光伏电站功率预调整的预测方法技术

本发明专利技术提供光伏电站功率预调整的预测方法，包括如下步骤：对系统内所有用户进行检测和负荷分解；对所述每一用户的电器开关序列进行周期性地统计，得到每一用户的每一类电器的开关数量序列；计算运行中的电器的数量，统计系统中的运行的电器情况表；为每一种电器训练一个神经网络模型；预测出下一周期的电器运行数量；根据用户侧的用电预测情况进行补偿调整。通过上述方案解决了光伏电站功率预调整系统难以准确地进行超短期补偿调整的技术问题。统难以准确地进行超短期补偿调整的技术问题。

【技术实现步骤摘要】
光伏电站功率预调整的预测方法


[0001]本专利技术涉及光伏传输管理领域，尤其涉及一种基于机器学习的光伏电站功率预调整的预测方法。

技术介绍

[0002]光伏发电主要受辐照度大小、日照时间长短、云量多少等气象因素的影响，因此是一种输出功率不可控的发电技术。而电力系统是一种输入输出平衡的系统，发多少电就用多少电，光伏发电波动性较大，因此为了平抑波动，需增加相应的补偿设备进行功率补偿以达到发电与用电的平衡。
[0003]功率补偿可通过火电、水电的方式进行，但火电、水电的调配通常需要一定的时间，如果用电功率短时间内增大，管理系统不能提前一点做准备的话，则很容易造成电网波动，因此准确地对超短期内的用电量进行预测，并根据预测结果进行传输管理对光伏电网传输平衡有重要的意义。
[0004]目前用户用电量的预测主要是通过用户用电历史、天气等因素进行预测，此类预测可以较准确地预测出长期的用电量如一天、一周等，但对于超短期来说，如5分钟、10分钟则有较大的误差，使用此类预测结果不利于光伏电网的功率调整。

技术实现思路

[0005]为了解决目前主流预测方法误差大，不利于光伏电网的功率调整的问题，本专利技术提出光伏电站功率预调整的预测方法和系统。
[0006]在本专利技术的一个方面，提出光伏电站功率预调整的预测方法，其特征在于包括如下步骤：S1，对光伏传输管理系统内所有用户通过非侵入式负荷检测装置进行检测，并进行负荷分解，得到所述光伏传输管理系统内所有电器类型、相应电器类型的功率以及每一用户的电器开关序列；S2，以相同的时间起点，以第一时间周期，对所述每一用户的电器开关序列进行周期性地统计，得到每一用户的每一类电器的开关数量序列；S3，对每一用户建立一个以时间、所述所有电器类型为表头的二维链表；遍历所述每一用户的每一类电器的开关数量序列，以公式N
ijk
＝N
ij(k
‑
1)
+n
ijk
‑
m
ijk
计算运行中的电器的数量，其中N
ijk
表示第i个用户，第k个周期，运行中的第j类电器的数量，N
ij0
＝0；n
ijk
表示第i个用户，第k个周期，第j类电器打开的数量，m
ijk
表示第i个用户，第k个周期，第j类电器关闭的数量；将计算结果填入所述二维链表对应的位置；S4，将所有用户的二维链表按位相加，得到系统中的电器运行情况表；S5，根据系统中的电器运行情况表，得到当前每一种电器的运行时序；取预设数量的电器的运行时序数据输入循环神经网络，为每一种电器训练一个神经网络模型；S6，将当前每一种电器的运行时序数据输入到训练好的神经网络模型，预测出下一周期的电器运行数量；S7，根据下一周期的电器运行数量预测用户侧的用电情况，根据用户侧的用电预测情况进行补偿调整。
[0007]优选地，所述相同的时间起点具体为某一次从停电到恢复供电起。
[0008]优选地，将所述二维链表部分内容持久化于数据库，只在内存中保留近期要处理的数据。
[0009]优选地，获取至少一年的电器的运行时序数进行循环神经网络的训练。
[0010]优选地，选择最近一小时的运行时序数据输入到训练好的神经网络模型预测出下一周期的电器运行数量。
[0011]另一方面，本专利技术还提供一种光伏传输管理系统，其特征在于包括如下模块：检测模块，用于对所述光伏传输管理系统内所有用户通过非侵入式负荷检测装置进行检测，并进行负荷分解，得到所述光伏传输管理系统内所有电器类型、相应电器类型的功率以及每一用户的电器开关序列；统计模块，用于以相同的时间起点，以第一时间周期，对所述每一用户的电器开关序列进行周期性地统计，得到每一用户的每一类电器的开关数量序列；第一计算模块，用于对每一用户建立一个以时间、所述所有电器类型为表头的二维链表；遍历所述每一用户的每一类电器的开关数量序列，以公式N
ijk
＝N
ij(k
‑
1)
+n
ijk
‑
m
ijk
计算运行中的电器的数量，其中N
ijk
表示第i个用户，第k个周期，运行中的第j类电器的数量，N
ij0
＝0；n
ijk
表示第i个用户，第k个周期，第j类电器打开的数量，m
ijk
表示第i个用户，第k个周期，第j类电器关闭的数量；将计算结果填入所述二维链表对应的位置；第二计算模块，用于将所有用户的二维链表按位相加，得到系统中的运行的电器情况表；训练模块用于，根据系统中的电器运行情况表，得到每一种电器的运行时序，取预设数量的电器的运行时序数据输入循环神经网络，为每一种电器训练一个神经网络模型；预测模块用于，将当前每一种电器的运行时序数据输入到训练好的神经网络模型，预测出下一周期的电器运行数量；调整模块，用于根据下一周期的电器运行数量预测用户侧的用电情况，根据用户侧的用电预测情况进行补偿调整。
[0012]优选地，所述相同的时间起点具体为某一次从停电到恢复供电起。
[0013]优选地，将所述二维链表部分内容持久化于数据库，只在内存中保留近期要处理的数据。
[0014]优选地，取至少一年的电器的运行时序数进行循环神经网络的训练。
[0015]优选地，选择最近一小时的运行时序数据输入到训练好的神经网络模型预测出下一周期的电器运行数量。
[0016]本专利技术通过上述技术方案，根据非侵入式负荷检测装置分解出系统内的电器的开关情况，进而确定出电器的运行数量，并使用神经网络进行超短期预测，提高了超短期预测的准确率，进而提升光伏传输管理系统进行功率补偿的效率。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1空调开启数量随时间变化的示意图。
具体实施方式
[0019]下面，结合附图以及具体实施方式，对专利技术做出优选的描述。
[0020]如图1所示，在进行超短期预测时，同一种电器之间有非常强烈的关联关系；如图1所示，如对于空调而言，当气升高，部分敏感用户打开空调，随着气温进一步升高，越来越多的用户打开空调，在短时间内打开空调的数据的序列之间有明显的递增关系；如图1所示，在C时段空调打开数据开始增加，随后的E时段空调打开数据急剧上升，因此可以根据C时段的打开情况预测后继E时段的打开情况，在用户用电急剧增加时做出及时的预测，进行调整光伏传输管理系统，具体采用如下实施方式：
[0021]实施例一，一方面提出光伏电站功率预调整的预测方法，包括：
[0022]S1，对光伏传输管理系统内所有用户通过非侵入式负荷检测装置进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.光伏电站功率预调整的预测方法，其特征在于包括如下步骤：S1，对光伏传输管理系统内所有用户通过非侵入式负荷检测装置进行检测，并进行负荷分解，得到所述光伏传输管理系统内所有电器类型、相应电器类型的功率以及每一用户的电器开关序列；S2，以相同的时间起点，以第一时间周期，对所述每一用户的电器开关序列进行周期性地统计，得到每一用户的每一类电器的开关数量序列；所述相同的时间起点具体为某一次从停电到恢复供电起；S3，对每一用户建立一个以时间、所有电器类型为表头的二维链表；遍历所述每一用户的每一类电器的开关数量序列，以公式：N
ijk
＝N
ij(k
‑
1)
+n
ijk
‑
m
ijk
计算运行中的电器的数量，其中N
ijk
表示第i个用户，第k个周期，运行中的第j类电器的数量，N
ij0
＝0；n
ijk
表示第i个用户，第k个周期，第j类电器打开的数量，m
ijk
表示第i个用户，第k个周期，第j类电器关闭的数量；将计算结果填入所述二维链表对...

【专利技术属性】
技术研发人员：刘泽昆，燕同刚，尹志浩，杨西建，毕秀娟，吴斌，周彦强，刘东，颜廷宇，韩冬，王燕，孙宏君，管朔，
申请(专利权)人：国网山东省电力公司东营市河口区供电公司，
类型：发明
国别省市：