双碳目标下分布式清洁能源电量预测方法技术

双碳目标下分布式清洁能源电量预测方法，针对如何实现对分布式清洁能源电量预测的问题，属于清洁能源技术领域。本发明专利技术包括：S1、获取分布式清洁能源过去12小时的历史数据，包括分布式清洁能源运行参数和光伏功率；S2、提取出历史数据的特征，并对提取出的特征进行随机森林特征筛选，构建出训练集和测试集；S3、建立LSTM多步预测模型，利用训练集对LSTM多步预测模型进行训练，训练完成后，利用测试集对LSTM多步预测模型进行测试，若准确率达标，则输出LSTM多步预测模型，用于对未来4小时的光伏功率预测，进而获得电量，转入S1，若准确率未达标，则转入S2。则转入S2。则转入S2。

【技术实现步骤摘要】
双碳目标下分布式清洁能源电量预测方法


[0001]本专利技术涉及一种分布式清洁能源电量预测方法，属于清洁能源


技术介绍

[0002]当下，各类环境问题的主要原因便是化石能源的应用。随着“碳达峰、碳中和”发展目标的提出，能源格局也必须做出相应调整。在这大环境下，必须在保证经济快速发展的基础之上，充分促进经济升级、经济转型等工作的完善。各地区用户的能源需求也表现出多元化特点。因此，必须及时进行能源架构的调整，力求有效提高能源利用率，降低化石能源的使用比例，用清洁能源完成替代，构建现代化的能源体系，最终达到减少碳排放量的目标。
[0003]分布式能源是应用电气装置向周边区域的用户提供能源的方式，一般不需要进行远距离传输，就可以满足用户在热、气、冷、电方面的需求。此外，分布式能源也是满足能源阶梯目标的主要措施。因此，分布式能源的接入量要根据区域能耗、资源分布等信息的分析，尽量设计能够满足用户要求的能源供给方式，保证资源的高效利用，完成资源利用最大化的发展目标。同时，在信息技术的带动作用下，分布式能源回逐步朝着互补、协调化方向发展，可为社会大众提供多元化能源。
[0004]与集中式系统相比，分布式能源规模小、投资少、工期更短。因此，围绕电力系统实现碳达峰、碳中和目标过程中传统电力系统向以新能源为主体的新型电力系统转型升级问题，结合碳减排量及用电负荷变化等影响因素，预测未来分布式能源与传统能源发电量占比，为电网规划提供合理性预测依据。

技术实现思路

[0005]针对如何实现对分布式清洁能源电量预测的问题，本专利技术提供一种分布式清洁能源电量预测方法。
[0006]本专利技术的分布式清洁能源电量预测方法，包括：
[0007]S1、获取分布式清洁能源过去12小时的历史数据，包括分布式清洁能源运行参数和光伏功率；
[0008]S2、提取出历史数据的特征，并对提取出的特征进行随机森林特征筛选，构建出训练集和测试集；
[0009]S3、建立LSTM多步预测模型，利用训练集对LSTM多步预测模型进行训练，训练完成后，利用测试集对LSTM多步预测模型进行测试，若准确率达标，则输出LSTM多步预测模型，用于对未来4小时的光伏功率预测，进而获得电量，转入S1，若准确率未达标，则转入S2。
[0010]作为优选，本专利技术方法还包括：
[0011]利用对LSTM多步预测模型对未来4小时的输出电量预测，得到预测结果与实际结果进行对比，获得预测误差，根据预测误差进行误差分析。
[0012]作为优选，本专利技术S3中，利用训练集对LSTM多步预测模型进行训练，包括：
[0013]随机确定训练起点，获取训练集中的训练数据对，对模型进行训练，对比训练结
果，确定误差是否最小，若是，完成训练，若否，继续训练。
[0014]本专利技术的有益效果，本专利技术利用光伏功率预测电量的方法，设计了LSTM多步预测模型，利用过去12小时的历史数据预测未来4小时的电量。
附图说明
[0015]图1为本专利技术的原理示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0018]下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。
[0019]本实施方式的双碳目标下分布式清洁能源电量预测方法包括：
[0020]步骤1、获取分布式清洁能源过去12小时的历史数据，包括分布式清洁能源运行参数和光伏功率；
[0021]步骤2、提取出历史数据的特征，并对提取出的特征进行随机森林特征筛选，构建出训练集和测试集；
[0022]步骤3、建立LSTM多步预测模型，利用训练集对LSTM多步预测模型进行训练，训练完成后，利用测试集对LSTM多步预测模型进行测试，若准确率达标，则输出LSTM多步预测模型，用于对未来4小时的光伏功率预测，进而获得电量，转入步骤1，若准确率未达标，则转入步骤2。
[0023]本实施方式将光伏发电系统、蓄电池储能系统等进行能量供应关系和数学模型的方法对未来分布式清洁能源电量进行预测。可以得到分布式清洁能源与传统能源发电量的占比，立足于“碳达峰、碳中和”的宏观条件下，在工作中对未来黑龙江电网发展进行精准规划，根据预测比例调整新能源项目接入和传统电厂接入比例，满足未来能源发展需求，减少二氧化碳排放量。
[0024]本实施方式的方法还包括：
[0025]利用对LSTM多步预测模型对未来4小时的输出电量预测，得到预测结果与实际结果进行对比，获得预测误差，根据预测误差进行误差分析。
[0026]本实施方式的步骤3中，利用训练集对LSTM多步预测模型进行训练，包括：
[0027]随机确定训练起点，获取训练集中的训练数据对，对模型进行训练，对比训练结果，确定误差是否最小，若是，完成训练，若否，继续训练。
[0028]本实施方式挑选某太阳能丰富的地区，收集2021年某一天12个小时的光伏发电量数据，并输入到预测模型中，得到当天未来4小时的光伏发电量。并与2021年实际发电量进行比较，得到预测误差。并响应推广至分布式清洁能源发电量预测值。若都在误差范围内，利用此预测算法预测未来“十五五”期间分布式清洁能源发电量与传统发电量的比重，从而
及时调整新能源电源接入比例，真正做到精准规划，助力“碳达峰、碳中和”的实现。
[0029]虽然在本文中参照了特定的实施方式来描述本专利技术，但是应该理解的是，这些实施例仅仅是本专利技术的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本专利技术的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.双碳目标下分布式清洁能源电量预测方法，其特征在于，所述方法包括：S1、获取分布式清洁能源过去12小时的历史数据，包括分布式清洁能源运行参数和光伏功率；S2、提取出历史数据的特征，并对提取出的特征进行随机森林特征筛选，构建出训练集和测试集；S3、建立LSTM多步预测模型，利用训练集对LSTM多步预测模型进行训练，训练完成后，利用测试集对LSTM多步预测模型进行测试，若准确率达标，则输出LSTM多步预测模型，用于对未来4小时的光伏功率预测，进而获得电量，转入S1，若准确率未达标，则转入S2。2.根据权利要求1所述的双碳目标下分布式清洁能源电量预测方法，其特征在于，所述方法还包括：利用对LSTM多步预测模型对未来4小时的输出电量预测，得到预测结果与实际结果进行对比，获得预测误...

【专利技术属性】
技术研发人员：李瑨，沈妙哲，李彤青，高浩翔，袁百慧，付瑶，项雯，姜妍，宋蕾，王钊婧，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：