题目描述

近年来随着陆上风电机组装机厂址的扩展，在天气突变较多的地区安装的风力发电机组受到气象变化的影响愈发显著。在风况突变时，由于控制系统的滞后性，容易导致机组出现载荷过大，甚至是倒机的情况，造成重大近年来随着陆上风电机组装机厂址的扩展，在天气突变较多的地区安装的风力发电机组受到气象变化的影响愈发显著。在风况突变时，由于控制系统的滞后性，容易导致机组出现载荷过大，甚至是倒机的情况，造成重大经济损失。同时，现有超短期风功率预测的准确性较差，导致风功率预测系统对电网调度的参考价值不大，并且会导致业主产生大量的发电量计划考核。由于常见激光雷达等风速测量产品单价高昂，受天气影响较大，难以实现批量化的应用部署，且在大时间空间尺度下仍难以具有可靠的前瞻性。因此，可靠的超短期风况预测迫在眉睫。超短期风况预测是一个世界性难题，如果能通过大数据、人工智能技术预测出每台机组在未来短时间内的风速和风向数据，可以提升风电机组的控制前瞻性、提高风电机组的载荷安全性；同时，提升现有超短期风功率预测的能力，将带来显著的安全价值和经济效益。

比赛任务

根据风电场根据风电场最近12小时以及未来1小时的气象数据，以及每台机组最近1小时的风速、风向、温度、功率数据，预测每台机组未来10分钟内的风速、风向数据，时间分辨率为30秒。

数据描述

数据类别：

风电场气象数据；机舱的风速和风向、外界温度、变频器电网侧有功功率。

数据量：

2个风电场，每个风电场25台机组，2年的机舱历史数据（时间分辨率为30秒），数据均已进行0-1归一化࿱

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/123502679