摘要
本发明公开一种风电大基地能效协同功率预测方法及系统,针对传统预测模型未计及风电机组状态、区域气象耦合不足及多场站协同性弱的问题,通过自适应带宽核函数构建功率主带并剔除异常数据,生成基准健康数据集;基于功率偏差率聚合风电机组健康指数,结合长短期记忆神经网络动态修正功率输出;融合多源数据,利用极限梯度提升模型重构区域风场,并将地形尾流特征权重嵌入损失函数优化预测;通过出力互补系数矩阵识别主导场站,建立传播链实现广域关联建模,显著提升机组状态感知能力,强化区域气象耦合建模精度,实现多场站协同预测,反映大基地整体可用发电能力,有效提高功率预测精度,为电网调度和电力市场提供可靠支撑。
技术关键词
功率预测方法
XGBoost模型
长短期记忆神经网络
基地
风电机组运行数据
指数
数值天气预报数据
风速
能效
PageRank算法
风电机组状态
功率预测系统
梯度提升模型
融合多源数据
损失函数优化
基准
系统为您推荐了相关专利信息
动态边界条件
发电量
神经网络模型
风力发电机组
基地
分子结构信息
非线性回归模型
电解液配方
XGBoost模型
GBDT模型
混合预测模型
态势预测方法
交通拥堵指数
ETC门架
时间段
风机齿轮箱
XGBoost模型
温度预测模型
sigmoid函数
轴承