多维度融合的新能源功率并联预测方法和装置制造方法及图纸

本申请涉及一种多维度融合的新能源功率并联预测方法和装置。所述方法包括：获取与目标新能源场站对应的目标发电物理模型和目标数据知识模型；确定将目标发电物理模型和目标数据知识模型，按照第一融合方式和第二融合方式分别进行融合得到的第一融合模型和第二融合模型；获取与目标新能源场站对应的待处理数据，待处理数据包括目标新能源场站的场站数据、天气数据和发电历史运行数据；将待处理数据输入第一融合模型得到第一预测结果，将待处理数据输入第二融合模型得到第二预测结果；将第一预测结果和第二预测结果输入并联输出学习器进行处理，得到目标新能源场站的功率预测结果。采用本方法能够提高新能源场站的发电功率预测精度。率预测精度。率预测精度。

【技术实现步骤摘要】
多维度融合的新能源功率并联预测方法和装置


[0001]本申请涉及新能源发电
，特别是涉及一种多维度融合的新能源功率并联预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着新型电力技术的发展，出现了新能源发电技术。新能源包括一般是指可再生能源，包括太阳能、生物质能、风能、地热能、波浪能、洋流能、潮汐能和氢能等。新能源发电是利用发电动力装置将上述的新能源转化为电能，实现发电的过程。目前主要的新能源发电是利用风力发电场站和光伏发电场站发电。
[0003]新能源发电给电网的安全性和稳定性带来巨大冲击和挑战，使得电力系统的运行风险难以管控。为了提升电力系统的风险应对能力，需要提高适应不同场景、地形、地貌和气候特征下的新能源场站的发电功率预测精度。
[0004]目前在新能源场站的发电功率预测领域提出了很多基于人工智能的方法，但是这些方法是通过获取海量的样本数据，训练机器学习模型，以从样本数据中挖掘出输入输出之间的关联关系。利用上述方法得到的新能源场站的发电功率预测精度主要取决于样本数据的准确度和数量，当样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维度融合的新能源功率并联预测方法，其特征在于，所述方法包括：获取与目标新能源场站对应的目标发电物理模型和目标数据知识模型；确定将所述目标发电物理模型和目标数据知识模型，按照第一融合方式和第二融合方式分别进行融合得到的第一融合模型和第二融合模型；获取与所述目标新能源场站对应的待处理数据，所述待处理数据包括目标新能源场站的场站数据、天气数据和发电历史运行数据；将所述待处理数据输入所述第一融合模型得到第一预测结果，将所述待处理数据输入所述第二融合模型得到第二预测结果；将所述第一预测结果和所述第二预测结果输入并联输出学习器进行处理，得到所述目标新能源场站的功率预测结果。2.根据权利要求1所述的方法，其特征在于，所述目标数据知识模型的构建步骤包括：确定与所述目标新能源场站相匹配的候选新能源场站，并获取所述候选新能源场站的候选知识模型；基于所述候选新能源场站的候选知识模型、以及专家知识库进行迁移学习，以构建与所述目标新能源场站对应的目标知识模型；基于所述目标新能源场站和各候选新能源场站的场站数据、天气数据和发电历史运行数据，构建目标数据模型；融合所述目标知识模型和所述目标数据模型，得到目标数据知识模型。3.根据权利要求2所述的方法，其特征在于，所述确定与所述目标新能源场站相匹配的候选新能源场站，包括：根据多个新能源场站的场站数据，计算目标新能源场站与其他新能源场站间的相似距离；将相似距离满足近距离条件的新能源场站确定为候选新能源场站。4.根据权利要求1所述的方法，其特征在于，在所述目标新能源场站属于风力发电场站的情况下，所述目标发电物理模型包括风机模型和考虑尾流效应的风电场模型；其中，所述风机模型包括风机发电的电路模型、磁路模型、机械模型和功率风速模型中的至少一种，所述风电场模型包括尾流效应模型和风电集群模型中的至少一种；在所述目标新能源场站属于光伏发电场站的情况下，所述目标发电物理模型包括光伏单机模型和光伏电站模型；其中，所述光伏单机模型包括硅晶板模型、光伏板模型和功率辐照度模型中的至少一种，所述光伏电站模型包括光伏阵列模型和光伏集群模型中的至少一种。5.根据权利要求1所述的方法，其特征在于，所述第一融合方式包括学习器融合方式，所述将所述待处理数据输入所述第一融合模型得到第一预测结果，包括：将所述目标新能源场站的待处理数据输入所述目标发电物理模型中，得到物理预测结果；将所述目...

【专利技术属性】
技术研发人员：李卓环，李鹏，马溪原，陈元峰，陈炎森，程凯，周悦，包涛，周长城，张子昊，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：