一种低温寒潮极端天气条件下风电出力受限预估方法

技术特征：
1.一种低温寒潮极端天气条件下风电出力受限预估方法，其特征在于按以下步骤进行：s1：对现有的风电场数据进行划分，用于预测模型的训练及测试，结合低温寒潮天气定义指标，对训练数据进行筛选得到低温寒潮极端天气条件下风电出力受限时段、出力正常时段数据，并通过timegan和cyclegan进行样本数据组合扩充；s2：基于经过s1数据筛选和样本扩充的数据，分别构建风电出力受限时段、风电出力正常时段这两类数据的特征图谱，结合svm算法训练得到低温寒潮极端天气条件下风电出力受限判别模型；s3：基于经过s1数据筛选和样本扩充的数据，分别通过lstm网络模型构建低温寒潮极端天气条件下风电出力受限时段、出力正常时段预测模型；s4：组合构建低温寒潮极端天气条件下风电出力综合预测模型，以rmse和mae作为综合预测模型性能评判标准，将s1的测试数据输入综合预测模型后进入预测，输出结果。2.根据权利要求1中所述低温寒潮极端天气条件下风电出力受限预估方法，其特征在于，所述s1步骤中，对现有的风电场数据进行划分，包括采集到的风电场时间分辨率为15分钟的nwp数据集及其对应的功率数据，将其中的70％数据用于预测模型的训练，30％数据用于预测模型的测试；结合低温寒潮天气定义指标，对训练数据进行筛选得到低温寒潮极端天气条件下风电出力受限时段、出力正常时段的nwp数据和风电功率数据；基于得到的数据分别采用timegan和cyclegan对样本数据进行组合扩充，将出力受限时段、出力正常时段数据分别输入timegan模型进行对应类别数据扩充，将出力受限时段、出力正常时段数据同时输入cyclegan模型进行两类数据共同扩充。3.根据权利要求1中所述低温寒潮极端天气条件下风电出力受限预估方法，其特征在于，所述s2步骤中，将s1步骤得到的低温寒潮极端天气条件下风电出力受限时段、出力正常时段数据作为原始数据，基于相关性分析对原始数据进行特征优化，得到最优特征子集，并结合min-max标准化方法，对数据进行线性变换，使结果映射到[0,255]之间，将得到的图像化数据转化为灰度图，作为对应时段的特征图谱，选择svm作为风电出力受限判别的分类器模型，训练得到低温寒潮极端天气条件下风电出力受限判别模型。4.根据权利要求1中所述低温寒潮极端天气条件下风电出力受限预估方法，其特征在于，所述s3步骤中，构建低温寒潮极端天气条件下风电出力受限时段、出力正常时段预测模型，其具体步骤包括：s3.1：针对低温寒潮极端天气条件下风电出力正常时段，选择经过s1样本扩充的原始nwp数据作为风电出力正常时段预测模型的输入，原始nwp数据包括风速、风向、气温和气压，结合lstm算法训练得到低温寒潮极端天气条件下风电出力正常时段预测模型；s3.2：针对低温寒潮极端天气条件下风电出力受限时段，基于经过s1样本扩充的原始nwp数据，结合vmd信号分解算法进行特征挖掘，将nwp数据分解为不同频率的分量，构建高维气象特征，再结合随机森林算法进行特征选择，得到低温寒潮下风电出力受限时段的典型气象特征，典型气象特征包括风速高频分量、气温低频分量和风向低频分量，作为风电出力受限时段预测模型的输入，结合lstm算法训练得到低温寒潮极端天气条件下风电出力受限时段预测模型。5.根据权利要求1中所述低温寒潮极端天气条件下风电出力受限预估方法，其特征在
于，所述s4步骤中，将s2步骤得到的低温寒潮极端天气条件下风电出力受限判别模型与s3步骤得到的低温寒潮极端天气条件下风电出力受限时段、出力正常时段预测模型进行组合，构建得到低温寒潮极端天气条件下风电出力综合预测模型；即先由出力受限判别模型判断风电出力是否受限，再根据判断结果与相对应风电出力受限时段预测模型或风电出力正常时段预测模型进行预测得到预测结果；以rmse和mae作为综合预测模型性能评判标准，将s1的30％测试数据用于综合预测模型进入预测，输出结果。

技术总结
本发明公开一种低温寒潮极端天气条件下风电出力受限预估方法，对现有的风电场数据进行划分，用于预测模型的训练及测试，结合低温寒潮天气定义指标，对训练数据进行筛选得到低温寒潮极端天气条件下风电出力受限时段、出力正常时段数据，并通过timeGAN和CycleGAN进行样本数据组合扩充；分别构建这两类数据的特征图谱，结合SVM算法训练得到风电出力受限判别模型；通过LSTM网络模型分别构建低温寒潮极端天气条件下风电出力受限时段、出力正常时段预测模型；组合构建低温寒潮极端天气条件下风电出力综合预测模型，将测试数据输入综合预测模型后进入预测，输出结果。通过本方法实现低温寒潮极端天气条件下风电出力受限预警，提升风电出力预测功率精度，具有推广价值。具有推广价值。具有推广价值。


技术研发人员：彭小圣 宋嘉炯 王勃 李宝聚 王铮
受保护的技术使用者：华中科技大学 中国电力科学研究院有限公司
技术研发日：2022.11.17
技术公布日：2023/2/3