本申请公开了一种风电功率预测方法、装置、电子设备及存储介质,涉及新能源风力发电技术领域,该方法包括获取风电场的数值天气预报数据;基于风速偏移识别模型对数值天气预报数据进行处理,获得数值天气预报数据的偏移场景,偏移场景包括正向偏移或负向偏移;若数值天气预报数据的偏移场景为正向偏移,基于第一风电功率预测模型对数值天气预报数据进行处理,获得第一风电功率预测结果;若数值天气预报数据的偏移场景为负向偏移,基于第二风电功率预测模型对数值天气预报数据进行处理,获得第二风电功率预测结果。如此可达到校正风电功率的目的,使得预测的风电功率准确;并且建模代价和成本不高。
背景技术
在新能源风力发电技术中,风电功率短期预测可单次预测未来1~3天的风电功率,这为短时间尺度下的电力调度计划提供了依据。常见的短期风电功率预测方法通常是基于数值天气预报(Numerical weather prediction, NWP)数据进行功率映射建模。风电功率预测精度的提升对于电力系统安全稳定运行、制定合理的调度计划、减少弃风限电,维持电力系统经济运行具有重要意义。然而在风电的峰谷值时段中,风电功率预测值通常出现显著偏差,主要表现为谷值时段偏高或峰值时段偏低等现象,这与NWP风速以及预测模型自身的特性存在较强关联。
当前,为提升风电功率预测精度,大部分研究考虑对预测模型进行数据驱动的优化改进或采用风电机组聚类的精细化建模方案,但这些方案建模代价和成本较高,模型更新过程繁琐。因此,如何在提升风电功率预测精度时控制建模代价和成本是亟需解决的问题。
实现思路