【技术实现步骤摘要】
发电功率预测方法及相关装置
[0001]本专利技术涉及电力领域，特别涉及一种发电功率预测方法及相关装置。
技术介绍
[0002]光伏发电功率的准确预测对于电网调度的安全稳定运行有着重要作用，但目前所使用的预测模型对于光伏发电功率的预测精度较低，不能准确考虑光伏发电功率的影响因素，准确高效地预测光伏发电功率成为了本领域人员亟待解决的技术问题。
技术实现思路
[0003]鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种发电功率预测方法及相关装置。
[0004]第一方面，一种发电功率预测方法，包括：
[0005]获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其中，所述第一周期为以往发电过程中的其中一个周期，所述第一周期内的气象数据与目标预测周期内的气象数据相匹配；
[0006]将所述发电功率序列分解得到多个模态分量；
[0007]针对任一所述模态分量，将所述模态分量和所述熵值序列输入至预先建立的预测模型中，从而获得所述预测模型输出的预测序列，其中，一个所述模态分量对应一个所述预测序列；
[0008]根据各所述预测序列，确定所述目标预测周期内的预测功率序列。
[0009]结合第一方面，在某些可选的实施方式中，在所述获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列之前，所述方法还包括：
[0010]获得所述第一周期内的气象数据序列，其中，所述气象数据序列包括N个时刻的气象数据；>[0011]基于高斯混合算法，对所述第一周期内的气象数据序列进行聚类，得到所述第一周期内涉及的气象类型，其中，一个所述时刻对应一个所述气象类型；
[0012]对各所述气象类型进行样本熵量化，从而得到各所述气象类型分别对应的熵值；
[0013]根据各所述气象类型分别对应的所述熵值，建立所述第一周期内的气象数据对应的所述熵值序列；
[0014]根据各所述熵值，从各所述气象类型中确定至少一个所述气象类型作为所述第一周期的气象类型样本。
[0015]结合上一个实施方式，在某些可选的实施方式中，所述获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，包括：
[0016]获得目标预测周期内的气象类型；
[0017]若所述目标预测周期内的气象类型与所述第一周期的所述气象类型样本相匹配，则获得所述第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其
中，所述发电功率序列包括M个时刻的发电功率。
[0018]可选的，在某些可选的实施方式中，所述根据各所述熵值，从各所述气象类型中确定至少一个所述气象类型作为所述第一周期的气象类型样本，包括：
[0019]将所述熵值较大的前E个气象类型确定为所述第一周期的气象类型样本。
[0020]可选的，在某些可选的实施方式中，所述根据各所述熵值，从各所述气象类型中确定至少一个所述气象类型作为所述第一周期的气象类型样本，包括：
[0021]将所述熵值大于预设阈值的气象类型确定为所述第一周期的气象类型样本。
[0022]结合第一方面，在某些可选的实施方式中，所述将所述发电功率序列分解得到多个模态分量，包括：
[0023]基于变分模态分解算法，将所述发电功率序列分解得到多个所述模态分量。
[0024]结合第一方面，在某些可选的实施方式中，在所述针对任一所述模态分量，将所述模态分量和所述熵值序列输入至预先建立的预测模型中，从而获得所述预测模型输出的预测序列之后，所述方法还包括：
[0025]将所述预测序列与所述模态分量进行作差计算，从而得到对应的误差序列；
[0026]将所述误差序列和所述熵值序列输入至所述预测模型，从而获得所述预测模型输出的误差预测结果；
[0027]根据所述误差预测结果修正对应的所述预测序列。
[0028]第二方面，一种发电功率预测装置，包括：第一数据获得单元、功率序列分解单元、预测序列获得单元和功率序列确定单元；
[0029]所述第一数据获得单元，用于获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其中，所述第一周期为以往发电过程中的其中一个周期，所述第一周期内的气象数据与目标预测周期内的气象数据相匹配；
[0030]所述功率序列分解单元，用于将所述发电功率序列分解得到多个模态分量；
[0031]所述预测序列获得单元，用于针对任一所述模态分量，将所述模态分量和所述熵值序列输入至预先建立的预测模型中，从而获得所述预测模型输出的预测序列，其中，一个所述模态分量对应一个所述预测序列；
[0032]所述功率序列确定单元，用于根据各所述预测序列，确定所述目标预测周期内的预测功率序列。
[0033]第三方面，一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现如上述任一项所述的发电功率预测方法。
[0034]第四方面，一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述任一项所述的发电功率预测方法。
[0035]借由上述技术方案，本专利技术提供的一种发电功率预测方法及相关装置，可以通过获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其中，所述第一周期为以往发电过程中的其中一个周期，所述第一周期内的气象数据与目标预测周期内的气象数据相匹配；将所述发电功率序列分解得到多个模态分量；针对任一所述模态分量，将所述模态分量和所述熵值序列输入至预先建立的预测模型中，从而获得所述预测
模型输出的预测序列，其中，一个所述模态分量对应一个所述预测序列；根据各所述预测序列，确定所述目标预测周期内的预测功率序列。由此可以看出，本专利技术可以基于以往周期的气象数据和熵值序列，预测目标预测周期内的预测功率序列，充分考虑了各种天气影响因素，对于发电功率的预测精度较高，比较准确。
[0036]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0037]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0038]图1示出了本专利技术提供的第一种发电功率预测方法的流程图；
[0039]图2示出了本专利技术提供的第二种发电功率预测方法的流程图；
[0040]图3示出了本专利技术提供的总流程示意图；
[0041]图4示出了本专利技术提供的一种发电功率预测装置的结构示意图；本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种发电功率预测方法，其特征在于，包括：获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其中，所述第一周期为以往发电过程中的其中一个周期，所述第一周期内的气象数据与目标预测周期内的气象数据相匹配；将所述发电功率序列分解得到多个模态分量；针对任一所述模态分量，将所述模态分量和所述熵值序列输入至预先建立的预测模型中，从而获得所述预测模型输出的预测序列，其中，一个所述模态分量对应一个所述预测序列；根据各所述预测序列，确定所述目标预测周期内的预测功率序列。2.根据权利要求1所述的方法，其特征在于，在所述获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列之前，所述方法还包括：获得所述第一周期内的气象数据序列，其中，所述气象数据序列包括N个时刻的气象数据；基于高斯混合算法，对所述第一周期内的气象数据序列进行聚类，得到所述第一周期内涉及的气象类型，其中，一个所述时刻对应一个所述气象类型；对各所述气象类型进行样本熵量化，从而得到各所述气象类型分别对应的熵值；根据各所述气象类型分别对应的所述熵值，建立所述第一周期内的气象数据对应的所述熵值序列；根据各所述熵值，从各所述气象类型中确定至少一个所述气象类型作为所述第一周期的气象类型样本。3.根据权利要求2所述的方法，其特征在于，所述获得第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，包括：获得目标预测周期内的气象类型；若所述目标预测周期内的气象类型与所述第一周期的所述气象类型样本相匹配，则获得所述第一周期内的发电功率序列和所述第一周期内的气象数据对应的熵值序列，其中，所述发电功率序列包括M个时刻的发电功率。4.根据权利要求2所述的方法，其特征在于，所述根据各所述熵值，从各所述气象类型中确定至少一个所述气象类型作为所述第一周期的气象类型样本，包括：将所述熵值较大的前E个气象类型确定为所述第一周期的气象类型样本。5.根据权利要求2所述的方法，其特征在于，所述根据各所述熵值，从各所述气象类型中确定至少一个所述气...
【专利技术属性】
技术研发人员：赵俊勇，刘柳，吴文佳，马亮，李敏，单雨，
申请(专利权)人：国网新能源云技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。