(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211336429.9 (22)申请日 2022.10.28 (71)申请人 国网湖南省电力有限公司电力科 学 研究院 地址 410007 湖南省长 沙市韶山北路38 8号 申请人 国网湖南省电力有限公司 　 国家电网有限公司 (72)发明人 郝露茜　王玎　沈阳武　胡宇晗　 呙虎　叶建兴　曾宪东　朱利鹏　 李佳勇　沈非凡　何立夫　王小源　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 专利代理师 唐民 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 风电功率预测误差解耦分析方法、 处理器及 存储介质 (57)摘要 本发明涉及一种风电功率预测误差解耦分 析方法， 属于风电功率预测领域。 方法包括基于 风电场历史数据， 获取风电预测误差解耦所需的 数据； 结合实际风电场预测流程， 将风电预测分 为数值天气预报、 风 ‑电转换模型、 预测结果校正 三个环节； 考虑到校正环节与其他两个环节耦合 关系较弱， 先对 预测结果校正造成的误差进行计 算； 拟合风 ‑电转换模型， 在此基础上拟合 真实气 象条件下的风 ‑电转换模型输出， 并与数值天气 预报条件下的输出进行对比， 计算风 ‑电转换模 型在不同气象条件下误差的变化； 最终， 综合各 环节， 建立风电误差解耦方程； 求解该方程并计 算误差占比。 本发明可对造成风电功率预测误差 的关键影响因素进行 可靠辨识。 权利要求书3页 说明书12页 附图2页 CN 115526429 A 2022.12.27 CN 115526429 A 1.一种风电功率预测误差解耦分析方法， 其特征在于， 风电功率预测过程包括数值天 气预报环节、 风 ‑电转换模型环节以及预测结果校正环节， 所述风电功 率预测误差解耦分析 方法包括： 从风电场历史运行数据中获取风电功率预测误差分析所需的数据， 其中所述数据包括 风电场实测天气数据、 数值 天气预报数据、 装机容量、 实时开机容量、 计划开机容量、 风电功 率预测数据、 风电场实际输出功率； 确定所述预测结果校正环 节引起的第一目标误差； 根据所需的数据对风电场的风 ‑电转换模型进行拟合， 以建立 风电转换拟合模型； 将所述风电场实测天气数据输入至所述风电转换拟合模型， 以得到真实气象条件下的 模型输出； 根据所述装机容量、 所述计划开机容量以及 真实气象条件下的模型输出确定真实气象 条件下的风电预测功率； 根据所述实时开机容量、 所述计划开机容量以及真实气象条件下的风电预测 功率确定 真实气象条件下的预测结果校正 误差； 根据真实气象条件下的风电预测功率、 所述风电场实际输出功率以及真实气象条件下 的预测结果校正 误差确定真实气象条件下的风 ‑电转换模型误差； 获取真实气象条件下的模型输出对应的数值天气预报下的模型输出； 根据真实气象条件下的模型输出、 数值天气预报下的模型输出以及 真实气象条件下的 风‑电转换模型误差确定风 ‑电转换模型环 节引起的第二目标误差； 根据所述风电功率预测数据、 所述风电场实 际输出功率、 所述第一目标误差以及所述 第二目标误差确定所述数值天气预报环 节引起的第三目标误差； 以及 根据所述第 一目标误差、 所述第 二目标误差以及所述第 三目标误差确定各个目标误差 的占比。 2.根据权利要求1所述的风电功率预测误差解耦分析 方法， 其特 征在于， 还 包括： 根据各个目标误差的占比分析风电功率预测过程中的各个环节中造成误差的主要因 素的环节。 3.根据权利要求1所述的风电功率预测误差解耦分析方法， 其特征在于， 所述确定所述 预测结果校正环 节引起的第一目标误差包括： 根据所述风电功率预测数据、 所述实时开机容量和所述计划开机容量确定等效风电功 率预测值； 将所述风电功率预测数据减去所述 等效风电功率预测值以得到所述第一目标误差 。 4.根据权利要求1所述的风电功率预测误差解耦分析方法， 其特征在于， 所述根据 所需 的数据对风电场的风 ‑电转换模型进行拟合， 以建立 风电转换拟合模型， 包括： 根据所述装机容量、 所述计划开机容量以及风电功率预测数据确定风 ‑电转换模型输 出； 将所述数值天气预报数据作为风 ‑电转换模型输入， 与所述风 ‑电转换模型输出形成训 练集与测试集； 利用XGBo ost对所述训练集进行训练， 以拟合 风‑电转换模型； 在训练完成后， 使用所述测试集判断拟合的风 ‑电转换模型 是否满足精度要求；权　利　要　求　书 1/3 页 2 CN 115526429 A 2修改XGBo ost的初始参数， 重复对训练集进行训练， 直至满足精度要求； 将满足精度要求的拟合的风 ‑电转换模型作为所述 风电转换拟合模型。 5.根据权利要求4所述的风电功率预测误差解耦分析方法， 其特征在于， 所述风 ‑电转 换模型包括以下中的一 者： 基于BP神经网络的风 ‑电转换模型、 基于LSTM循环神经网络的风 ‑电转换模型以及基于 CNN‑LSTM混合神经网络的风 ‑电转换模型。 6.根据权利要求1所述的风电功率预测误差解耦分析方法， 其特征在于， 根据 所述装机 容量、 所述计划开机容量以及真实气象条件下的模型输出确定 真实气象条件下的风电预测 功率， 包括： 根据以下公式计算真实气象条件下的风电预测功率： 其中， Pwind是真实气象条件下 的风电预测功率， C ′o是所述计划 开机容量、 C是所述装机 容量， fwind， m是真实气象条件下的模型输出。 7.根据权利要求6所述的风电功率预测误差解耦分析方法， 其特征在于， 所述根据 所述 实时开机容量、 所述计划开机容量以及真实气象条件下的风电预测功率确定真实气象条件 下的预测结果校正 误差， 包括： 根据以下公式计算真实气象条件下的预测结果校正 误差： 其中， Ewind， r是真实气象条件下的预测结果校正误差， Co是所述实时开机容量， C ′o是所 述计划开机容 量， Pwind是真实气象条件下的风电预测功率。 8.根据权利要求7所述的风电功率预测误差解耦分析方法， 其特征在于， 所述根据真实 气象条件下的风电预测功率、 所述风电场实际输出功率以及真实气象条件 下的预测结果校 正误差确定真实气象条件下的风 ‑电转换模型误差， 包括： 根据以下公式计算真实气象条件下的风 ‑电转换模型误差： Pwind＝Pm+Ewind， m+Ewind， r 其中， Pwind是真实气象条件下的风电预测功率， Pm是所述风电场实际输出功率， Ewind， m是 真实气象条件下的风 ‑电转换模型误差， 以及Ewind， r是真实气象条件下的预测结果校正误 差。 9.根据权利要求8所述的风电功率预测误差解耦分析方法， 其特征在于， 所述根据真实 气象条件下 的模型输出、 数值天气预报下 的模型输出以及真实气象条件下 的风‑电转换模 型误差确定风 ‑电转换模型环 节引起的第二目标误差， 包括： 根据以下公式计算所述第二目标误差： Em+fm＝Ewind， m+fwind， m 其中， Em是所述第二目标误差， fm是所述数值天气预报下的模型输出， Ewind， m是真实气象 条件下的风 ‑电转换模型误差， 以及fwind， m是真实气象条件下的模型输出。 10.根据权利要求9所述的风电功率预测误差解耦分析方法， 其特征在于， 所述根据所 述风电功率预测数据、 所述风电场 实际输出功率、 所述第一 目标误差以及所述第二 目标误权　利　要　求　书 2/3 页 3 CN 115526429 A 3