【技术实现步骤摘要】
本专利技术实施例涉及新能源，尤其涉及一种人工智能驱动的新能源小时间尺度功率插值集成预测方法。
技术介绍
1、随着风光等新能源装机容量的不断增长，电网中新能源发电接入比率不断提高。为保证电网的安全稳定运行，减少调峰机组等备用资源的投资，如何精确地对新能源功率进行预测成为当前亟待解决的问题。
2、现有技术中，通常采用数值天气预报进行预测，新能源功率的预测结果的精确度依赖于数值天气预报的时间尺度，导致现阶段能实现的功率预测的最小尺度为15分钟级别，预测分辨率大，无法满足实际生产需求。
技术实现思路
1、本专利技术实施例提供了一种人工智能驱动的新能源小时间尺度功率插值集成预测方法，以实现提高新能源功率预测的频率和功率预测结果的精确程度的目的。
2、根据本专利技术的一方面，提供了一种人工智能驱动的新能源小时间尺度功率插值集成预测方法，包括：
3、获取待预测的未来时间段对应的未来天气预报信息；
4、将所述未来天气预报信息输入至预先训练的与原始分辨率对应的...
【技术保护点】
1.一种人工智能驱动的新能源小时间尺度功率插值集成预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述未来天气预报信息输入至预先训练的与原始分辨率对应的最优功率预测模型中之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述功率预测模型对应的测试结果，对各所述功率预测模型集成学习得到所述最优功率预测模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述测试集中包括测试天气预报信息和具有所述目标分辨率的测试功率真实结果；
5.根据权利要求4所述的方法，其特征在于，所述...
【技术特征摘要】
1.一种人工智能驱动的新能源小时间尺度功率插值集成预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述未来天气预报信息输入至预先训练的与原始分辨率对应的最优功率预测模型中之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述功率预测模型对应的测试结果，对各所述功率预测模型集成学习得到所述最优功率预测模型，包括：
4.根据权利要求2所述的方法，其特征在于，所述测试集中包括测试天气预报信息和具有所述目标分辨率的测试功率真实结果；
5.根据权利要求4所述的方法，其特征在于，所述基于所述测试功率真实结果与所述功率插值预测结果，在不同的所述插值算法中确定出所述最优插值算法，包括：...
【专利技术属性】
技术研发人员：包涛，马溪原，习伟，李鹏，胡旭东，潘世贤，程凯，陈炎森，周长城，李卓环，
申请(专利权)人：南方电网数字电网研究院有限公司，
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。