一种组合功率预测方法技术

本发明专利技术涉及新能源功率预测技术领域，尤其涉及一种组合功率预测方法

【技术实现步骤摘要】
一种组合功率预测方法、装置、设备及存储介质


[0001]本专利技术涉及新能源功率预测
，特别是涉及一种组合功率预测方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]传统电力系统中，主要由火电
、
水电等发电，在传统能源供应日趋紧张，环境保护压力加大的背景下，新能源成为全世界的重要能源战略
。
光伏
、
风力
、
再生能源等一批新能源技术愈发成熟，伴随市场规模的不断壮大，新能源已成为市场需求
。
在“双碳”背景下，新能源的装机容量呈爆发式增长
。
然而，新能源出力的随机性
、
间歇性
、
波动性给电网的稳定运行提出更大的挑战
。
为了进一步降低新能源对电网安全
、
稳定的冲击，准确的预测新能源的发电功率成为重点研发方向
。
现有技术均是采用时间步独立的思想进行功率预测研究，然而在采用历史数据预测未来状态时不同的变量之间存在相互耦合
、
干扰问题，在多步预测问题中会影响预测的准确性
。
[0003]综上所述可知，如何设计一种准确
、
高效的组合功率预测方法是目前亟需解决的问题
。

技术实现思路

[0004]本专利技术的目的是提供一种组合功率预测方法，以解决现有组合功率预测方法存在相互耦合
、
干扰导致预测精度低的问题
。
[0005]为解决上述技术问题，本专利技术提供一种组合功率预测方法，包括：
[0006]获取新能源原始数据，构建原始数据集；
[0007]对所述原始数据集进行数据清洗处理，获得预处理数据集；
[0008]构建预训练模型，利用所述预处理数据集对所述预训练模型进行训练，得到训练完成的功率预测模型；
[0009]利用所述功率预测模型对待预测的数据进行预测处理，得到预测结果
。
[0010]优选地，所述新能源原始数据包括机组运行数据
、
测风塔数据和气象预报数据
。
[0011]优选地，所述对所述原始数据集进行数据清洗处理，获得预处理数据集包括：
[0012]对所述机组运行数据的异常发电状态数据进行清洗处理，对所述测风塔数据及所述气象预报数据进行数据质量控制处理，得到处理数据集；
[0013]对所述处理数据集中不同数据源的数据进行归一化处理，得到预处理数据集
。
[0014]优选地，所述归一化处理计算公式为：
[0015][0016]其中，
x
为新能源原始数据
。
[0017]优选地，所述构建预训练模型，利用所述预处理数据集对所述预训练模型进行训练，得到训练完成的功率预测模型包括：
[0018]对所述机组运行数据
、
所述测风塔数据和所述气象预报数据进行单独建模，得到机组运行数据模型
、
测风塔数据模型和气象预报数据模型，将多变量时间序列预测转化为单变量时序列预测，构建预训练模型；
[0019]将所述机组运行数据模型
、
所述测风塔数据模型和所述气象预报数据模型进行单独权重学习后提取特征，采用时间分步方法进行不同时间步功率预测，得到训练完成的功率预测模型
。
[0020]优选地，所述对所述机组运行数据
、
所述测风塔数据和所述气象预报数据进行单独建模包括：
[0021]对不同数据源单独进行信号分解，将每个信号分解为趋势信号矩阵和残差信号矩阵；
[0022]利用深度残差神经网络对所述趋势信号矩阵和所述残差信号矩阵进行预测；其中所述深度残差神经网络包括第一
DNN
网络和第二
DNN
网络，所述第一
DNN
网络采用
Relu
激活函数，所述第二
DNN
网络不采用激活函数，只做线性变换操作，完成单独建模
。
[0023]优选地，所述将所述机组运行数据模型
、
所述测风塔数据模型和所述气象预报数据模型进行单独权重学习后提取特征，采用时间分步方法进行不同时间步功率预测，得到训练完成的功率预测模型包括：
[0024]采用长短期记忆网络进行特征提取操作，其中所述特征提取操作将预测结果的机组数据
、
测风塔数据及历史气象预报数据进行通道连接，得到通道连接矩阵；
[0025]对未来的气象预测数据进行特征提取，得到特征矩阵；
[0026]将所述通道连接矩阵与所述特征矩阵连接后，基于
attention
机制进行全局特征表征，采用时间分步方式进行每个时间步的功率预测，得到训练完成的功率预测模型
。
[0027]本专利技术还提供一种组合功率预测装置，包括：
[0028]数据获取模块，获取新能源原始数据，构建原始数据集；
[0029]预处理模块，对所述原始数据集进行数据清洗处理，获得预处理数据集；
[0030]训练模块，构建预训练模型，利用所述预处理数据集对所述预训练模型进行训练，得到训练完成的功率预测模型；
[0031]预测模块，利用所述功率预测模型对待预测的数据进行预测处理，得到预测结果
。
[0032]本专利技术还提供一种组合功率预测设备，包括：
[0033]存储器，用于存储计算机程序；
[0034]处理器，用于执行所述计算机程序时实现上述所述一种组合功率预测方法的步骤
。
[0035]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质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上述所述一种组合功率预测方法的步骤
。
[0036]本专利技术所提供的一种组合功率预测方法，基于新能源原始数据集构建原始数据，并对不同的数据源进行数据清洗及预处理，通过然后对不同的数据源的历史数据采用通道独立的思想进行时间序列预测，构建预训练模型，实现对各个时间步的单独预测过程，最终时间短期的功率预测功能，解决了不同的变量之间相互耦合
、
干扰的问题，实现了准确
、
高效的组合功率预测
。
附图说明
[0037]本专利技术上述的和
/
或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0038]图1为本专利技术所提供的一种组合功率预测方法的第一种具体实施例的流程图；
[0039]图2为模型构建流程图；
[0040]图3为通道独立模块结构图；
[0041]图4为
Res
‑
DNN
模块结构图；
[0042]图5为本专利技术实施例提供的一种组合功率预测装置的结构框图<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种组合功率预测方法，其特征在于，包括：获取新能源原始数据，构建原始数据集；对所述原始数据集进行数据清洗处理，获得预处理数据集；构建预训练模型，利用所述预处理数据集对所述预训练模型进行训练，得到训练完成的功率预测模型；利用所述功率预测模型对待预测的数据进行预测处理，得到预测结果
。2.
如权利要求1所述的组合功率预测方法，其特征在于，所述新能源原始数据包括机组运行数据
、
测风塔数据和气象预报数据
。3.
如权利要求2所述的组合功率预测方法，其特征在于，所述对所述原始数据集进行数据清洗处理，获得预处理数据集包括：对所述机组运行数据的异常发电状态数据进行清洗处理，对所述测风塔数据及所述气象预报数据进行数据质量控制处理，得到处理数据集；对所述处理数据集中不同数据源的数据进行归一化处理，得到预处理数据集
。4.
如权利要求3所述的组合功率预测方法，其特征在于，所述归一化处理计算公式为：其中，
x
为新能源原始数据
。5.
如权利要求2所述的组合功率预测方法，其特征在于，所述构建预训练模型，利用所述预处理数据集对所述预训练模型进行训练，得到训练完成的功率预测模型包括：对所述机组运行数据
、
所述测风塔数据和所述气象预报数据进行单独建模，得到机组运行数据模型
、
测风塔数据模型和气象预报数据模型，将多变量时间序列预测转化为单变量时序列预测，构建预训练模型；将所述机组运行数据模型
、
所述测风塔数据模型和所述气象预报数据模型进行单独权重学习后提取特征，采用时间分步方法进行不同时间步功率预测，得到训练完成的功率预测模型
。6.
如权利要求5所述的组合功率预测方法，其特征在于，所述对所述机组运行数据
、
所述测风塔数据和所述气象预报数据进行单独建模包括：对不同数据源单独进行信号分解，将每个信号分解为趋势信号矩阵和残差信号矩阵；利用深...

【专利技术属性】
技术研发人员：王青天，钟明，安娜，杨宁，王春森，黄思皖，刘雅欣，张燧，
申请(专利权)人：华能集团技术创新中心有限公司宁夏金信光伏电力有限公司，
类型：发明
国别省市：