一种用于微电网系统的气象预测方法技术方案

本发明专利技术公开了一种用于微电网系统的气象预测方法，具体如下：步骤一、定时采集t时刻的本地气象信息Rt并存储下来；步骤二、从国家气象局获取地址与步骤一中的地址相同、时间点与步骤一中时间点相同的以下数据：获取气象局历史真实的气象信息并存储起来；获取与气象局历史真实的气象信息相对应的气象局历史预测气象信息，该气象局历史预测气象信息称为F1t；获取气象局未来天气预报信息，气象局未来天气预报信息用F1't表示；步骤三、采用平滑指数方法预测下一时刻气象信息：步骤四、利用线性回归方法，将F1t、F2t当作输入，Rt当作目标列，拟合出一个优化气象信息回归模型，并根据该模型预测出未来一段时间的气象信息；本发明专利技术得到更加准确的气象预测数据。

【技术实现步骤摘要】
一种用于微电网系统的气象预测方法
本专利技术涉及微电网
，特别是一种用于微电网系统的气象预测方法。
技术介绍
随着电网规模的不断扩大，超大规模电力系统的弊端也日益凸现，成本高，运行难度大，难以适应用户越来越高的安全和可靠性要求以及多样化的供电需求。尤其在近年来世界范围内接连发生几次大面积停电事故之后，电网的脆弱性充分暴露了出来，因此分布式发电被提上了日程。可再生能源发电已经成为电力系统发展的重要推动力，是智能电网的重要组成部分，并将在未来电力系统中扮演越来越重要的角色。于是世界各国纷纷开始关注环保、高效和灵活的发电方式——分布式发电。为了消除分布式发电的各种问题，为协调大电网与分布式电源间的矛盾，充分挖掘分布式电源为电网和用户带来的价值和效益，提出了微电网。微电网是一个相对独立的自发自用的一个电网系统，由于微电网的供电侧和用电侧的容量相对于大电网来说比较小，自身的可调控能力有限，有时候会出现电量过剩或者电量短缺的情况，这样就需要我们提前预测出发电量和用电量，发电量和用电量预测越准确对微电网的决策越有利。微电网中，发电的能量来源主要是新能源(如光伏发电，风机发电等)，而新能源发电量与天气因素息息相关，在一定程度上来说，天气信息的准确程度决定了发电量预测的上限，同样用户用电量也与天气因素相关性很大。微电网的规模相对都比较小，占地面积不是很大，所以需要相对精确地理位置的天气信息。然而，国家气象局能够提供的实时天气信息和预测天气信息空间精确度都不是太高，因此，需要一些方法解决这一问题。目前新能源发电量存在预测精度不高和无网络条件下天气预测的问题。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足而提供一种用于微电网系统的气象预测方法，本专利技术通过线上与本地的气象数据融合得到更加准确、位置精确度更高的气象预测数据。本专利技术为解决上述技术问题采用以下技术方案：根据本专利技术提出的一种用于微电网系统的气象预测方法，包括以下步骤：步骤一、定时采集t时刻的本地气象信息Rt并存储下来；步骤二、从国家气象局获取地址与步骤一中的地址相同、时间点与步骤一中时间点相同的以下数据：获取气象局历史真实的气象信息并存储起来；获取与气象局历史真实的气象信息相对应的气象局历史预测气象信息，该气象局历史预测气象信息称为F1t；获取气象局未来天气预报信息，气象局未来天气预报信息用F1't表示；步骤三、采用平滑指数方法预测下一时刻气象信息：平滑指数方法的具体过程如下：(1)已知t时刻的本地气象信息Rt以及t-1时刻的气象局未来天气预报信息F1′t-1；(2)训练平滑系数要求平滑系数的大小是根据F1't-1和Rt，由公式(1)训练得到其中，Rt+1表示t+1时刻的本地气象信息；(3)由步骤(2)训练出一个确定值；(4)由公式(1)和得出，由平滑指数方法得到的t时刻预测气象值为F2t，步骤四、利用线性回归方法，将F1t、F2t当作输入，Rt当作目标列，拟合出一个优化气象信息回归模型，并根据该模型预测出未来一段时间的气象信息。作为本专利技术所述的一种用于微电网系统的气象预测方法进一步优化方案，步骤四具体如下：利用线性回归方法，将F1t、F2t当作输入，Rt当作目标列，拟合出一个优化气象信息回归模型；其中，Rt＝{rt1,rt2,...,rti,...,rtn}，rti表示t时刻的本地气象信息Rt第i种气象类型，n表示气象类型的种类，Rt一共有n种气象类型,F1t＝{f1t1,f1t2,...,f1ti，...,f1tn}，f1ti表示F1t的第i种气象类型，F1t一共有n种气象类型，本地预测气象信息F2t＝{f2t1,f2t2,...,f2ti，...,f2tn}，f2ti表示F2t的第i种气象类型，F2t一共有n种气象类型；根据t取不同时刻时Rt,F1t,F2t训练气象信息回归模型如下：其中，上标T表示矩阵转置，cT＝[c1,c2,...,ci,...,cn]T是线性回归模型的参数，ci表示第i个参数，c一共有n个参数；θT＝[θ1,θ2,...,θi,...,θn]T是线性回归模型的参数，θi表示第i个参数，θ一共有n个参数；γT＝[γ1,γ2,...,γi,...,γn]T是线性回归模型的参数，γi表示第i个参数，γ一共有n个参数；根据训练出的气象信息回归模型得到相对于Rt下一刻的气象信息预测值Rt'+1由公式(4)得到作为本专利技术所述的一种用于微电网系统的气象预测方法进一步优化方案，步骤四后还包括以下步骤：根据实时采集的Rt以及对应t时刻的天气类型来训练K-近邻模型，将预测的气象信息经训练好的K-近邻模型计算得出实时天气类型，用于实现离线状态的天气信息的显示。作为本专利技术所述的一种用于微电网系统的气象预测方法进一步优化方案，步骤一中，采用本地气象信息采集器定时采集t时刻的本地气象信息Rt并存储下来。作为本专利技术所述的一种用于微电网系统的气象预测方法进一步优化方案，步骤二是运用Python有关的爬虫库来完成的。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术通过线上与本地的气象数据融合得到更加准确、位置精确度更高的气象预测数据，同时利用K-近邻算法实现离线状态下天气类型的显示。附图说明图1是本专利技术的流程图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本专利技术进行详细描述。基于目前实际研究中的问题，本专利技术提出了一种用于微电网系统的气象预测方法，它包含本地气象信息采集器、气象信息爬虫器、本地气象信息预测器、优化气象信息模型输出器和实时天气类型显示器，其中本地气象信息采集器就是运用本地安装的传感器采集相关的气象信息(比如温度、湿度等)；气象信息爬虫器主要包括两部分，第一部分是爬取气象网站历史真实天气信息，第二部分是爬取气象站历史预测天气信息；本地气象信息预测器就是根据本地采集器采集的气象信息预测将来一段时间内的气象信息；优化气象信息模型输出器根据气象信息爬虫器爬取的气象站历史的预测天气信息和气象信息预测器预测的气象信息，再与本地气象信息采集器采集的信息做比较，训练出一个优化气象信息模型；实时天气类型显示器根据优化气象信息模型输出的气象信息值，预测实时的天气类型(晴天，阴天等)。本专利技术提供了一种本地气象信息采集器、气象信息爬虫器、本地气象信息预测器、优化气象信息模型输出器和实时天气类型显示器的一种用于微电网系统的气象预测方法，解决了在微电网中预测发电量和用电量时，采用的预测气象信息不准确的问题。本专利技术设计了一种用于微电网系统的气象预测方法，本地气象信息采集器就是运用本地安装的传感器采集相关的气象信息(比如温度、湿度等)；气象信息爬虫器主要包括两部分，第一部分是爬取气象网站历史真实天气信息，第二部分是爬取气象站预测天气信息；本地气象信息预测器就是根据本地采集器采集的气象信息利用平滑指数算法预测将来一段时间内的气象信息；优化气象信息模型输出器的训练数据是气象信息爬虫器爬取的气象站历史的预测天气信息和本地气象信息预测器预测的气象信息，训练目标是本地气象信息采集器采集的真实气象信息，利用线性回归算法训练出一个优化气象信息模型，并根据该模型预测出未来一段时间的气象信息；把预测的气象信息作为实时天气类型显示器本文档来自技高网...

【技术保护点】
1.一种用于微电网系统的气象预测方法，其特征在于，包括以下步骤：步骤一、定时采集t时刻的本地气象信息Rt并存储下来；步骤二、从国家气象局获取地址与步骤一中的地址相同、时间点与步骤一中时间点相同的以下数据：获取气象局历史真实的气象信息并存储起来；获取与气象局历史真实的气象信息相对应的气象局历史预测气象信息，该气象局历史预测气象信息称为F1t；获取气象局未来天气预报信息，气象局未来天气预报信息用F1't表示；步骤三、采用平滑指数方法预测下一时刻气象信息：平滑指数方法的具体过程如下：(1)已知t时刻的本地气象信息Rt以及t‑1时刻的气象局未来天气预报信息F1′t‑1；(2)训练平滑系数

【技术特征摘要】
1.一种用于微电网系统的气象预测方法，其特征在于，包括以下步骤：步骤一、定时采集t时刻的本地气象信息Rt并存储下来；步骤二、从国家气象局获取地址与步骤一中的地址相同、时间点与步骤一中时间点相同的以下数据：获取气象局历史真实的气象信息并存储起来；获取与气象局历史真实的气象信息相对应的气象局历史预测气象信息，该气象局历史预测气象信息称为F1t；获取气象局未来天气预报信息，气象局未来天气预报信息用F1't表示；步骤三、采用平滑指数方法预测下一时刻气象信息：平滑指数方法的具体过程如下：(1)已知t时刻的本地气象信息Rt以及t-1时刻的气象局未来天气预报信息F1′t-1；(2)训练平滑系数要求平滑系数的大小是根据F1't-1和Rt，由公式(1)训练得到其中，Rt+1表示t+1时刻的本地气象信息；(3)由步骤(2)训练出一个确定值；(4)由公式(1)和得出，由平滑指数方法得到的t时刻预测气象值为F2t，步骤四、利用线性回归方法，将F1t、F2t当作输入，Rt当作目标列，拟合出一个优化气象信息回归模型，并根据该模型预测出未来一段时间的气象信息。2.根据权利要求1所述的一种用于微电网系统的气象预测方法，其特征在于，步骤四具体如下：利用线性回归方法，将F1t、F2t当作输入，Rt当作目标列，拟合出一个优化气象信息回归模型；其中，Rt＝{rt1,rt2,...,rti,...,rtn}，rti表示t时刻的本地气象信息Rt第i种气象类型，n表示气象类型的种类，Rt一共有n种气象类型,F1t＝...

【专利技术属性】
技术研发人员：岳东，孙孝魁，欧阳志友，窦春霞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32