一种清洁能源基地出力水平预测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种清洁能源基地出力水平预测方法、装置、设备和介质，方法包括：构建清洁能源电站出力

【技术实现步骤摘要】
一种清洁能源基地出力水平预测方法、装置、设备和介质


[0001]本专利技术属于风电、光伏等清洁能源发电出力预测
，具体涉及一种清洁能源基地出力水平预测方法、装置、设备和介质。

技术介绍

[0002]清洁能源发展将进入大规模发展的新阶段,建设区域清洁能源基地的需求越来越大。但是由于多个区域清洁能源基地由多个不同出力特性且存在互补耦合的电站组成，清洁能源基地的发展潜力指的是未来区域装机容量增加或者新建场站的情况下有效的出力水平。现有对清洁能源基地的未来出力的评估分析采用多个电站简单的出力叠加，未考虑多个电站之间的出力耦合性，该评估分析的误差会造成输电网规划输送容量的冗余，无法为输电网规划输送容量提供精准且可靠的技术支撑。

技术实现思路

[0003]为了解决现有清洁能源基地的出力水平评估分析技术存在误差，从而导致输电网规划输送容量的冗余，准确性和可靠性较差的问题，本专利技术提供了一种清洁能源基地出力水平预测方法。本专利技术在精确预测有历史数据与无历史数据的清洁能源电站出力基础上，研究装机容量增加后此区域清洁能源的出力特性，准确可靠地为输电网规划提供技术支撑。
[0004]本专利技术通过下述技术方案实现：
[0005]一种清洁能源基地出力水平预测方法，包括：
[0006]构建清洁能源电站出力
‑
气象关联分析模型，对清洁能源电站的出力
‑
气象特性进行分析，确定影响清洁能源电站出力的核心气象影响因素；
[0007]构建清洁能源电站出力预测模型，采用核心气象影响因素历史数据对所述清洁能源电站出力预测模型进行训练；
[0008]采用训练好的清洁能源电站出力预测模型分别对区域内原有清洁能源电站和新建清洁能源电站的未来出力进行预测，并将原有清洁能源电站的未来出力预测值曲线和新建清洁能源电站的未来出力预测曲线相加，得到区域内清洁能源基地耦合出力曲线；
[0009]基于区域内清洁能源基地耦合出力曲线，分析得到该区域清洁能源基地的未来出力水平相关参数。
[0010]作为优选的实施方式，本专利技术构建的清洁能源电站出力
‑
气象关联分析模型具体为：
[0011]定义参考序列x
′
o
(k)为清洁能源发电功率，比较序列x
′
i
(k)为多元气象因素，参考序列与比较序列的差Δ
i
(k)，如(1)所示：
[0012]Δ
i
(k)＝|x
′
o
(k)
‑
x
′
i
(k)|(i＝0,1,
…
,I；k＝1,2,
…
K)
ꢀꢀꢀꢀ
(1)
[0013]式中，I表示气象因素的个数；K为序列的数据条数；
[0014]定义各个差序列中的最小值为最小极差min
i min
k
Δ
i
(k)，定义各个差序列中的最
大值为最大极差max
i max
k
Δ
i
(k)，则第i个比较序列与参考序列的关联系数γ
oi
(k)可按式(2)计算得到：
[0015][0016]式中，ξ为分辨系数；
[0017]利用式(3)计算灰色关联度
[0018][0019]将灰色关联度归一化，得到第i个比较序列的因子权重系数γ
i
，如式(4)所示：
[0020][0021]作为优选的实施方式，本专利技术的分辨系数ξ的取值范围为0～1；
[0022]所述灰色关联度的取值范围为0～1。
[0023]作为优选的实施方式，本专利技术的确定影响清洁能源电站出力的核心气象影响因素，具体为：
[0024]选取因子权重系数大于阈值的气象因素作为清洁能源电站的核心气象影响因素。
[0025]作为优选的实施方式，本专利技术的采用核心气象影响因素历史数据对所述清洁能源电站出力预测模型进行训练步骤之后还包括：
[0026]利用平均绝对百分比误差对训练之后的模型预测性能进行评价。
[0027]作为优选的实施方式，本专利技术的采用训练好的清洁能源电站出力预测模型分别对区域内原有清洁能源电站和新建清洁能源电站的未来出力进行预测，具体包括：
[0028]利用历史数据以及训练好的出力预测模型对区域内原有清洁能源电站未来出力进行预测得到各清洁能源电站的未来出力值预测曲线；
[0029]确定新建清洁能源电站所在子区域内最相似的原有清洁能源电站，利用该清洁能源电站的历史数据与训练好的出力预测模型对该新建清洁能源电站未来出力进行预测得到该新建清洁能源电站的未来出力值预测曲线。
[0030]作为优选的实施方式，本专利技术的确定新建清洁能源电站所在子区域内最相似的原有清洁能源电站，具体包括：
[0031]根据区域内原有各清洁能源电站的核心气象影响因素，进行聚类分析，将核心气象影响因素相同且对应的因子权重系数值相似度距离大于预设值的清洁能源电站划分为同一个子区域；
[0032]根据新建清洁能源电站所在子区域，选择该子区域内与新建清洁能源电站距离最近的原有清洁能源电站作为最相似的电站。
[0033]第二方面，本专利技术提出了一种清洁能源基地出力水平预测装置，包括：
[0034]出力
‑
气象关联分析模块，用于构建清洁能源电站出力
‑
气象关联分析模型，对清洁能源电站的出力
‑
气象特性进行分析，确定影响清洁能源电站出力的核心气象影响因素；
[0035]预测模型构建模块，构建清洁能源电站出力预测模型，采用核心影响因素历史数据对清洁能源电站出力预测模型进行训练；
[0036]预测耦合模块，采用训练好的清洁能源电站出力预测模型分别对区域内原有清洁
能源电站和新建清洁能源电站的未来出力进行预测，并将原有清洁能源电站的未来出力预测值曲线和新建清洁能源电站的未来出力预测曲线相加，得到区域内清洁能源基地耦合出力曲线；
[0037]出力水平分析模块，基于区域内清洁能源基地耦合出力曲线，分析得到该区域清洁能源基地的未来出力水平相关参数。
[0038]第三方面，本专利技术提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本专利技术上述方法的步骤。
[0039]第四方面，本专利技术提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术上述方法的步骤。
[0040]本专利技术具有如下的优点和有益效果：
[0041]1、本专利技术以现有的清洁能源电站的出力的时空特性为基础，通过关联分析挖掘出力与气象因素的关系，然后优选关联度高的气象因素，分析已有历史数据，进而预测新建清洁能源基地的未来出力；并根据预测的出力特性，建立包含有效容量水平等参数的评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种清洁能源基地出力水平预测方法，其特征在于，包括：构建清洁能源电站出力
‑
气象关联分析模型，对清洁能源电站的出力
‑
气象特性进行分析，确定影响清洁能源电站出力的核心气象影响因素；构建清洁能源电站出力预测模型，采用核心气象影响因素历史数据对所述清洁能源电站出力预测模型进行训练；采用训练好的清洁能源电站出力预测模型分别对区域内原有清洁能源电站和新建清洁能源电站的未来出力进行预测，并将原有清洁能源电站的未来出力预测值曲线和新建清洁能源电站的未来出力预测曲线相加，得到区域内清洁能源基地耦合出力曲线；基于区域内清洁能源基地耦合出力曲线，分析得到该区域清洁能源基地的未来出力水平相关参数。2.根据权利要求1所述的一种清洁能源基地出力水平预测方法，其特征在于，构建的清洁能源电站出力
‑
气象关联分析模型具体为：定义参考序列x
′
o
(k)为清洁能源发电功率，比较序列x
′
i
(k)为多元气象因素，参考序列与比较序列的差Δ
i
(k)，如(1)所示：Δ
i
(k)＝|x
′
o
(k)
‑
x
′
i
(k)|(i＝0,1,,I；k＝1,2,
…
K)
ꢀꢀꢀꢀ
(1)式中，I表示气象因素的个数；K为序列的数据条数；定义各个差序列中的最小值为最小极差min
i
min
k
Δ
i
(k)，定义各个差序列中的最大值为最大极差max
i
max
k
Δ
i
(k)，则第i个比较序列与参考序列的关联系数γ
oi
(k)可按式(2)计算得到：式中，ξ为分辨系数；利用式(3)计算灰色关联度利用式(3)计算灰色关联度将灰色关联度归一化，得到第i个比较序列的因子权重系数γ
i
，如式(4)所示：3.根据权利要求2所述的一种清洁能源基地出力水平预测方法，其特征在于，所述分辨系数ξ的取值范围为0～1；所述灰色关联度的取值范围为0～1。4.根据权利要求2所述的一种清洁能源基地出力水平预测方法，其特征在于，确定影响清洁能源电站出力的核心气象影响因素，具体为：选取因子权重系数大于阈值的气象因素作为清洁能源电站的核心气象影响因素。5.根据权利...

【专利技术属性】
技术研发人员：苟竞，王云玲，刘方，吴刚，陈玮，刘莹，雷云凯，韩宇奇，汤思蕊，李奥，贺星棋，许珂，
申请(专利权)人：四川省新型电力系统研究院有限公司，
类型：发明
国别省市：