(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 202210706769.X (22)申请日 2022.06.21 (71)申请人 清科优能 （深圳） 技 术有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新南七道粤美特 大厦1201 (72)发明人 周少雄　沈国安　汪大明　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 刘畅 (51)Int.Cl. G06F 30/20(2020.01) G06F 113/06(2020.01) (54)发明名称 风电预测方法、 装置、 设备及存 储介质 (57)摘要 本申请涉及电力系统规划技术领域， 揭露了 风电预测方法、 装置、 设备及存储介质， 所述方法 包括： 获取风场的历史出力数据和基础数据； 基 于所述历史出力数据构建生 成模型， 并对所述生 成模型进行拒绝采样， 得到采样数据， 利用采样 数据对所述历史出力数据中的缺失值进行填充； 根据所述基础数据， 利用转换模型， 将填充后的 历史出力数据转换为历史风速数据； 基于所述历 史风速数据， 对预测模型进行训练， 所述预测模 型基于风速的韦布尔分布和随机差分方程构建 得到； 根据训练后的预测模型和时序， 预测未来 预设时间内的预测风速数据； 根据所述转换模 型， 将所述预测风速数据转换为预测出力数据。 本申请实现准确的预测未来预设时间内的出力 情况。 权利要求书2页 说明书14页 附图3页 CN 114996964 A 2022.09.02 CN 114996964 A 1.一种风电预测方法， 其特 征在于， 所述方法包括： 获取风场的历史出力数据和基础数据； 基于所述历史出力数据构建生成模型， 并对所述生成模型进行拒绝采样， 得到采样数 据， 利用采样数据对所述历史出力数据中的缺失值进行填充； 根据所述基础数据， 利用转换模型， 将填充后的历史出力数据转换为历史风速数据； 基于所述历史风速数据， 对预测模型进行训练， 所述预测模型基于风速的韦布尔分布 和随机差分方程构建得到； 根据训练后的预测模型和时序， 预测未来预设时间内的预测风速数据； 根据所述 转换模型， 将所述预测风速数据转换为预测出力数据。 2.根据权利要求1所述的风电预测方法， 其特征在于， 所述基于所述历史出力数据构建 生成模型包括： 计算所述历史出力数据的先验分布， 并采用高斯分布对所述历史出力数据进行拟合； 基于概率的加和 ‑乘法原则， 对所述先验分布和拟合后的高斯分布进行合并处理， 得到 所述生成模型。 3.根据权利要求1所述的风电预测方法， 其特征在于， 所述对所述生成模型进行拒 绝采 样包括： 获取提议分布， 其中所述 提议分布为 根据柯西分布变换 得到； 利用提议分布对所述 生成模型进行拒绝采样。 4.根据权利要求1所述的风电预测方法， 其特征在于， 所述利用采样数据对所述历史出 力数据中的缺失值进行填充包括： 从所述历史出力数据中获取与所述 缺失值相邻的出力数值； 基于所述相邻的出力数值， 确定所述 缺失值对应的出力范围； 获取任一在所述出力范围中的采样数据， 并填充至所述 缺失值所处位置 。 5.根据权利要求1所述的风电预测方法， 其特征在于， 所述基础数据包括机组台数、 尾 流效应系数和出力特征曲线， 所述根据所述基础数据， 利用转换模型， 将填充后的历史出力 数据转换为历史风速数据包括： 根据 以及 将历史出力数据转换为历史风 速数据； 其中， Pit为风电机组i在时间t下的出力， nit为风电机组i在时间t下的机组台数， ηi表示 风电机组i的尾流效应系数， Ci(v)为风电机组i的出力特征曲线， 为风电机组i在时间t的 风速， R表示风电机组的额定容量， vout表示切出风速， vin表示切入风速， Prate表示额定出力， Pmax表示最大出力， bit和cit表示常数。 6.根据权利要求1所述的风电预测方法， 其特征在于， 所述根据训练后的预测模型和时权　利　要　求　书 1/2 页 2 CN 114996964 A 2序， 预测未来预设时间内的预测风速数据包括： 根据 预测未来预设时间内的预测风速数据； 其中， θ表示阻尼比率， f(x)表示概率密度函数， c表示所述韦布尔分布对应参数中的比 例参数， k表示所述韦布尔分布对应参数中的形状参数， Γ(a)表示伽马函数， Γ(x,a)表示 不完全伽马函数， x表示时间。 7.根据权利要求6所述的风电预测方法， 其特 征在于， 所述θ 通过以下公式进行计算； 其中， ε表示风速变化率分布密度的参数、 X1， X2表示服从同分布的随机变量， γk表示历 史风速数据的k阶协方差 。 8.一种风电预测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取风场的历史出力数据和基础数据； 填充模块， 用于基于所述历史出力数据构建生成模型， 并对所述生成模型进行拒绝采 样， 得到采样数据， 利用采样数据对所述历史出力数据中的缺失值进行填充； 第一转换模块， 用于根据 所述基础数据， 利用转换模型， 将填充后的历史出力数据转换 为历史风速数据； 训练模块， 用于基于所述历史风速数据， 对预测模型进行训练， 所述预测模型基于风速 的韦布尔分布和随机 差分方程构建得到； 预测模块， 用于根据训练后的预测模型， 基于时序， 预测未来预设时间内的预测风速数 据； 第二转换模块， 用于根据所述 转换模型， 将所述预测风速数据转换为预测出力数据。 9.一种计算机设备， 其特 征在于， 所述计算机设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有计算机可读指令， 所述处理器执行所述计算机可读指令时实现如权 利要求1至7中任一所述的风电预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一所述的风电预 测方法。权　利　要　求　书 2/2 页 3 CN 114996964 A 3