本發(fā)明涉及數(shù)據(jù)處理，尤其涉及不同天氣的風(fēng)電功率確定方法、系統(tǒng)、存儲(chǔ)介質(zhì)及設(shè)備。

背景技術(shù)：

1、隨著全球?qū)稍偕茉匆蕾囆缘脑鰪?qiáng)，風(fēng)電作為清潔能源的重要組成部分，其功率預(yù)測(cè)的準(zhǔn)確性對(duì)于電力系統(tǒng)的穩(wěn)定運(yùn)行和調(diào)度優(yōu)化至關(guān)重要，然而，在極端天氣條件下，如強(qiáng)風(fēng)暴、熱浪、冷鋒等自然現(xiàn)象的頻繁發(fā)生，給風(fēng)電功率的準(zhǔn)確預(yù)測(cè)帶來(lái)了前所未有的挑戰(zhàn)；風(fēng)廓線指數(shù)作為衡量不同高度風(fēng)速變化特性的關(guān)鍵指標(biāo)，在極端氣候事件中表現(xiàn)出極大的不穩(wěn)定性，這些極端天氣不僅導(dǎo)致風(fēng)速的急劇變化，還伴隨著湍流強(qiáng)度的顯著增加和大氣穩(wěn)定性的顯著變化，這些因素共同作用于風(fēng)廓線指數(shù)，使得傳統(tǒng)的基于歷史數(shù)據(jù)的預(yù)測(cè)模型難以準(zhǔn)確捕捉其動(dòng)態(tài)變化特征。

2、現(xiàn)有的風(fēng)電功率預(yù)測(cè)模型大多依賴于常規(guī)天氣條件下的歷史數(shù)據(jù)，通過(guò)統(tǒng)計(jì)分析或物理模型模擬來(lái)預(yù)測(cè)未來(lái)風(fēng)電功率，然而，在面對(duì)極端天氣時(shí)，由于這類天氣事件的稀缺性和短暫性，導(dǎo)致可獲取的樣本數(shù)據(jù)極為有限，難以構(gòu)建全面反映極端天氣特征的數(shù)據(jù)集，此外，極端天氣的復(fù)雜物理機(jī)制遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)物理模型的描述能力，使得模型在極端條件下的預(yù)測(cè)精度大打折扣。

3、為了提高風(fēng)電功率在極端天氣條件下的預(yù)測(cè)準(zhǔn)確性，亟需一種能夠充分考慮極端氣象條件下風(fēng)廓線特性特殊變化的新方法，能夠整合極端天氣的常規(guī)氣象數(shù)據(jù)和極端氣象數(shù)據(jù)，通過(guò)先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)提取關(guān)鍵氣象特征，并基于這些特征進(jìn)行爬坡事件及極值功率的精準(zhǔn)預(yù)測(cè)。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述問(wèn)題，提出了不同天氣的風(fēng)電功率確定方法。

2、一種不同天氣的風(fēng)電功率確定方法，所述方法包括下列步驟：

3、采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)所述風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集；

4、根據(jù)所述第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)所述若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)；

5、利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)所述極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型；

6、實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速；

7、根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線；

8、根據(jù)所述不同風(fēng)速下的功率輸出曲線確定所述風(fēng)電機(jī)組輪轂高度的風(fēng)速對(duì)應(yīng)的風(fēng)電功率。

9、上述方案中，所述采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)所述風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集，具體包括：

10、對(duì)所述歷史天氣數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和去除缺失值、異常值，并采用z-score標(biāo)準(zhǔn)化方法對(duì)處理后的數(shù)據(jù)進(jìn)行歸一化，利用k-means聚類算法對(duì)歸一化后的數(shù)據(jù)進(jìn)行分類，得到強(qiáng)風(fēng)暴、熱浪、冷鋒對(duì)應(yīng)的風(fēng)廓線指數(shù)樣本庫(kù)；

11、將所述風(fēng)廓線指數(shù)樣本庫(kù)中的數(shù)據(jù)作為訓(xùn)練樣本并輸入生成對(duì)抗網(wǎng)絡(luò)，提取風(fēng)速、溫度、氣壓，并通過(guò)相關(guān)性分析和主成分分析，選擇解釋方差占比超過(guò)預(yù)設(shè)閾值的主成分作為極端天氣屬性特征；

12、利用生成對(duì)抗網(wǎng)絡(luò)算法，通過(guò)生成器和判別器的對(duì)抗學(xué)習(xí)，對(duì)所述樣本庫(kù)中的滿足極端天氣屬性特征的數(shù)據(jù)進(jìn)行擴(kuò)展，獲取第一數(shù)據(jù)集。

13、上述方案中，所述根據(jù)所述第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)所述若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)，具體包括：

14、獲取極端天氣條件下的氣溫梯度、風(fēng)速梯度和湍流強(qiáng)度的氣象參數(shù)；

15、對(duì)所述氣象參數(shù)進(jìn)行預(yù)處理，并提取提取氣象參數(shù)中的關(guān)鍵特征，確定氣象參數(shù)特征向量；

16、采用隨機(jī)森林算法，以所述氣象參數(shù)特征向量為輸入，訓(xùn)練氣象

17、參數(shù)與風(fēng)廓線指數(shù)之間的非線性關(guān)系模型；

18、利用訓(xùn)練完成的氣象參數(shù)與風(fēng)廓線指數(shù)之間的非線性關(guān)系模型，對(duì)新采集到的極端天氣條件下的氣象參數(shù)數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到對(duì)應(yīng)的風(fēng)廓線指數(shù)。

19、上述方案中，所述利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)所述極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型，具體包括：

20、根據(jù)極端天氣的風(fēng)廓線指數(shù)、氣溫梯度、風(fēng)速梯度和湍流強(qiáng)度確定極端天氣時(shí)序特征數(shù)據(jù)集；

21、根據(jù)所述極端天氣時(shí)序特征數(shù)據(jù)集訓(xùn)練雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，直至所述雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)訓(xùn)練完成；

22、根據(jù)訓(xùn)練完成的雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)對(duì)所述極端天氣時(shí)序特征數(shù)據(jù)集進(jìn)行特征重要性分析，評(píng)估各氣象要素特征對(duì)風(fēng)廓線指數(shù)預(yù)測(cè)結(jié)果的影響分類結(jié)果，根據(jù)所述影響分類結(jié)果對(duì)所述訓(xùn)練完成的雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)進(jìn)行優(yōu)化；

23、將實(shí)時(shí)采集的氣溫梯度、風(fēng)速梯度和湍流強(qiáng)度輸入優(yōu)化后的雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，預(yù)測(cè)當(dāng)前數(shù)據(jù)對(duì)應(yīng)的風(fēng)廓線指數(shù)。

24、上述方案中，所述實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速，具體包括：

25、通過(guò)實(shí)時(shí)氣象站獲取地面風(fēng)速數(shù)據(jù)；

26、利用冪律模型或?qū)?shù)率分布模型分別獲取第一風(fēng)速廓線評(píng)估結(jié)果、第二風(fēng)速廓線評(píng)估結(jié)果；

27、對(duì)所述第一風(fēng)速廓線評(píng)估結(jié)果、第二風(fēng)速廓線評(píng)估結(jié)果進(jìn)行加權(quán)平均確定風(fēng)電機(jī)組輪轂高度的風(fēng)速。

28、上述方案中，所述根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線，具體包括：

29、根據(jù)預(yù)設(shè)時(shí)間周期，實(shí)時(shí)采集歷史地面風(fēng)速數(shù)據(jù)、歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)；

30、對(duì)采集到所述歷史地面風(fēng)速數(shù)據(jù)、所述歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)進(jìn)行分別進(jìn)行預(yù)處理；

31、根據(jù)風(fēng)速區(qū)間對(duì)所述歷史風(fēng)電機(jī)組功率進(jìn)行分組，確定各風(fēng)速區(qū)間內(nèi)歷史風(fēng)電機(jī)組功率的均值、標(biāo)準(zhǔn)差、偏度、峰度，分析所述歷史風(fēng)電機(jī)組功率的分布特征；

32、以各區(qū)間內(nèi)所述歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的均值作為因變量，利用最小二乘法進(jìn)行多項(xiàng)式曲線擬合，得到風(fēng)電機(jī)組在整個(gè)風(fēng)速范圍內(nèi)的功率特性曲線方程。

33、上述方案中，所述根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線，之后，該方法還包括：

34、設(shè)置不同的氣象參數(shù)閾值條件，判斷當(dāng)前時(shí)刻是否處于極端天氣條件；

35、若處于極端天氣條件，則將理論功率與所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型的結(jié)果進(jìn)行融合，修正功率預(yù)測(cè)值；

36、若非極端天氣條件，則直接輸出理論功率作為預(yù)測(cè)結(jié)果。

37、本技術(shù)還提出了一種不同天氣的風(fēng)電功率確定系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)獲取單元、風(fēng)速預(yù)測(cè)單元、功率曲線擬合單元和風(fēng)電功率輸出單元；

38、所述數(shù)據(jù)獲取單元，用于采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)所述風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集；根據(jù)所述第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)所述若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)；

39、所述風(fēng)速預(yù)測(cè)單元，用于利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)所述極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型；實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速；

40、所述功率曲線擬合單元，用于根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線；

41、所述風(fēng)電功率輸出單元，用于根據(jù)所述不同風(fēng)速下的功率輸出曲線確定所述風(fēng)電機(jī)組輪轂高度的風(fēng)速對(duì)應(yīng)的風(fēng)電功率。

42、本技術(shù)還提出了一種可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，使得所述處理器執(zhí)行如下步驟：

43、采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)所述風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集；

44、根據(jù)所述第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)所述若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)；

45、利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)所述極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型；

46、實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速；

47、根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線；

48、根據(jù)所述不同風(fēng)速下的功率輸出曲線確定所述風(fēng)電機(jī)組輪轂高度的風(fēng)速對(duì)應(yīng)的風(fēng)電功率。

49、本技術(shù)還提出了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器如下步驟：

50、采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)所述風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集；

51、根據(jù)所述第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)所述若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)；

52、利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)所述極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型；

53、實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)所述風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速；

54、根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線；

55、根據(jù)所述不同風(fēng)速下的功率輸出曲線確定所述風(fēng)電機(jī)組輪轂高度的風(fēng)速對(duì)應(yīng)的風(fēng)電功率。

56、采用本發(fā)明實(shí)施例，具有如下有益效果：先采集歷史天氣數(shù)據(jù)并對(duì)其進(jìn)行聚類分類，獲取風(fēng)廓線指數(shù)數(shù)據(jù)，對(duì)風(fēng)廓線指數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，獲取第一數(shù)據(jù)集；根據(jù)第一數(shù)據(jù)集確定若干個(gè)風(fēng)廓線指數(shù)，根據(jù)若干個(gè)風(fēng)廓線指數(shù)與氣象參數(shù)的非線性關(guān)系模型，確定極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)；利用雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)，根據(jù)極端天氣條件下對(duì)應(yīng)的風(fēng)廓線指數(shù)確定風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型；實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，根據(jù)風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型確定風(fēng)電機(jī)組輪轂高度的風(fēng)速；根據(jù)歷史地面風(fēng)速數(shù)據(jù)和歷史風(fēng)電機(jī)組功率輸出數(shù)據(jù)的對(duì)應(yīng)關(guān)系，確定不同風(fēng)速下的功率輸出曲線；根據(jù)該功率輸出曲線確定風(fēng)電機(jī)組輪轂高度的風(fēng)速對(duì)應(yīng)的風(fēng)電功率；該方法通過(guò)采集和聚類分類歷史天氣數(shù)據(jù)，結(jié)合風(fēng)廓線指數(shù)的數(shù)據(jù)增強(qiáng)，構(gòu)建了一個(gè)適用于不同天氣條件的風(fēng)電功率預(yù)測(cè)框架，該框架利用非線性關(guān)系模型確定極端天氣下的風(fēng)廓線指數(shù)，并通過(guò)雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(bilstm)建立了風(fēng)廓線指數(shù)的動(dòng)態(tài)預(yù)測(cè)模型。通過(guò)實(shí)時(shí)采集地面風(fēng)速數(shù)據(jù)，結(jié)合動(dòng)態(tài)預(yù)測(cè)模型，能夠準(zhǔn)確預(yù)測(cè)風(fēng)電機(jī)組輪轂高度的風(fēng)速，進(jìn)而根據(jù)歷史風(fēng)速與功率的對(duì)應(yīng)關(guān)系，確定對(duì)應(yīng)的風(fēng)電功率。這一方法顯著提高了風(fēng)電功率預(yù)測(cè)的準(zhǔn)確性，特別是在極端天氣條件下的預(yù)測(cè)能力，為風(fēng)電場(chǎng)的運(yùn)行優(yōu)化和調(diào)度決策提供了有力支持。