一种地区新能源电源结构优化预测方法和系统技术方案

本发明专利技术涉及一种地区新能源电源结构优化预测方法和系统，构建“总量‑结构‑分量”的三阶段综合优化预测模型，包括：利用改进的灰色预测模型对新能源电源上网电量总量进行预测，并对电源上网电量总量预测结果进行优化，得到新能源电源上网电量总量预测结果X；运用基于误差优化的动态规划预测模型对新能源上网电量结构进行预测，得到新能源电源分电源类型的结构预测结果F；利用上述得到的新能源电源上网电量总量预测结果X和新能源电源分电源类型的结构预测结果F，得到新能源电源分电源类型的分量预测结果R。本发明专利技术能够实现对地区新能源电源结构的优化预测，具有较大的适用范围、较高的预测精度。

【技术实现步骤摘要】
一种地区新能源电源结构优化预测方法和系统
本专利技术涉及新能源发电的
，尤其涉及一种地区新能源电源结构优化预测方法和系统。
技术介绍
新能源发电因其环境友好、污染度低、可再生等特点，受到了世界各国的青睐。受到国家政策鼓励和扶持，近十年来我国新能源发电发展很快，目前已经成为全球风电规模最大、发展速度最快的国家。新能源的异军突起为我国能源的持续利用提供了替代方案，但是新能源发电出力不稳定、随机波动的特点，大规模、集中式的新能源开发模式，大容量、远距离、高电压的输电模式，都给我国电网规划建设和运行管理等方面带来了巨大的挑战。以风电为例，我国的风能资源主要集中在西北、华北、东北地区，这些地区风电消纳能力有限，又受跨区输送通道建设滞后的影响，电网与风电矛盾越来越突出，新能源电源与电网的发展规划严重脱节。因此对新能源发电的发展情况进行预测分析可以较好地支持电网针对新能源电源的发展规划，为电网与新能源发电在规划层面提供技术支持，为国家在新能源发展规划上的决策提供方法依据，对我国新能源未来发展布局具有重大的现实意义。目前，新能源结构优化方法集中于污染物排放、发电成本最小等多目标约束下的规划问题。常见的预测方法为传统的趋势外推、线性回归以及智能预测方法，如神经网络、支持向量机等。多目标的规划问题只将部分因素纳入到模型中来，将其应用于受到经济、技术、政策等多方面影响新能源结构预测，预测规律僵化、结果精度不高。常见的预测方法大多直接对预测对象进行分析，将预测对象所蕴含的过多数据噪音引入的预测模型中，随着预测时间的推移，误差陡增，预测精度呈现断崖式地下降。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种新能源电源结构优化预测方法和系统，通过构建“总量-结构-分量”的三阶段综合优化预测模型，解决现有对新能源电源结构预测规律僵化、预测精度不高或不稳定的问题。本专利技术的目的主要通过以下技术方案实现的：提供了一种地区新能源电源结构优化预测方法，包括以下步骤：利用灰色预测模型对目标地区新能源电源上网电量总量进行预测，并对预测的电源上网电量总量进行优化，得到新能源电源上网电量总量预测结果X；运用基于误差优化的动态规划预测模型对目标地区新能源上网电量结构进行预测，得到新能源电源分电源类型的结构预测结果F；利用上述得到的新能源电源上网电量总量预测结果X和新能源电源分电源类型的结构预测结果F，得到目标地区新能源电源分电源类型的分量预测结果R。在上述方案的基础上，本专利技术还做了如下改进：进一步，所述对预测的电源上网电量总量进行优化，包括对预测的电源上网电量总量的预测残值进行修正。进一步，所述对预测的电源上网电量总量的预测残值进行修正，包括构建多重灰色预测残差修正模型，所述多重灰色预测残差修正模型为：其中，为构建的w重灰色预测残差修正模型，为k时刻的灰色模型的预测值，δi(k+1)为i重残差修正的符号函数，为i重残差修正的残差灰色模型的拟合值。采用上述进一步方案的有益效果是：在不破坏原始数据中的趋势和因果规律前提下，利用灰色预测模型推理数列自身的变化，并利用多重灰色预测模型对预测残值进行修正，实现最优化的预测结果。进一步，新能源电源分电源类型的结构预测结果F为：F＝α(k+1)＝α(k)*P式中，α(k)，α(k+1)分别为时刻k和时刻k+1的结构状态矩阵；P为新能源电源分电源类型的结构状态转移矩阵，所述P的值为当误差模型f(P)取最小值时P的取值，所述误差模型f(P)为：式中，P＝(pij)n×n为新能源电源分电源类型的结构状态转移矩阵，pij为由状态i转移到状态j的概率α(k)＝(pk(1),pk(2),…pk(n))，pk(n)为时刻k在第n个状态类型下的比重，m为预测时刻。采用上述进一步方案的有益效果是：从新能源结构比重角度分析其内在演变规律，利用动态规划理论挖掘其结构状态转移的时空规律，预测未来新能源电源的发展结构，模型适应范围更广，预测精度更高。进一步，利用灰色预测模型对新能源电源上网电量总量进行预测，包括以下步骤：对获取的新能源电源上网电量总量原始数据作一次累加生成，得到新的数据序列；建立与上述新的数据序列相关的一阶线性灰微分方程的白化微分方程；利用最小二乘法求解上述白化微分方程的发展系数a和灰作用量u；利用上述求得的白化微分方程计算k时刻的一次累加后的灰色预测值；将上述求得的灰色预测值进行还原处理，得到k时刻的灰色预测值。采用上述进一步方案的有益效果是：灰色预测模型具有所需原始数据少，指数性拟合的优点，预测简单有效。进一步，所述得到新能源电源分电源类型的分量预测结果R为：R＝X*F式中，X为新能源电源上网电量总量预测结果，F为新能源电源分电源类型的结构预测结果。采用上述进一步方案的有益效果是：构建“总量-结构-分量”的三阶段综合优化预测框架模型，对新能源电源分电源类型的分量进行预测，不直接使用分类新能源电源分量的历史数据构建模型，避免分量数据多次使用预测模型而导致内涵数据噪音放大，进而使得误差增加。进一步，还包括：获取目标地区新能源电源分类上网电量历史数据，计算各类电源的上网电量总量为新能源电源上网电量总量的原始数据；对所述新能源电源上网电量总量原始数据进行三点移动平滑处理。还提供了一种地区新能源电源结构优化预测系统，其特征在于，包括：新能源电源上网电量总量预测模块，通过灰色预测模型，利用新能源电源上网电量总量的原始数据，对新能源电源上网电量总量进行预测，得到新能源电源上网电量总量预测结果；新能源电源分电源类型的结构预测模块，运用基于误差优化的动态规划预测模型对新能源上网电量结构进行预测，得到新能源电源分电源类型的结构预测结果；新能源电源分电源类型的分量预测模块，通过上述得到的新能源电源上网电量总量预测结果和新能源电源分电源类型的结构预测结果，得到新能源电源分电源类型的分量预测结果。进一步，还包括数据输入模块和数据预处理模块；所述数据输入模块，获取目标地区新能源电源分类上网电量历史数据，计算各类电源的上网电量总量为新能源电源上网电量总量的原始数据；所述数据预处理模块，对所述新能源电源上网电量总量原始数据进行三点移动平滑处理。采用上述进一步方案的有益效果是：对原始数据进行预处理，增强了原始数据的规律性，提高了预测的精度。进一步，还包括新能源电源上网电量总量预测结果优化模块；所述预测结果优化模块通过多重灰色预测残差修正模型对预测的新能源电源上网电量总量的预测残值进行修正。采用上述进一步方案的有益效果是：在不破坏原始数据中的趋势和因果规律前提下，利用灰色预测模型推理数列自身的变化，并利用多重灰色预测模型对预测残值进行修正，实现最优化的预测结果。本专利技术有益效果如下：本专利技术提出的地区新能源电源结构优化预测方法和系统，不直接使用分类新能源电源分量的历史数据构建模型，避免分量数据多次使用预测模型而导致内涵数据噪音放大，进而使得误差增加。框架模型以新能源电源总量数据为依托进行总量预测，再考虑其结构演变时序变化，最后对新能源电源分量进行预测。能实现对地区新能源电源发展规模的精确预测，且预测过程稳定，为电网与新能源电源以及新能源电源发展布局提供预测支持。本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和本文档来自技高网...

【技术保护点】
一种地区新能源电源结构优化预测方法，其特征在于，包括以下步骤：利用灰色预测模型对目标地区新能源电源上网电量总量进行预测，并对预测的电源上网电量总量进行优化，得到新能源电源上网电量总量预测结果X；运用基于误差优化的动态规划预测模型对目标地区新能源上网电量结构进行预测，得到新能源电源分电源类型的结构预测结果F；利用上述得到的新能源电源上网电量总量预测结果X和新能源电源分电源类型的结构预测结果F，得到目标地区新能源电源分电源类型的分量预测结果R。

【技术特征摘要】
1.一种地区新能源电源结构优化预测方法，其特征在于，包括以下步骤：利用灰色预测模型对目标地区新能源电源上网电量总量进行预测，并对预测的电源上网电量总量进行优化，得到新能源电源上网电量总量预测结果X；运用基于误差优化的动态规划预测模型对目标地区新能源上网电量结构进行预测，得到新能源电源分电源类型的结构预测结果F；利用上述得到的新能源电源上网电量总量预测结果X和新能源电源分电源类型的结构预测结果F，得到目标地区新能源电源分电源类型的分量预测结果R。2.根据权利要求1所述的方法，其特征在于，所述对预测的电源上网电量总量进行优化，包括对预测的电源上网电量总量的预测残值进行修正。3.根据权利要求2所述的方法，其特征在于，所述对预测的电源上网电量总量的预测残值进行修正，包括构建多重灰色预测残差修正模型，所述多重灰色预测残差修正模型为：其中，为构建的w重灰色预测残差修正模型，为k时刻的灰色模型的预测值，δi(k+1)为i重残差修正的符号函数，为i重残差修正的残差灰色模型的拟合值。4.根据权利要求1或2或3所述的方法，其特征在于，新能源电源分电源类型的结构预测结果F为：F＝α(k+1)＝α(k)*P式中，α(k)，α(k+1)分别为时刻k和时刻k+1的结构状态矩阵；P为新能源电源分电源类型的结构状态转移矩阵，所述P的值为当误差模型f(P)取最小值时P的取值，所述误差模型f(P)为：式中，P＝(pij)n×n为新能源电源分电源类型的结构状态转移矩阵，pij为由状态i转移到状态j的概率α(k)＝(pk(1),pk(2),…pk(n)),其中pk(n)为时刻k在第n个状态类型下的比重；m为预测时刻。5.根据权利...

【专利技术属性】
技术研发人员：赵欣，何琳，刘金朋，李昌陵，贾政豪，杨亚丽，陈超，
申请(专利权)人：国网新疆电力有限公司经济技术研究院，华北电力大学，北京华电卓越科技有限公司，
类型：发明
国别省市：新疆,65