(19)中华 人民共和国 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 202111420806.2 (22)申请日 2021.11.26 (71)申请人 华能新能源股份有限公司山西分公 司 地址 030000 山西省太原市小店区南中环 街200号国际大都会中心广场4幢B单 元19层190 3、 1904号 (72)发明人 李昱坤　米磊　董显奕　郝俊伟　 刘阳　王旭鹏　张哲　李喜平　 (74)专利代理 机构 哈尔滨东方专利事务所 23118 代理人 陈晓光 (51)Int.Cl. G06Q 10/04(2012.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 利用人工神经网络和支持向量回归模型预 测风力发电方法 (57)摘要 本发明涉及一种利用人工神经网络和支持 向量回归模 型预测风力发电方法。 风力发电的随 机性使得风力发电在电力系统中所占份额的增 加受到限制， 并对风力发电的市场整合提出了挑 战。 一种利用人工神经网络和支持向量回归模型 预测风力发电方法， 处理和使用一个正在运行的 风电场的实际数据， 以便测试预测模 型在风电场 预测风力发电的水平； 使用预测软件工具， 训练 ANN和SVR模型， 在非详尽训练的背景下， 每小时 考虑24小时前的预测范围； 利用典型的评估指标 对案例进行评估， 评估神经网络和支持向量回归 模型的个体表现； 通过聚类将神经网络与支持向 量机结合， 在非穷举模型训练的假设下得到最优 的风电预测结果。 本发明应用于风力发电领域。 权利要求书1页 说明书4页 附图3页 CN 114066095 A 2022.02.18 CN 114066095 A 1.一种利用人工神经网络和 支持向量 回归模型预测风力发电方法， 该方法包括如下步 骤： （1） 处理和使用一个正在运行的风电场的实际数据， 以便测试预测模型在风电场预测 风力发电的水平； （2） 使用预测软件工具， 训练ANN和SVR模型， 在非详尽训练的背景下， 每小时考虑24小 时前的预测范围； （3） 利用典型的评估指标对案例进行评估， 评估神经网络和支持向量回归模型的个体 表现； （4） 通过聚类将神经网络与支持向量机结合， 在非穷举模型训练的假设下得到最优的 风电预测结果。 2.根据权利要求1所述的利用人工神经网络和支持向量回归模型预测风力发电方法， 该方法包括如下步骤： 预测工具是一个基于Encog  ML框架的自动化AI平台， 能够解决回归问题， 如风力发电 的预测， ML方法的可用范围仅限于 两种ML方法； 为了处理不存在函数的能力与精度 ε,近似的所有训练对SVR模型适应软边缘损失函数 概念通过使用松弛变量的约束优化问题； 在开发的工具中， 使用径向基函数核， 或高斯核： 其中x(测试向量)和x'(支持 向量)是要投射到新的向量空间中的向量， 而是超参数， 表 示所选支持向量的影响半径的倒数； 对于ANNs来说， 前馈网络和递归网络的主要区别在于， 前者允许信息从输入到输出， 而 后者则允许信息双向传播； 后者是通过一个额外的神经 元层来实现的， 称为上 下文层， 它存 储隐藏单 元的值； 上下文层的内容在下一阶段的输入中反馈 到隐含层， 为网络提供 “记忆”。权　利　要　求　书 1/1 页 2 CN 114066095 A 2利用人工神经 网络和支持向量回归模型预测风力 发电方法 技术领域 [0001]本发明涉及一种利用人工神经网络和支持向量回归 模型预测风力发电方法。 背景技术 [0002]风力发电的随机性使得风力发电在电力系统中所占份额的增加受到限制， 并对风 力发电的市场整合提出了挑战， 这主要是 因为如今新建的风电场需要应对 更加动态的定价 机制。 在这个新环 境中， 先进的投标策略需要从风力发电参与者， 引进新元素来支持风力发 电和解决内在的变化影响被认为是一个先决条件。 [0003]储能就是这样一种新颖的元素， 既可以支持更高的风能渗透率， 又可以确保风电 场在优化的运行条件和收益下 的调度。 另一方面， 储能技术， 主要是电池技术， 直到现在才 有了发展 前景， 可能会降低成本， 从而 可能使这个解决方案成本风能应用的更广泛的频谱, 而不仅仅是一些利基市场方面的(如离网和岛电力系统占主导地位的石油发电建议增加操 作成本,可以证明风力发电和能源存储的耦合。 与此同时， 在过去的几年里， 对于利用人工 智能(AI)和机器学习(ML)对能源部门各种类型的问题和应用进 行高级预测技术的研究， 包 括风力发电预测， 科学兴趣大幅增长。 在这种背 景下， 预测技术的发展允许在联合风电储能 方案中实施预测控制， 有助于优化运行和降低 成本， 并支持开发有效的风电园区参与电力 市场的投标策略。 通过应用支持持续优化调度的不同时间间隔和预测范围， 可以产生短期 和长期预测， 这些预测甚至可以有效地延长到未来一天。 使用软能源应用实验室团队开发 的内部软件工具， 通过开 发各种集 成人工智能预测技术和算法， 为预测应用量身定制， 在当 前工作中研究了风力发电预测的不同方面。 更准确 地说， 通过使用现有风电厂的实际运行 数据， 我们首先应用人工神经网络(ANNs)对未来24小 时内的风力发电进行个人预测。 在评 估两种单独技术的性能后， 我们继续将它们结合起来， 以创建一个集成模型， 目的是通过聚 类产生最优的预测结果， 而不需要一 直测试。 发明内容 [0004]本发明的目的是提供一种利用人工神经网络和支持向量回归模型预测风力发电 方法。 [0005]上述的目的通过以下的技 术方案实现： 一种利用人工神经网络和支持向量回归模型预测风力发电方法， 该方法包括如下 步骤： （1） 处理和使用一个正在运行的风电场的实际数据， 以便测试预测模型在风电场 预测风力发电的水平； （2） 使用预测软件工具， 训练ANN和SVR模型， 在非详尽训练的背景下， 每小时考虑 24小时前的预测范围； （3） 利用典型的评估指标对案例进行评估， 评估神经网络和支持向量回归模型的 个体表现；说　明　书 1/4 页 3 CN 114066095 A 3