本技術(shù)屬于電網(wǎng)短期出力預(yù)測領(lǐng)域，具體涉及一種基于組合模型的風(fēng)機出力短期預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、在“雙碳”目標(biāo)的指引下，新能源的發(fā)展進(jìn)入快車道，其中尤以風(fēng)電更為顯著。大量風(fēng)機并入電網(wǎng)使得風(fēng)電的輻射面積日趨增長，形成了一個龐大的風(fēng)力供電網(wǎng)。但由于風(fēng)電具有不規(guī)則強、難以預(yù)測等特點，造成了風(fēng)電機組出力的隨機性，使其無法支撐電網(wǎng)的電壓穩(wěn)定。同時，受風(fēng)速變化、紊流等影響，風(fēng)機出力會出現(xiàn)波動和間歇啟停，甚至?xí)臐M負(fù)荷運行狀態(tài)下突然自動甩負(fù)荷。因為風(fēng)電的隨機和不可預(yù)測性會給傳統(tǒng)的調(diào)度與發(fā)電計劃的安排和實施帶來問題。所以電力系統(tǒng)內(nèi)風(fēng)機出力的預(yù)測顯得更加重要。

2、傳統(tǒng)的風(fēng)機出力預(yù)測算法總是以單個的算法形式出現(xiàn)，但在面臨現(xiàn)狀錯綜復(fù)雜的風(fēng)機出力預(yù)測情況時，由于風(fēng)電預(yù)測的數(shù)據(jù)收集難度很大，出現(xiàn)缺失和異常時常存在，單一的該模型難以對風(fēng)機出力進(jìn)行預(yù)測分析。

技術(shù)實現(xiàn)思路

1、本技術(shù)提出了一種基于組合模型的風(fēng)機出力短期預(yù)測方法及系統(tǒng)，通過組合模型識別出風(fēng)機出力時序的規(guī)律性，以預(yù)測出更精確的風(fēng)機出力預(yù)測值。

2、本技術(shù)的第一方面提供了一種基于組合模型的風(fēng)機出力短期預(yù)測方法，所述方法包括：

3、對獲取的風(fēng)機出力時序數(shù)據(jù)進(jìn)行平穩(wěn)化處理，得到第一時序數(shù)據(jù)；

4、將第一時序數(shù)據(jù)輸入至預(yù)設(shè)的差分自回歸移動平均模型中進(jìn)行規(guī)律預(yù)測，得到第一預(yù)測數(shù)據(jù)；

5、將不滿足預(yù)設(shè)的規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)輸入至預(yù)設(shè)的長短記憶網(wǎng)絡(luò)中進(jìn)行規(guī)律化預(yù)測，得到第二預(yù)測數(shù)據(jù)；

6、根據(jù)滿足所述規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)和第二預(yù)測數(shù)據(jù)，通過預(yù)設(shè)的徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，得到風(fēng)機出力的預(yù)測值。

7、上述方案先對獲取的原始風(fēng)機出力時序數(shù)據(jù)進(jìn)行平穩(wěn)化處理，得到有一定平穩(wěn)性、便于后續(xù)進(jìn)行時序預(yù)測的第一時序數(shù)據(jù)；然后通過差分自回歸移動平均模型對第一時序數(shù)據(jù)中有一定周期性的時序數(shù)據(jù)進(jìn)行預(yù)測識別，得到包含高精度規(guī)律性的第一預(yù)測數(shù)據(jù)；然后將第一預(yù)測數(shù)據(jù)中無規(guī)律的數(shù)據(jù)輸入至長短記憶網(wǎng)絡(luò)進(jìn)行規(guī)律化預(yù)測，從無規(guī)律的時序數(shù)據(jù)中預(yù)測得到有一定規(guī)律性的第二預(yù)測數(shù)據(jù)，為后續(xù)的出力預(yù)測提供準(zhǔn)確數(shù)據(jù)支撐；最后將含有一定規(guī)律性的、已經(jīng)通過殘差白噪聲檢測的第一預(yù)測數(shù)據(jù)和第二預(yù)測數(shù)據(jù)，通過徑向基神經(jīng)網(wǎng)絡(luò)結(jié)合數(shù)據(jù)的規(guī)律性進(jìn)行出力預(yù)測，得到高精度的風(fēng)機出力的預(yù)測值。

8、在第一方面的一種可能的實現(xiàn)方法中，對獲取的風(fēng)機出力時序數(shù)據(jù)進(jìn)行平穩(wěn)化處理，得到第一時序數(shù)據(jù)，具體為：

9、對獲取的風(fēng)機出力時序數(shù)據(jù)進(jìn)行預(yù)處理；

10、對預(yù)處理后的所述風(fēng)機出力時序數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗，然后對未通過平穩(wěn)性檢驗的所述風(fēng)機出力時序數(shù)據(jù)進(jìn)行差分處理，得到平穩(wěn)化的所述風(fēng)機出力時序數(shù)據(jù)，記為第一時序數(shù)據(jù)。

11、上述方案先對風(fēng)機出力時序數(shù)據(jù)進(jìn)行預(yù)處理，修正其中的缺失數(shù)據(jù)和異常數(shù)據(jù)，然后對預(yù)處理后的數(shù)據(jù)進(jìn)行平穩(wěn)化處理，得到平穩(wěn)的時序數(shù)據(jù)。因為平穩(wěn)化的數(shù)據(jù)中待估算的參數(shù)量較少，因此能大大提升數(shù)據(jù)運算效率。

12、在第一方面的一種可能的實現(xiàn)方法中，將第一時序數(shù)據(jù)輸入至預(yù)設(shè)的差分自回歸移動平均模型中進(jìn)行規(guī)律預(yù)測，得到第一預(yù)測數(shù)據(jù)，具體為：

13、對第一時序數(shù)據(jù)進(jìn)行自相關(guān)分析，得到自相關(guān)參數(shù)；

14、根據(jù)設(shè)定的模型預(yù)測精度，結(jié)合所述自相關(guān)參數(shù)，確定所述差分自回歸移動平均模型的第一模型參數(shù)；

15、根據(jù)所述第一模型參數(shù)，通過所述差分自回歸移動平均模型對第一時序數(shù)據(jù)的規(guī)律進(jìn)行預(yù)測，得到第一預(yù)測數(shù)據(jù)。

16、上述方案先對第一時序數(shù)據(jù)進(jìn)行自相關(guān)分析，得到能反映數(shù)據(jù)內(nèi)在變量的自相關(guān)參數(shù)，為得到第一時序數(shù)據(jù)的規(guī)律性提供數(shù)據(jù)支撐；然后結(jié)合模型預(yù)測精度和自相關(guān)參數(shù)，限定設(shè)置的差分自回歸移動平均模型的第一模型參數(shù)，通過減少輸入的模型參數(shù)來降低模型的復(fù)雜度的同時保證模型預(yù)測效果。最后基于第一模型參數(shù)，對第一時序數(shù)據(jù)的規(guī)律進(jìn)行預(yù)測，得到有規(guī)律性的第一預(yù)測數(shù)據(jù)。

17、在第一方面的一種可能的實現(xiàn)方法中，將不滿足預(yù)設(shè)的規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)輸入至預(yù)設(shè)的長短記憶網(wǎng)絡(luò)中進(jìn)行規(guī)律化預(yù)測，得到第二預(yù)測數(shù)據(jù)，具體為：

18、根據(jù)預(yù)設(shè)的規(guī)律性檢驗條件，對第一預(yù)測數(shù)據(jù)進(jìn)行檢驗，從不滿足所述規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)中識別出不規(guī)律時序數(shù)據(jù)；

19、根據(jù)所述不規(guī)律時序數(shù)據(jù)，設(shè)置所述長短記憶網(wǎng)絡(luò)的第二模型參數(shù)；

20、根據(jù)所述第二模型參數(shù)，對所述不規(guī)律時序數(shù)據(jù)進(jìn)行規(guī)律化預(yù)測，得到第二預(yù)測數(shù)據(jù)。

21、上述方案通過規(guī)律性檢驗條件從第一預(yù)測數(shù)據(jù)中篩選出隨機性較大、無一定周期性的不規(guī)律時序數(shù)據(jù)，然后通過長短記憶網(wǎng)絡(luò)對不規(guī)律時序數(shù)據(jù)進(jìn)行規(guī)律性構(gòu)建，通過對數(shù)據(jù)進(jìn)行選擇性的保留和刪除，從規(guī)律性不強的數(shù)據(jù)中識別出一定的規(guī)律，為后續(xù)的出力預(yù)測提供準(zhǔn)確數(shù)據(jù)支撐。

22、在第一方面的一種可能的實現(xiàn)方法中，規(guī)律性檢驗條件，具體為：

23、所述規(guī)律性檢驗條件，具體表達(dá)式為：

24、

25、式中，e(x1)為第一預(yù)測數(shù)據(jù)中x1的均值，e(x2)為第一預(yù)測數(shù)據(jù)中x2的均值，v(x1)為第一預(yù)測數(shù)據(jù)中x1的方差，v(x2)為第一預(yù)測數(shù)據(jù)中x2的方差，σ為第一預(yù)測數(shù)據(jù)在各個時刻圍繞其均值波動的平均程度，cov(xt,xt-s)為第一預(yù)測數(shù)據(jù)中xt與xt-s的協(xié)方差。

26、在第一方面的一種可能的實現(xiàn)方法中，根據(jù)所述第二模型參數(shù)，對所述不規(guī)律時序數(shù)據(jù)進(jìn)行規(guī)律化預(yù)測，得到第二預(yù)測數(shù)據(jù)，具體為：

27、根據(jù)當(dāng)前時間點的所述第二模型參數(shù)，更新所述不規(guī)律時序數(shù)據(jù)中當(dāng)前時間點的單元狀態(tài)；

28、根據(jù)所述當(dāng)前時間點的單元狀態(tài)，確定所述不規(guī)律時序數(shù)據(jù)中當(dāng)前時間點的輸出值，并更新下一時間點的所述第二模型參數(shù)；

29、當(dāng)確定所述不規(guī)律時序數(shù)據(jù)中所有時間點的輸出值后，得到第二預(yù)測數(shù)據(jù)。

30、上述方案通過各個時間點的第二模型參數(shù)更新所述不規(guī)律時序數(shù)據(jù)中當(dāng)前時間點的單元狀態(tài)，然后通過單元狀態(tài)更新對應(yīng)的輸出值，實現(xiàn)對數(shù)據(jù)進(jìn)行選擇性地保留和刪除，凸顯出時序數(shù)據(jù)整體的規(guī)律性，然后依據(jù)當(dāng)前時間點的輸出值更新下一時間點的所述第二模型參數(shù)，使得上下時間點的時序數(shù)據(jù)有一定的連續(xù)性。

31、在第一方面的一種可能的實現(xiàn)方法中，還包括：

32、將滿足所述規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)和第二預(yù)測數(shù)據(jù)進(jìn)行整合并輸入至所述徑向基神經(jīng)網(wǎng)絡(luò)中，構(gòu)建風(fēng)機出力預(yù)測模型；

33、通過風(fēng)機出力預(yù)測模型，得到風(fēng)機出力的預(yù)測值。

34、本技術(shù)第二方面提供了一種基于組合模型的風(fēng)機出力短期預(yù)測系統(tǒng)，所述系統(tǒng)包括：平穩(wěn)化處理模塊、規(guī)律性數(shù)據(jù)預(yù)測模塊、不規(guī)律性數(shù)據(jù)預(yù)測模塊和出力數(shù)據(jù)預(yù)測模塊；

35、其中，所述平穩(wěn)化處理模塊用于對獲取的風(fēng)機出力時序數(shù)據(jù)進(jìn)行平穩(wěn)化處理，得到第一時序數(shù)據(jù)；

36、所述規(guī)律性數(shù)據(jù)預(yù)測模塊用于將第一時序數(shù)據(jù)輸入至預(yù)設(shè)的差分自回歸移動平均模型中進(jìn)行規(guī)律預(yù)測，得到第一預(yù)測數(shù)據(jù)；

37、所述不規(guī)律性數(shù)據(jù)預(yù)測模塊用于將不滿足預(yù)設(shè)的規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)輸入至預(yù)設(shè)的長短記憶網(wǎng)絡(luò)中進(jìn)行規(guī)律化預(yù)測，得到第二預(yù)測數(shù)據(jù)；

38、所述出力數(shù)據(jù)預(yù)測模塊用于根據(jù)滿足所述規(guī)律性檢驗條件的第一預(yù)測數(shù)據(jù)和第二預(yù)測數(shù)據(jù)，通過預(yù)設(shè)的徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，得到風(fēng)機出力的預(yù)測值。

39、本技術(shù)第三方面提供了一種終端設(shè)備，所述設(shè)備包括：一種終端設(shè)備，包括處理器和存儲器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)本技術(shù)實施例中任一項所述的一種基于組合模型的風(fēng)機出力短期預(yù)測方法的步驟。

40、本技術(shù)第四方面提供了一種存儲介質(zhì)，所述存儲介質(zhì)存儲計算機可讀程序代碼，當(dāng)所述計算機可讀程序代碼被執(zhí)行時實現(xiàn)本技術(shù)實施例中任一項所述的一種基于組合模型的風(fēng)機出力短期預(yù)測方法的步驟。