一种极端天气下风电功率的预测模型训练方法及预测方法公开 发明

技术总结

本发明公开了一种极端天气下风电功率的预测模型训练方法及预测方法，涉及新能源调度规划技术领域。本发明针对极端天气样本量少、特征规律难以学习和准确预测的问题，提出基于互信息的最大相关最小冗余算法对极端天气特征进行最优特征子集选取，并在最优特征子集的基础上，进行时序数据扩增，采用集成学习模型替换单一预测模型，提高预测模型对多样性特征的学习能力以及模型泛化能力，从而提高了风电功率预测模型的预测精度。

技术研发人员：

吴刚; 李旻; 马瑞光; 张宏图; 马天男; 王亦; 刘巍; 向璟; 罗晧; 侯验秋; 孙毅; 邓扶摇; 过夏明; 杜成锐; 王金龙; 王莉丽; 银涛; 肖畅; 刘洁颖; 唐伦; 苗树敏; 许鹏; 何川; 唐艺鸣; 肖雨昕; 王海燕; 叶强; 汪伟

受保护的技术研发主体：

国网四川省电力公司经济技术研究院

技术申请主体：

国网四川省电力公司经济技术研究院

技术研发申请日期：

2024-11-13

技术被公开/公告日期：

2025-03-07