【技术实现步骤摘要】
本专利技术涉及新能源功率预测，尤其涉及基于机器学习的新能源小时间尺度功率时序滚动预测方法。
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。而目前我国新能源场站功率预测精度较低，时间尺度小、预测频率高的新能源高精度预测有待开展。在此背景下，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，提高风光等新能源的消纳水平，提高经济效益和社会效益，亟需提高新能源功率预测精度。现有的新能源功率预测分为超短期、短期和中长期预测。其中新能源超短期功率预测能够提供新能源出力的详细变化信息，反映功率瞬变的波动细节，对电网运行非常重要。而国内大部分做的超短期功率预测的时段为预测未来0到4小时，时间分辨率为15分钟。但风电和光伏等新能源是典型的间歇性能源，其发电能力受外部环境影响较大，波动性较强，对调度部门做好风光等可再生能源的管理工作而言，特别是电力现货市场改革的需求下，15分钟时间尺度的功率预测无法完全满足实际生成需求。因此，亟待实现小时间尺度、特别是5分钟级别的新能源高精度功率预测。
2、借助数值天...
【技术保护点】
1.基于机器学习的新能源小时间尺度功率时序滚动预测方法，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，在确定所述目标新能源场站在目标未来时间段内对应的功率预测数据之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待使用历史数据训练多种初始功率预测模型，在训练完成后得到多种待选功率预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于预测准确度评估算法确定每个所述待选功率预测模型的预测准确度，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取目标新能源场站在目标历史...
【技术特征摘要】
1.基于机器学习的新能源小时间尺度功率时序滚动预测方法，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，在确定所述目标新能源场站在目标未来时间段内对应的功率预测数据之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述待使用历史数据训练多种初始功率预测模型，在训练完成后得到多种待选功率预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于预测准确度评估算法确定每个所述待选功率预测模型的预测准确度，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取目标新能源场站在目标历史时间段内，每个...
【专利技术属性】
技术研发人员：包涛，马溪原，习伟，李鹏，程凯，胡旭东，潘世贤，周长城，陈炎森，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。