一种新能源功率短期区间预测方法及系统技术方案

本发明专利技术涉及一种新能源功率短期区间预测方法及系统，涉及电力系统新能源功率短期预测技术领域，利用模糊聚类算法对新能源功率数据进行相似日序列数据聚类，并利用混合LSTM学习器对聚类后的各类新能源功率数据进行训练与自适应滚动预测，最后结合比例系数法获得新能源功率的区间预测结果。采用本发明专利技术提供的方法或系统可实现自适应实时预测，并提高了新能源功率短期区间预测精度。

【技术实现步骤摘要】
一种新能源功率短期区间预测方法及系统
本专利技术涉及电力系统新能源功率短期预测
，特别是涉及一种新能源功率短期区间预测方法及系统。
技术介绍
近年来，中国风电、光伏等新能源快速发展，取得了举世瞩目的成就，但与此同时，新能源消纳的矛盾日益突出，弃风弃光率逐年上升的困境亟待解决。弃风弃光已成为当今社会各界关注的焦点，如何破解弃风弃光困局，特别是“三北”地区的弃风弃光问题，事关中国今后新能源的健康发展和节能减排目标的顺利实现。高精度的新能源功率预测有利于统筹规划新能源消纳与电力市场建设，是缓解新能源消纳困境的技术保障。新能源功率短期预测方法主要包含四个步骤：数据预处理、预测模型构建、新能源功率预测、预测结果分析。对于数据预处理步骤，传统的新能源功率短期预测方法中常采取异常数据清洗或小波分析法进行处理，该处理没有充分挖掘新能源功率数据潜在的特性，限制了最终预测精确度的上限；对于预测模型构建步骤，传统的新能源功率短期预测方法往往仅利用了单一的学习器对新能源功率进行预测，该方法难以克服单一学习器的内在缺陷，不利于预测精度的提高；预测结果分析步骤，传统新能源功率短期预测方法往往是利用经验来对预测结果进行分析，该方法存在人为考虑不周和难以据此做出合理决策的问题。这些问题的存在限制了新能源功率短期预测的预测精度，并且无法给出预测结果的分布区间，难以使电力工作人员据此制定合理决策。
技术实现思路
本专利技术的目的是提供一种新能源功率短期区间预测方法及系统，以提高新能源功率短期预测精度。为实现上述目的，本专利技术提供了如下方案：一种新能源功率短期区间预测方法，包括：获取新能源功率样本数据，并通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据；其中，所述新能源功率样本数据包括新能源功率原始数据和所述新能源功率原始数据对应时间点的影响因子原始数据；所述相似日序列原始数据包括同类别的新能源功率原始数据和所述同类别的新能源功率原始数据对应时间点的影响因子原始数据；根据各类所述相似日序列原始数据构建与所述相似日序列原始数据对应的跟随预测节点的相似日序列自动更新数据；构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型；所述训练好的混合LSTM新能源功率短期预测模型包括每类所述相似日序列自动更新数据对应的训练好的LSTM学习器；确定待预测时间以及所述待预测时间内各个待预测节点和所述待预测节点对应的相似日序列作为预测输入数据，并根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果；所述预测结果为待预测的新能源功率数值；根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果。可选的，所述通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据，具体包括：对所述新能源功率样本数据进行标准化处理；对标准化处理后的新能源功率样本数据建立模糊相似关系，并用相似矩阵表示；根据模糊理论求解所述相似矩阵，并通过求解后的相似矩阵的模糊等价关系矩阵，采用直接聚类法进行聚类，分析筛选得到对应的相似日聚类结果，然后依据所述相似日聚类结果构建各类相似日序列原始数据。可选的，所述构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型，具体包括：根据各类所述相似日序列自动更新数据构建相应的LSTM学习器；其中，各个LSTM学习器具有相同的拓扑结构，不同的权系数；将所述相似日序列自动更新数据输入至对应的LSTM学习器进行模型训练与参数调优，得到训练好的混合LSTM新能源功率短期预测模型。可选的，所述根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果，具体包括：计算每个所述待预测节点与各类所述相似日序列自动更新数据的聚类中心的欧氏距离，并以欧氏距离最短所对应的所述相似日序列自动更新数据的类别作为所述待预测节点的相似日序列类别；将所述预测输入数据输入至利用所述待预测节点的相似日序列类别对应的训练好的LSTM学习器中进行预测，得到各个所述待预测节点对应的预测结果；利用模型融合对各个所述待预测节点对应的预测结果进行处理，得到所述待预测时间对应的预测结果。可选的，所述根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果，具体包括：构建目标函数；所述目标函数是以预测区间有效率为目标的函数；所述目标函数为其中，ξFIEI为预测区间有效率；λ、η和μ为控制参数，可以根据实际需要设定，η为区间覆盖率的惩罚系数，λ为累积偏差率的惩罚系数，μ为给定的置信水平；ξMWP为平均宽度百分比；当预测区间有效率的计算结果小于0时，ξFIEI值取0；利用网格搜索算法，确定所述目标函数最大时对应的放大比例系数和缩小比例系数；根据所述预测结果、所述放大比例系数和所述缩小比例系数，计算新能源功率短期区间预测结果。可选的，在根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果之后，还包括：对所述新能源功率短期区间预测结果进行分析，确定源荷协同优化控制决策。一种新能源功率短期区间预测系统，包括：相似日序列原始数据构建模块，用于获取新能源功率样本数据，并通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据；其中，所述新能源功率样本数据包括新能源功率原始数据和所述新能源功率原始数据对应时间点的影响因子原始数据；所述相似日序列原始数据包括同类别的新能源功率原始数据和所述同类别的新能源功率原始数据对应时间点的影响因子原始数据；相似日序列自动更新数据构建模块，用于根据各类所述相似日序列原始数据构建与所述相似日序列原始数据对应的跟随预测节点的相似日序列自动更新数据；模型训练模块，用于构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型；所述训练好的混合LSTM新能源功率短期预测模型包括每类所述相似日序列自动更新数据对应的训练好的LSTM学习器；待预测时间对应的预测结果确定模块，用于确定待预测时间以及所述待预测时间内各个待预测节点和所述待预测节点对应的相似日序列作为预测输入数据，并根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果；所述预测结果为待预测的新能源功率数值；新能源功率短期区间预测结本文档来自技高网...

【技术保护点】
1.一种新能源功率短期区间预测方法，其特征在于，包括：/n获取新能源功率样本数据，并通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据；其中，所述新能源功率样本数据包括新能源功率原始数据和所述新能源功率原始数据对应时间点的影响因子原始数据；所述相似日序列原始数据包括同类别的新能源功率原始数据和所述同类别的新能源功率原始数据对应时间点的影响因子原始数据；/n根据各类所述相似日序列原始数据构建与所述相似日序列原始数据对应的跟随预测节点的相似日序列自动更新数据；/n构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型；所述训练好的混合LSTM新能源功率短期预测模型包括每类所述相似日序列自动更新数据对应的训练好的LSTM学习器；/n确定待预测时间以及所述待预测时间内各个待预测节点和所述待预测节点对应的相似日序列作为预测输入数据，并根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果；所述预测结果为待预测的新能源功率数值；/n根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果。/n...

【技术特征摘要】
1.一种新能源功率短期区间预测方法，其特征在于，包括：
获取新能源功率样本数据，并通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据；其中，所述新能源功率样本数据包括新能源功率原始数据和所述新能源功率原始数据对应时间点的影响因子原始数据；所述相似日序列原始数据包括同类别的新能源功率原始数据和所述同类别的新能源功率原始数据对应时间点的影响因子原始数据；
根据各类所述相似日序列原始数据构建与所述相似日序列原始数据对应的跟随预测节点的相似日序列自动更新数据；
构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型；所述训练好的混合LSTM新能源功率短期预测模型包括每类所述相似日序列自动更新数据对应的训练好的LSTM学习器；
确定待预测时间以及所述待预测时间内各个待预测节点和所述待预测节点对应的相似日序列作为预测输入数据，并根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果；所述预测结果为待预测的新能源功率数值；
根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果。


2.根据权利要求1所述的一种新能源功率短期区间预测方法，其特征在于，所述通过模糊聚类算法对所述新能源功率样本数据进行处理，构建各类相似日序列原始数据，具体包括：
对所述新能源功率样本数据进行标准化处理；
对标准化处理后的新能源功率样本数据建立模糊相似关系，并用相似矩阵表示；
根据模糊理论求解所述相似矩阵，并通过求解后的相似矩阵的模糊等价关系矩阵，采用直接聚类法进行聚类，分析筛选得到对应的相似日聚类结果，然后依据所述相似日聚类结果构建各类相似日序列原始数据。


3.根据权利要求1所述的一种新能源功率短期区间预测方法，其特征在于，所述构建混合LSTM新能源功率短期预测模型，并利用各类所述相似日序列自动更新数据作为所述混合LSTM新能源功率短期预测模型的输入数据进行训练与预测，得到训练好的混合LSTM新能源功率短期预测模型，具体包括：
根据各类所述相似日序列自动更新数据构建相应的LSTM学习器；其中，各个LSTM学习器具有相同的拓扑结构，不同的权系数；
将所述相似日序列自动更新数据输入至对应的LSTM学习器进行模型训练与参数调优，得到训练好的混合LSTM新能源功率短期预测模型。


4.根据权利要求1所述的一种新能源功率短期区间预测方法，其特征在于，所述根据所述训练好的混合LSTM新能源功率短期预测模型、各个所述待预测节点以及所述预测输入数据，确定所述待预测时间对应的预测结果，具体包括：
计算每个所述待预测节点与各类所述相似日序列自动更新数据的聚类中心的欧氏距离，并以欧氏距离最短所对应的所述相似日序列自动更新数据的类别作为所述待预测节点的相似日序列类别；
将所述预测输入数据输入至利用所述待预测节点的相似日序列类别对应的训练好的LSTM学习器中进行预测，得到各个所述待预测节点对应的预测结果；
利用模型融合对各个所述待预测节点对应的预测结果进行处理，得到所述待预测时间对应的预测结果。


5.根据权利要求1所述的一种新能源功率短期区间预测方法，其特征在于，所述根据所述预测结果，结合比例系数法，计算新能源功率短期区间预测结果，具体包括：
构建目标函数；所述目标函数是以预测区间有效率为目标的函数；所述目标函数为其中，ξFIEI为预测区间有效率；λ、η和μ为控制参数，可以根据实际需要设定，η为区间覆盖率的惩罚系数，λ为累积偏差率的惩罚系数，μ为给定的置信水平；ξMWP为平均宽度百分比；当预测区间有效率...

【专利技术属性】
技术研发人员：李建林，周喜超，李雅欣，温春雪，周京华，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11