技术特征：
1.一种风机发电功率的超短期预测方法，其特征在于，包括：获取基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率；其中，所述预测的风机的发电功率与所述风机的实际所述发电功率按照时间对应；根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；其中，所述目标平均误差率和所述目标功率差值根据所述预测的风机的发电功率和所述风机的实际所述发电功率计算得到；所述预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组，得到两种集合，并在两种集合中以任意组所述平均误差率和任意组所述功率差值进行组合得到全部的组合方式；其中，所述平均误差率和所述功率差值根据所述风机的历史短期预测功率和历史实际功率计算得到；根据所得到的全部的所述组合方式分别训练所述模型；调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率。2.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，所述获取基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率包括：获取在当前时间之前的多个优选的时间点的所述基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率。3.根据权利要求2所述的风机发电功率的超短期预测方法，其特征在于，所述目标功率差值为首个所述时间点的所述功率差值和最后一个所述时间点的所述功率差值；其中，各所述时间点按时间排序；对应地，所述根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型包括：根据所述目标平均误差率与所述目标功率差值的组合分别选择所述目标模型。4.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，当所述目标平均误差率的绝对值大于预设阈值时，则所述调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率包括：将所述预测的所述风机在目标时间点的所述发电功率输入所述目标模型；根据预设的经验系数调整所述目标模型输出的所述超短期预测功率。5.根据权利要求3所述的风机发电功率的超短期预测方法，其特征在于，在所述调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率之后，还包括：对所述目标模型输出的所述超短期预测功率取平均值，将所述平均值作为输出结果。6.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，在所述调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率之后，还包括：获取所述风机在所述目标时间点的实际所述发电功率；根据所述超短期预测功率和所述风机在所述目标时间点的实际所述发电功率校准所述目标模型。7.根据权利要求1所述的风机发电功率的超短期预测方法，其特征在于，在训练所述预先设置的模型之前，还包括：
对所述风机的所述历史短期预测功率和所述历史实际功率进行预处理。8.一种风机发电功率的超短期预测装置，其特征在于，包括：获取模块，用于获取基于气象数据预测的风机的发电功率和所述风机的实际所述发电功率；其中，所述预测的风机的发电功率与所述风机的实际所述发电功率按照时间对应；选择模块，用于根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型；其中，所述目标平均误差率和所述目标功率差值根据所述预测的风机的发电功率和所述风机的实际所述发电功率计算得到；所述预先设置的模型通过如下方式得到：将所得到的平均误差率和功率差值按区间分别进行分组，得到两种集合，并在两种集合中以任意组所述平均误差率和任意组所述功率差值进行组合得到全部的组合方式；其中，所述平均误差率和所述功率差值根据所述风机的历史短期预测功率和历史实际功率计算得到；根据所得到的全部的所述组合方式分别训练所述模型；调用模块，用于调用所述目标模型根据预测的所述风机在目标时间点的所述发电功率得到超短期预测功率。9.一种风机发电功率的超短期预测装置，其特征在于，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的风机发电功率的超短期预测方法的步骤。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程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的风机发电功率的超短期预测方法的步骤。
技术总结
本申请公开了一种风机发电功率的超短期预测方法、装置及介质，主要涉及风机发电领域。该方法先获取基于气象数据预测的风机发电功率和风机实际发电功率；然后，根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型，预先设置的模型通过如下方式得到：将平均误差率和功率差值分别进行分组得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部组合方式；根据所得到的全部组合方式分别训练模型；最后，调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。该方法根据目标平均误差率和目标功率差值从预先设置的模型中选择目标模型，能够较好地贴合实际情况，提高超短期预测功率的准确率。高超短期预测功率的准确率。高超短期预测功率的准确率。
技术研发人员：彭喆 袁兴德 梁卉林 张雨薇 邹剑晖 聂燕 杨东升
受保护的技术使用者：华润电力技术研究院有限公司
技术研发日：2022.02.15
技术公布日：2022/5/10