一种风功率预测方法

本发明涉及风功率预测，尤其涉及风功率预测方法。

背景技术：

1、风能在可再生能源里具有很大的潜力，但大规模风电的接入也带来了一些挑战。首先，风电的随机性和不稳定性可能导致电力系统的运行点波动，进而影响电压和频率的稳定。在极端情况下，还可能引发风电脱网事故，对电力系统的安全有着很大的隐患。然而，通过准确预测风电功率，可以有效缓解这些问题，优化电力资源的分配，提高电网的稳定性和经济效率。

2、经检索，公告号cn109167387a的中国专利，公开了风场风电功率预测方法，其提出构建风场功率预测模型的方式，进一步评价风电场功率预测精度的技术方案；

3、公告号cn109523077b的中国专利，公开了一种风电功率预测方法，其提出通过获取风电场的风电功率数据，采用神经网络优化的方式对预测未来风电功率区间进行预测的技术方案；

4、然而，现有的风功率预测模型优化方法中，单一模型往往具有使用局限性，因此，亟需一种风功率预测方法。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的风功率预测方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种风功率预测方法，包括以下步骤：

4、步骤s1：采集风电场的实测功率数据；

5、步骤s2：对采集到的数据进行预处理，搭建风功率预测模型；

6、步骤s3：利用蜣螂优化算法和lstm模型，优化风功率预测模型，并加入注意力机制，得到风功率预测结果。

7、进一步地，在蜣螂优化算法中，步骤流程为：

8、步骤1：初始化种群和参数；

9、步骤2：将种群分为蜣螂滚球、蜣螂繁殖、蜣螂觅食和蜣螂偷窃；

10、步骤3：更新个体位置和种群最优位置；

11、步骤4：计算目标函数，判断是否达到迭代条件，如果未达到，则重复步骤2-4，如果达到，则输出最优和最优值。

12、进一步地，利用蜣螂滚球方式进行位置更新，其中：

13、蜣螂滚球路径没有障碍时，蜣螂滚球时的位置更新公式为

14、

15、

16、其中为第t次迭代时第i只蜣螂的位置，k∈(0,0.02]为偏转系数，α为-1或1，b∈(0，1)是一个随机数，δx用来模拟太阳光照强度变化，xworst代表蜣螂群体中表现最差的位置；

17、面对障碍物时，利用切线函数模仿蜣螂跳舞行为重新定位方向，其位置更新方式为

18、

19、其中tan(ω)为偏转角度。

20、进一步地，在步骤s3中，将通过蜣螂优化算法输出的最优解和最优值输入到lstm-attention模型中，其中：

21、通过将训练集输入参数寻优后的lstm-attention，完成模型训练；

22、通过将测试集输入训练完成的模型，获得测试集输出；

23、通过平均绝对误差、均方根误差、平均绝对百分比误差和决定系数作为评价模型性能的依据，判别模型的预测性能

24、相比于现有技术，本发明的有益效果在于：

25、能够有效地解决了现有方法预测结果精度不高的问题，可以为电力系统的日常工作、安排提供有益的理论指导参考，此外，通过本申请方案建立的模型能够在保障历史负荷数据的时序性基础上提高其平稳性，同时对输入特征变量进行筛选，进行多变量对单变量的负荷预测。

技术特征：

1.一种风功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的风功率预测方法，其特征在于，在蜣螂优化算法中，步骤流程为：

3.根据权利要求2所述的风功率预测方法，其特征在于，利用蜣螂滚球方式进行位置更新，其中：

4.根据权利要求3所述的风功率预测方法，其特征在于，在步骤s3中，将通过蜣螂优化算法输出的最优解和最优值输入到lstm-attention模型中，其中：

技术总结
本发明公开了一种风功率预测方法，包括以下步骤：步骤S1：采集风电场的实测功率数据；步骤S2：对采集到的数据进行预处理，搭建风功率预测模型；步骤S3：利用蜣螂优化算法和LSTM模型，优化风功率预测模型，并加入注意力机制，得到风功率预测结果。能够有效地解决了现有方法预测结果精度不高的问题，可以为电力系统的日常工作、安排提供有益的理论指导参考，此外，通过本申请方案建立的模型能够在保障历史负荷数据的时序性基础上提高其平稳性，同时对输入特征变量进行筛选，进行多变量对单变量的负荷预测。

技术研发人员：陈潘蕾,李建国
受保护的技术使用者：上海电机学院
技术研发日：
技术公布日：2024/9/23