一种水风光发电功率联合预测方法、装置和设备制造方法及图纸

本发明专利技术公开了一种水风光发电功率联合预测方法、装置和设备，该方法包括：数据集获取，数据集包括历史气象数据以及历史水电、风电、光伏功率数据；利用数据集，分别针对水电功率、风电功率、光伏功率，按照划分的季节和天气，训练和校验多个深度学习模型，并将预测精度排序在前预设数量的深度学习模型作为候选模型；将当前气象数据输入至相应季节和天气条件下候选模型，得到水电、风电、光伏预测功率，形成水风光联合预测功率集合；在最小剩余负荷情况下，从水风光联合预测功率集合中提取出最优水电、风电、光伏功率。本发明专利技术提供的技术方案，提高了水风光联合功率预测的准确度。高了水风光联合功率预测的准确度。高了水风光联合功率预测的准确度。

【技术实现步骤摘要】
一种水风光发电功率联合预测方法、装置和设备


[0001]本专利技术涉及电力能源领域，具体涉及一种水风光发电功率联合预测方法、装置和设备。

技术介绍

[0002]在大力发展低碳经济的今天，水能、风能、光伏作为环保清洁的可再生能源，已日益得到世界各国的重视。然而水能、风能、光伏固有的波动性和随机性对电力系统的安全稳定和电能质量带来了严重挑战。为此，通过对水风光发电功率进行预测，将水、风、光多种能源进行聚合，形成多能互补发电系统，对降低清洁能源并网冲击性、提升流域资源利用率意义重大。由于气象因素是导致水风光发电波动的主要因素，现有技术引用气象数据对水能、风能、光伏发电的功率进行预测，提高了功率预测准确率。但是，目前的功率预测方法均是单独针对水电、风电和光伏发电进行功率预测，没有考虑水、风、光几种能源之间的关联影响。因此，如何综合考虑水、风、光之间的互相影响，对水风光发电功率进行联合预测，是进一步提高水电、风电和光伏功率预测准确度和实用性需要考虑的问题。

技术实现思路

[0003]有鉴于此，本专利技术实施方式提供了一种水风光发电功率联合预测方法、装置和设备，从而提高了水风光联合功率预测的准确度和实用性。
[0004]根据第一方面，本专利技术实施例提供了一种水风光发电功率联合预测方法，所述方法包括：获取数据集，所述数据集包括作为训练样本的历史气象数据以及作为标签的历史水电功率数据、历史风电功率数据和历史光伏功率数据；利用所述数据集训练出多个水电功率预测模型、多个风电功率预测模型和多个光伏功率预测模型；将当前气象数据输入各个功率预测模型，预测出对应的水电、风电和光伏的功率集合；从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率。
[0005]可选地，所述获取数据集，包括：将所述历史气象数据以及对应的历史水电功率数据、历史风电功率数据和历史光伏功率数据按照季节与天气进行划分；根据划分的季节与天气，从所述历史气象数据中识别出影响水电功率、风电功率、光伏功率的主控气象因子，并将所述主控气象因子作为训练样本。
[0006]可选地，所述利用所述数据集训练出多个水电功率预测模型、多个风电功率预测模型和多个光伏功率预测模型，包括：利用所述历史气象数据和所述历史水电功率数据训练和校验出多个深度学习模型，以得到所述多个水电功率预测模型；利用所述历史气象数据和所述历史风电功率数据训练和校验出多个深度学习模型，以得到所述多个风电功率预测模型；利用所述历史气象数据和所述历史光伏功率数据训练和校验出多个深度学习模型，以得到所述多个光伏功率预测模型；以平均绝对百分比误差和决定系数作为预测精度的评价指标，从所述多个水电功率预测模型、所述多个风电功率预测模型与所述多个光伏
功率预测模型中分别选出预设精度排序在前预设数量的功率预测模型，作为用于功率预测的候选模型。
[0007]可选地，所述将当前气象数据输入各个功率预测模型，预测出对应的水电、风电和光伏的功率集合，包括：将当前气象数据输入至所属季节和天气条件下的所述候选模型；利用各个候选模型输出的水电预测功率序列、风电预测功率序列和光伏预测功率序列分别组成对应的水电、风电和光伏的功率集合。
[0008]可选地，所述从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率，包括：分别组合不同模型得到的水电预测功率序列、风电预测功率序列和光伏预测功率序列，进行求和运算，得到多个总功率序列；利用总负荷序列与各个总功率序列分别计算，得到多个剩余负荷标准差；选择剩余负荷标准差最小时所对应的最优总功率序列，并将求和计算所述最优总功率序列时所使用的水电预测功率序列、风电预测功率序列和光伏预测功率序列，作为所述最优水电预测功率、最优风电预测功率和最优光伏预测功率。
[0009]可选地，所述从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率，包括：分别组合不同模型得到的水电预测功率序列、风电预测功率序列和光伏预测功率序列，进行求和运算，得到多个总功率序列；利用总负荷序列与各个总功率序列分别计算，得到多个剩余负荷标准差；分别从水电、风电和光伏的角度利用各个剩余负荷标准差创建对应的评价矩阵；基于创建的水电评价矩阵、风电评价矩阵和光伏评价矩阵进行模糊优选决策，以从所使用的水电、风电和光伏功率预测模型中，确定相对优属度最大的水电功率预测模型、风电功率预测模型和光伏功率预测模型；将相对优属度最大的水电功率预测模型、风电功率预测模型和光伏功率预测模型输出的预测功率，作为所述最优水电预测功率、最优风电预测功率和最优光伏预测功率。
[0010]可选地，在所述将所述历史气象数据以及对应的历史水电功率数据、历史风电功率数据和历史光伏功率数据按照季节与天气进行划分之前，所述方法还包括：检查历史气象数据、历史水电功率数据、历史风电功率数据和历史光伏功率数据中存在的异常值与缺失值，将缺失了功率数据的历史气象数据删除，对出现异常的功率数据利用K近邻互补法进行纠正。
[0011]根据第二方面，本专利技术实施例提供了一种水风光发电功率联合预测装置，所述装置包括：数据采集模块，用于获取数据集，所述数据集包括作为训练样本的历史气象数据以及作为标签的历史水电功率数据、历史风电功率数据和历史光伏功率数据；模型训练模块，用于利用所述数据集训练出多个水电功率预测模型、多个风电功率预测模型和多个光伏功率预测模型；初始预测模块，用于将当前气象数据输入各个功率预测模型，预测出对应的水电、风电和光伏的功率集合；预测结果寻优模块，用于从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率。
[0012]根据第三方面，本专利技术实施例提供了一种水风光发电功率联合预测设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可
选实施方式中所述的方法。
[0013]根据第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
[0014]本申请提供的技术方案，具有如下优点：
[0015]本申请提供的技术方案，首先获取历史时间范围内的历史气象数据以及对应的历史水电功率数据、历史风电功率数据和历史光伏功率数据。并将历史气象数据作为机器学习模型的训练样本，将各类历史功率数据作为标签，分别针对水电、风电和光伏，均训练出多个用于预测发电功率的深度学习模型。然后获取当前的气象数据(例如根据天气预报获取当天或前一天的气象数据)，然后将当前气象数据依次输入上述训练的所有功率预测模型中，从而得到多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水风光发电功率联合预测方法，其特征在于，所述方法包括：获取数据集，所述数据集包括作为训练样本的历史气象数据以及作为标签的历史水电功率数据、历史风电功率数据和历史光伏功率数据；利用所述数据集训练出多个水电功率预测模型、多个风电功率预测模型和多个光伏功率预测模型；将当前气象数据输入各个功率预测模型，预测出对应的水电、风电和光伏的功率集合；从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率。2.根据权利要求1所述的方法，其特征在于，所述获取数据集，包括：将所述历史气象数据以及对应的历史水电功率数据、历史风电功率数据和历史光伏功率数据按照季节与天气进行划分；根据划分的季节与天气，从所述历史气象数据中识别出影响水电功率、风电功率、光伏功率的主控气象因子，并将所述主控气象因子作为训练样本。3.根据权利要求1或2所述的方法，其特征在于，所述利用所述数据集训练出多个水电功率预测模型、多个风电功率预测模型和多个光伏功率预测模型，包括：利用所述历史气象数据和所述历史水电功率数据训练和校验出多个深度学习模型，以得到所述多个水电功率预测模型；利用所述历史气象数据和所述历史风电功率数据训练和校验出多个深度学习模型，以得到所述多个风电功率预测模型；利用所述历史气象数据和所述历史光伏功率数据训练和校验出多个深度学习模型，以得到所述多个光伏功率预测模型；以平均绝对百分比误差和决定系数作为预测精度的评价指标，从所述多个水电功率预测模型、所述多个风电功率预测模型与所述多个光伏功率预测模型中分别选出预设精度排序在前预设数量的功率预测模型，作为用于功率预测的候选模型。4.根据权利要求3所述的方法，其特征在于，所述将当前气象数据输入各个功率预测模型，预测出对应的水电、风电和光伏的功率集合，包括：将当前气象数据输入至所属季节和天气条件下的所述候选模型；利用各个候选模型输出的水电预测功率序列、风电预测功率序列和光伏预测功率序列分别组成对应的水电、风电和光伏的功率集合。5.根据权利要求4所述的方法，其特征在于，所述从所述水电、风电和光伏的功率集合中选出水风光联合出力时，最小剩余负荷情况下的最优水电预测功率、最优风电预测功率和最优光伏预测功率，包括：分别组合不同模型得到的水电预测功率序列、风电预测功率序列和光伏预测功率序列，进行求和运算，得到多个总功率序列；利用总负荷序列与各个总功率序列分别计算，得到多个剩余负荷标准差；选择剩余负荷标准差最小时所对应的最优总功率序列，并将求和计算所述最优总功率序列时所使用的水电预测功率序列、风电预...

【专利技术属性】
技术研发人员：张玮，李梦杰，刘攀，陈杰，刘志武，刘瑞阔，明波，余意，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：