一种风电功率预测方法和装置

1.一种风电功率预测方法，其特征在于，包括：获取预报时间分辨率的预报风速；将所述预报时间分辨率的预报风速输入预先构建的目标时间分辨率风速超短期预测模型，得到目标时间分辨率的预测风速；将所述目标时间分辨率的预测风速带入预先构建的风电功率预测模型进行求解，得到所述目标时间分辨率的预测风速对应的风电功率预测值；其中，所述预报时间分辨率大于目标时间分辨率；所述目标时间分辨率风速超短期预测模型基于目标时间分辨率的实测风速和预报时间分辨率的预报风速的分布特征相似关系确定目标时间分辨率的预测风速；所述目标时间分辨率风速超短期预测模型的构建，包括：基于目标时间分辨率下的实测风速和预报时间分辨率下的预报风速，计算所述实测风速对应的动态优化函数和预报风速对应的动态优化函数的形状关联系数；确定实测风速的分布位置参数和预报风速的分布位置参数，并基于所述实测风速的分布位置参数和预报风速的分布位置参数确定目标时间分辨率的实测风速与预报时间分辨率的预报风速的分布相似参数；基于所述实测风速的动态优化函数和预报风速的动态优化函数的形状关联系数以及目标时间分辨率的实测风速与预报时间分辨率的预报风速的分布相似参数构建所述目标时间分辨率风速超短期预测模型。 2.根据权利要求1所述的风电功率预测方法，其特征在于，所述实测风速对应的动态优化函数和预报风速对应的动态优化函数的形状关联系数按下式确定：式中， 为实测风速对应的动态优化函数和预报风速对应的动态优化函数的形状关联系数， 为预报风速对应的动态优化函数的差分， 为实测风速对应的动态优化函数的差分， 为预报风速对应的动态优化函数的差分与实测风速对应的动态优化函数的差分绝对误差的最小值， 为预报风速对应的动态优化函数的差分与实测风速对应的动态优化函数的差分绝对误差的最大值，ω为 的分辨系数。 3.根据权利要求2所述的风电功率预测方法，其特征在于，所述 和 按下式确定：式中， 为t时刻实测风速对应的动态优化函数， 为t时刻预报风速对应的动态优化函数， 为t+1时刻实测风速对应的动态优化函数， 为t+1时刻预报风速对应的动态优化函数。 4.根据权利要求3所述的风电功率预测方法，其特征在于，所述 按下式确定：式中，k为时间间隔索引，s为第k个时间间隔的实测风速点总个数，x(k+m)表示目标时间分辨率下第k个时间间隔的第m个实测风速点处的实测风速；所述 按下式确定：式中，r为第k个时间间隔的预报风速点总个数，y(k+n)表示预报时间分辨率下第k个时间间隔的第n个预报风速点处的预报风速。 5.根据权利要求1所述的风电功率预测方法，其特征在于，所述实测风速的分布位置参数的确定，包括：获取目标时间分辨率的实测风速，并基于目标时间分辨率的实测风速确定目标时间分辨率的实测风速对应的横坐标位置；确定所述目标时间分辨率的实测风速与所述目标时间分辨率的实测风速对应的横坐标位置的第一映射关系；基于所述第一映射关系对所述目标时间分辨率的实测风速和所述目标时间分辨率的实测风速对应的横坐标位置进行拟合，得到实测风速的分布位置参数。 6.根据权利要求5所述的风电功率预测方法，其特征在于，所述第一映射关系按下式确定：x＝a x +b x λ x +σ x式中，x为所述目标时间分辨率的实测风速，a x 、b x 和σ x 为所述实测风速的分布位置参数，λ x 为所述目标时间分辨率的实测风速对应的横坐标位置。 7.根据权利要求6所述的风电功率预测方法，其特征在于，所述预报风速的分布位置参数的确定，包括：获取预报时间分辨率的预报风速，并基于预报时间分辨率的预报风速确定预报时间分辨率的预报风速对应的横坐标位置；确定所述预报时间分辨率的预报风速与所述预报时间分辨率的预报风速对应的横坐标位置的第二映射关系；基于所述第二映射关系对所述预报时间分辨率的预报风速和所述预报时间分辨率的预报风速对应的横坐标位置进行拟合，得到预报风速的分布位置参数。 8.根据权利要求7所述的风电功率预测方法，其特征在于，所述第二映射关系按下式确定：y＝a y +b y λ y +σ y式中，y为所述预报时间分辨率的预报风速，a y 、b y 、σ y 为所述预报风速的分布位置参数，λ y 为所述预报时间分辨率的预报风速对应的横坐标位置。 9.根据权利要求8所述的风电功率预测方法，其特征在于，所述基于所述实测风速的分布位置参数和预报风速的分布位置参数确定目标时间分辨率的实测风速与预报时间分辨率的预报风速之间的分布相似参数，包括：基于实测风速的分布位置参数确定实测风速的概率密度函数，并基于预报风速的分布位置参数确定预报风速的概率密度函数；基于所述实测风速的概率密度函数、所述预报风速的概率密度函数以及所述实测风速的概率密度函数与所述预报风速的概率密度函数之间的分布特征相似关系确定所述目标时间分辨率的实测风速与预报时间分辨率的预报风速之间的分布相似参数。 10.根据权利要求9所述的风电功率预测方法，其特征在于，所述实测风速的概率密度函数与所述预报风速的概率密度函数之间的分布特征相似关系按下式确定：式中，μ(x|a x ；b x ；σ x 2 )为所述实测风速的概率密度函数，g(y|a y ；b y ；σ y 2 )为所述预报风速的概率密度函数，z为预报成员索引，Z为预报成员总个数，w z 为第z个预报成员下目标时间分辨率的实测风速与预报时间分辨率的预报风速之间的分布相似参数。 11.根据权利要求10所述的风电功率预测方法，其特征在于，所述目标时间分辨率风速超短期预测模型按下式确定：式中，y target 为目标时间分辨率的预报风速， 为实测风速对应的动态优化函数和预报风速对应的动态优化函数的形状关联系数。 12.根据权利要求11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按下式构建：wp＝net{∑ρ 3 *y target +ε}式中，wp为目标时间分辨率的风电功率预测值，net为神经网络的激活函数，ρ为空气密度，ε为目标时间分辨率的风电功率预测值与风电功率预设值的最大误差。 13.根据权利要求1所述的风电功率预测方法，其特征在于，所述将所述目标时间分辨率的预测风速带入预先构建的风电功率预测模型进行求解，包括：基于所述目标时间分辨率的预测风速，采用深度学习算法对风电功率预测模型进行求解。 14.一种风电功率预测装置，其特征在于，包括：获取模块，用于获取预报时间分辨率的预报风速；确定模块，用于将所述预报时间分辨率的预报风速输入预先构建的目标时间分辨率风速超短期预测模型，得到目标时间分辨率的预测风速；求解模块，用于将所述目标时间分辨率的预测风速带入预先构建的风电功率预测模型进行求解，得到所述目标时间分辨率的预测风速对应的风电功率预测值；其中，所述预报时间分辨率大于目标时间分辨率；所述目标时间分辨率风速超短期预测模型基于目标时间分辨率的实测风速和预报时间分辨率的预报风速的分布特征相似关系确定目标时间分辨率的预测风速；所述确定模块中的目标时间分辨率风速超短期预测模型的构建，包括：基于目标时间分辨率下的实测风速和预报时间分辨率下的预报风速，计算所述实测风速对应的动态优化函数和预报风速对应的动态优化函数的形状关联系数；确定实测风速的分布位置参数和预报风速的分布位置参数，并基于所述实测风速的分布位置参数和预报风速的分布位置参数确定目标时间分辨率的实测风速与预报时间分辨率的预报风速的分布相似参数；基于所述实测风速的动态优化函数和预报风速的动态优化函数的形状关联系数以及目标时间分辨率的实测风速与预报时间分辨率的预报风速的分布相似参数构建所述目标时间分辨率风速超短期预测模型。