风电站当前目标时刻的风电功率。从而能够较为高效、精准地确定出目标风电站当前一个连续时间段中的多个时刻的风电功率。

技术研发人员：武雪洁,刘峻,任晓朦,胡坤,刘振
受保护的技术使用者：中电建新能源集团股份有限公司
技术研发日：
技术公布日：2024/12/5