风力发电功率和光伏发电功率的预测方法以及装置制造方法及图纸

本公开的实施例提供了一种风力发电功率和光伏发电功率的预测方法以及装置，该方法包括：获取发电功率预测样本集，其中的样本以目标地区的历史气象数据为样本特征，以历史气象数据对应的风力、光伏发电功率为样本标签；将发电功率预测样本集划分为训练集和测试集；根据训练集对综合模型中多个不同的预设子模型进行训练；分别利用训练得到的多个发电功率预测模型对测试集中各样本进行发电功率预测；根据多个发电功率预测模型对应的发电功率预测结果中的风力、光伏发电功率预测结果以及测试集中各样本的样本标签，计算多个发电功率预测模型对应的风力、光伏发电功率权重系数，进而基于此准确预测风力发电功率和光伏发电功率。基于此准确预测风力发电功率和光伏发电功率。基于此准确预测风力发电功率和光伏发电功率。

【技术实现步骤摘要】
风力发电功率和光伏发电功率的预测方法以及装置


[0001]本公开涉及新能源发电功率预测
，尤其涉及一种风力发电功率和光伏发电功率的预测方法以及装置。

技术介绍

[0002]随着风力发电、光伏发电等新能源发电技术的快速发展，高比例新能源并网已经给电力系统运行控制以及电网调度计划制定等方面带来一系列深刻影响。为了保障电力系统的安全运行以及电网调度计划的合理制定，需要对风力发电、光伏发电进行预测。
[0003]由于风力发电、光伏发电受多重因素的影响，当前的方案往往无法对其进行准确预测，因此如何准确预测风力发电功率、光伏发电功率就成为了目前亟待解决的技术问题。

技术实现思路

[0004]本公开的实施例提供了一种风力发电功率和光伏发电功率的预测方法以及装置。
[0005]第一方面，本公开的实施例提供了一种综合模型训练方法，该方法包括：
[0006]获取发电功率预测样本集，其中，发电功率预测样本集中的样本以目标地区的历史气象数据为样本特征，以历史气象数据对应的风力发电功率、光伏发电功率为样本标签；
[0007]将发电功率预测样本集划分为训练集和测试集；
[0008]根据训练集对综合模型中多个不同的预设子模型进行训练，得到多个发电功率预测模型；
[0009]分别利用多个发电功率预测模型对测试集中各样本进行发电功率预测，得到多个发电功率预测模型对应的发电功率预测结果；
[0010]根据多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及测试集中各样本的样本标签，计算多个发电功率预测模型对应的风力发电功率权重系数、光伏发电功率权重系数。
[0011]在第一方面的一些可实现方式中，获取发电功率预测样本集，包括：
[0012]获取目标地区在历史时间段内的气象数据及其对应的风力发电功率、光伏发电功率；
[0013]根据获取的气象数据及其对应的风力发电功率、光伏发电功率生成样本，并以此生成样本集。
[0014]在第一方面的一些可实现方式中，将发电功率预测样本集划分为训练集和测试集，包括：
[0015]按照预设划分比例将历史时间段划分为第一历史时间段、第二历史时间段；
[0016]将发电功率预测样本集中与第一历史时间段对应的样本划分至训练集；
[0017]将发电功率预测样本集中与第二历史时间段对应的样本划分至测试集。
[0018]在第一方面的一些可实现方式中，将发电功率预测样本集划分为训练集和测试集，包括：
[0019]对发电功率预测样本集进行预处理，其中，预处理包括：异常值清除、缺失值填充、归一化处理；
[0020]将预处理后的发电功率预测样本集划分为训练集和测试集。
[0021]在第一方面的一些可实现方式中，根据多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及测试集中各样本的样本标签，计算多个发电功率预测模型对应的风力发电功率权重系数、光伏发电功率权重系数，包括：
[0022]根据多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及测试集中各样本的样本标签，计算多个发电功率预测模型对应的风力发电功率方差、光伏发电功率方差；
[0023]根据多个发电功率预测模型对应的风力发电功率方差，计算多个发电功率预测模型对应的风力发电功率权重系数；
[0024]根据多个发电功率预测模型对应的光伏发电功率方差，计算多个发电功率预测模型对应的光伏发电功率权重系数。
[0025]在第一方面的一些可实现方式中，根据多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及测试集中各样本的样本标签，计算多个发电功率预测模型对应的风力发电功率方差、光伏发电功率方差，包括：
[0026]针对任意一个发电功率预测模型，根据发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果以及测试集中各样本的样本标签中的风力发电功率，计算发电功率预测模型在测试集中各样本处的风力发电功率预测误差；
[0027]根据发电功率预测模型在测试集中各样本处的风力发电功率预测误差，计算平均风力发电功率预测误差；
[0028]根据发电功率预测模型在测试集中各样本处的风力发电功率预测误差以及平均风力发电功率预测误差，计算发电功率预测模型对应的风力发电功率方差；
[0029]根据发电功率预测模型对应的发电功率预测结果中的光伏发电功率预测结果以及测试集中各样本的样本标签中的光伏发电功率，计算发电功率预测模型在测试集中各样本处的光伏发电功率预测误差；
[0030]根据发电功率预测模型在测试集中各样本处的光伏发电功率预测误差，计算平均光伏发电功率预测误差；
[0031]根据发电功率预测模型在测试集中各样本处的光伏发电功率预测误差以及平均光伏发电功率预测误差，计算发电功率预测模型对应的光伏发电功率方差。
[0032]在第一方面的一些可实现方式中，综合模型中多个不同的预设子模型的数量为三个，分别为支持向量机、遗传算法优化BP神经网络、径向基神经网络。
[0033]第二方面，本公开的实施例提供了一种风力发电功率和光伏发电功率的预测方法，该方法包括：
[0034]获取目标地区的气象数据；
[0035]分别利用多个发电功率预测模型对气象数据进行发电功率预测，得到多个发电功率预测模型对应的发电功率预测结果；
[0036]根据多个发电功率预测模型对应的风力发电功率权重系数，对多个发电功率预测
模型对应的发电功率预测结果中的风力发电功率预测结果进行加权求和，得到综合风力发电功率预测结果；
[0037]根据多个发电功率预测模型对应的光伏发电功率权重系数，对多个发电功率预测模型对应的发电功率预测结果中的光伏发电功率预测结果进行加权求和，得到综合光伏发电功率预测结果；
[0038]其中，多个发电功率预测模型及其对应的风力发电功率权重系数、光伏发电功率权重系数基于以上所述的综合模型训练方法得到。
[0039]第三方面，本公开的实施例提供了一种综合模型训练装置，该装置包括：
[0040]获取模块，用于获取发电功率预测样本集，其中，发电功率预测样本集中的样本以目标地区的历史气象数据为样本特征，以历史气象数据对应的风力发电功率、光伏发电功率为样本标签；
[0041]划分模块，用于将发电功率预测样本集划分为训练集和测试集；
[0042]训练模块，用于根据训练集对综合模型中多个不同的预设子模型进行训练，得到多个发电功率预测模型；
[0043]预测模块，用于分别利用多个发电功率预测模型对测试集中各样本进行发电功率预测，得到多个发电功率预测模型对应的发电功率预测结果；
[0044]计算模块，用于根据多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合模型训练方法，其特征在于，所述方法包括：获取发电功率预测样本集，其中，所述发电功率预测样本集中的样本以目标地区的历史气象数据为样本特征，以历史气象数据对应的风力发电功率、光伏发电功率为样本标签；将所述发电功率预测样本集划分为训练集和测试集；根据所述训练集对综合模型中多个不同的预设子模型进行训练，得到多个发电功率预测模型；分别利用所述多个发电功率预测模型对所述测试集中各样本进行发电功率预测，得到所述多个发电功率预测模型对应的发电功率预测结果；根据所述多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及所述测试集中各样本的样本标签，计算所述多个发电功率预测模型对应的风力发电功率权重系数、光伏发电功率权重系数。2.根据权利要求1所述的方法，其特征在于，所述获取发电功率预测样本集，包括：获取所述目标地区在历史时间段内的气象数据及其对应的风力发电功率、光伏发电功率；根据获取的气象数据及其对应的风力发电功率、光伏发电功率生成样本，并以此生成样本集。3.根据权利要求2所述的方法，其特征在于，所述将所述发电功率预测样本集划分为训练集和测试集，包括：按照预设划分比例将所述历史时间段划分为第一历史时间段、第二历史时间段；将所述发电功率预测样本集中与所述第一历史时间段对应的样本划分至训练集；将所述发电功率预测样本集中与所述第二历史时间段对应的样本划分至测试集。4.根据权利要求1所述的方法，其特征在于，所述将所述发电功率预测样本集划分为训练集和测试集，包括：对所述发电功率预测样本集进行预处理，其中，所述预处理包括：异常值清除、缺失值填充、归一化处理；将预处理后的发电功率预测样本集划分为训练集和测试集。5.根据权利要求1所述的方法，其特征在于，所述根据所述多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及所述测试集中各样本的样本标签，计算所述多个发电功率预测模型对应的风力发电功率权重系数、光伏发电功率权重系数，包括：根据所述多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及所述测试集中各样本的样本标签，计算所述多个发电功率预测模型对应的风力发电功率方差、光伏发电功率方差；根据所述多个发电功率预测模型对应的风力发电功率方差，计算所述多个发电功率预测模型对应的风力发电功率权重系数；根据所述多个发电功率预测模型对应的光伏发电功率方差，计算所述多个发电功率预测模型对应的光伏发电功率权重系数。6.根据权利要求4所述的方法，其特征在于，所述根据所述多个发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果、光伏发电功率预测结果以及所述测试集
中各样本的样本标签，计算所述多个发电功率预测模型对应的风力发电功率方差、光伏发电功率方差，包括：针对任意一个发电功率预测模型，根据所述发电功率预测模型对应的发电功率预测结果中的风力发电功率预测结果以及所述测试集中各样本的样本标签中的风力发电功率，计算所述发电功率预测模型在所述测试集中各样本处的风力发电功率预测误差；根据所述发电功率预测模型在所述测试集中各样本处的风力发电功率预测误差，计算平均风力发电功率预测误差；根据所述发电功率预测模型在所述测试集中各样本处的风力发电功率预测误差以及所述平均风力发电功率预测误差，计算所述发电功率预测模型对应的风力发电功...

【专利技术属性】
技术研发人员：何玉灵，焦凌钰，孙凯，解奎，吴学伟，杜晓东，曾四鸣，赵建利，
申请(专利权)人：国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：