多维度感知的新能源电站功率预测方法、装置制造方法及图纸

本发明专利技术公开了一种多维度感知的新能源电站功率预测方法、装置，所述方法包括：采集气象数据；对空间立体区域内的气象数据与目标新能源电站的发电功率数据进行变量相关度计算，从中筛选气象数据变量；将筛选得到的气象数据变量，按照空间立体区域的空间分辨率和时间分辨率进行数据融合，获得融合气象数据集；利用深度学习网络对融合气象数据集进行特征提取，建立与目标新能源电站的本地数据的映射关系，进行天气类型功率预测模型的训练；采集测试气象数据，输入对应的天气类型功率预测模型进行发电功率预测。采用上述技术方案，可以显著提升预测结果。预测结果。预测结果。

【技术实现步骤摘要】
多维度感知的新能源电站功率预测方法、装置


[0001]本专利技术涉及新能源发电功率预测
，尤其涉及一种多维度感知的新能源电站功率预测方法、装置。

技术介绍

[0002]由于新能源有着清洁等突出的优势，如今，新能源的利用已经较为普及，但新能源也有着间歇性、不稳定性等不可忽视的缺点，特别是风力发电，受到天气等因素的制约，发电功率具有不确定性。
[0003]为了消除新能源发电功率的这种不确定性，现有技术中提供了利用空间多点的功率预测方法，采集历史天气数据，并将天气数据赋予空间中对应的点位置，利用空间中的多个点位置以及点位置相关的天气数据，结合算法模型，获得空间多点功率预测特征，充分反映新能源电站发电功率未来变化趋势。
[0004]但是，现有技术中的方案也存在着较多的缺陷，具体而言，虽然其考虑了空间中的多个点位置，但是点位置本身是离散的，这将会忽略气象要素的连续性；主要基于单一或几个天气要素进行预测，能够从中提取的天气变化特征较为单一，而能够体现天气未来变化趋势的天气要素变量是很多的，单一的天气变化特征提取将导致天气状况预测的不准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多维度感知的新能源电站功率预测方法，其特征在于，包括：采集气象数据；所述气象数据包括气象模式数据，以及气象卫星数据；建立填充有气象数据的空间立体区域；所述空间立体区域覆盖目标新能源电站；对空间立体区域内的气象数据与目标新能源电站的发电功率数据进行变量相关度计算，从中筛选气象数据变量；所述气象数据变量指气象数据的类型；将筛选得到的气象数据变量，按照空间立体区域的空间分辨率和时间分辨率进行数据融合，获得融合气象数据集；将融合气象数据集中的数据按照天气类型划分训练数据，选择对应的天气类型功率预测模型进行训练；对融合气象数据集进行特征提取，并与目标新能源电站的本地数据进行特征融合，将融合的特征与标签化的预测时刻本地数据建立映射关系，进行天气类型功率预测模型的训练；采集测试气象数据，输入对应的天气类型功率预测模型进行发电功率预测。2.根据权利要求1所述的采集气象数据多维度感知的新能源电站功率预测方法，其特征在于，所述采集气象数据包括：采集气象局的气象模式数据，以及航天机构的同轨气象卫星数据和极轨气象卫星数据。3.根据权利要求1所述的多维度感知的新能源电站功率预测方法，其特征在于，所述对空间立体区域内的气象数据与目标新能源电站的发电功率数据进行变量相关度计算，从中筛选气象数据变量，包括：计算气象数据变量与发电功率数据之间的皮尔逊相关度系数，从中筛选与发电功率数据的皮尔逊相关度系数的绝对值高于标准系数的气象数据变量。4.根据权利要求3所述的多维度感知的新能源电站功率预测方法，其特征在于，所述从中筛选与发电功率数据的皮尔逊相关度系数高于标准系数的气象数据变量，之后包括：对筛选得到的气象数据变量进行独立性检验，计算每两个气象数据变量之间的独立性相关度，从独立性相关度高于标准相关度的两个气象数据变量中排除其中一个气象数据变量。5.根据权利要求4所述的多维度感知的新能源电站功率预测方法，其特征在于，所述从独立性相关度高于标准相关度的两个气象数据变量中排除其中一个气象数据变量，之后包括：进行随机搜索式的包裹式特征选择，将特征不重复的预定数量的气象数据变量作为特征组，分别将特征组输入深度学习算法模型之中，记录深度学习算法模型的输出表现，筛选其中输出表现达到标准输出要求的特征组，并从中筛选物理上具有共性的气象数据变量。6.根据权利要求1所述的多维度感知的新能源电站功率预测方法，其特征在于，所述将筛选得到的气象数据变量，按照空间立体区域的空间分辨率和时间分辨率进行数据融合，包...

【专利技术属性】
技术研发人员：高杰，罗耿，那兴宇，
申请(专利权)人：南京知能科技有限公司，
类型：发明
国别省市：