本发明专利技术涉及新能源技术领域，尤其为一种新能源发电出力预测系统，包括：信息采集模块：用于采集新能源发电数据；信息处理模块：用于对采集的新能源发电数据进行预处理；出力分析模块：用于对采集的新能源发电数据进行出力关联度分析；网络预测模块：用于通过CNN‑BiLSTM网络搭建出力预测模型进行新能源发电出力预测。本发明专利技术通过对新能源发电数据进行关联度分析提取表征能力更强的新能源发电特征数据，提升模型预测的准确率；并通过能够解决时序数据的长期依赖问题，具备更强的非线性表达能力，并能够更好地预测依赖于前后信息的时间序列的CNN‑BiLSTM网络搭建预测模型，同时减少计算时间，降低运行成本。
【技术实现步骤摘要】
本专利技术涉及新能源，尤其是一种新能源发电出力预测系统。
技术介绍
1、随着新能源在电力系统中发展，以新能源发电为主体的“新型”电力系统逐渐形成。然而新能源出力非常依赖天气的变化(比如太阳辐照决定光伏出力、风速决定风电出力)，从而导致新能源出力存在波动性、随机性和间歇性的特点。由于电力系统需要实时保持用电与发电的平衡，因此，准确的新能源发电出力预测能够极大程度降低电网供需实时平衡的难度，从而保证电网的安全、稳定运行。传统的短期新能源出力预测方法以专家系统或者线性分类为主，这些算法普遍精准度不高，无法满足现有电力系统对短期新能源出力规划的需求。随着信息技术的快速发展，深度学习算法在预测类问题的解决上，精准度较高，应用也较为广泛。现有技术仅通过lstm循环神经网络对新能源发电数据进行训练实现短期新能源出力预测，对于长期新能源出力情况所涉及的大量数据，其新能源发电数据量过大，表征能力较弱，导致计算量过大，消耗时间过长，导致运行成本增加。
2、故本专利技术提出一种新能源发电出力预测系统，通过对新能源发电数据进行关联度分析提取表征能力更强的新能源发电特征数据，并通过cnn-bilstm网络搭建出力预测模型。
技术实现思路
1、本专利技术的目的是通过提出一种新能源发电出力预测系统，以解决上述
技术介绍
中提出的缺陷。
2、本专利技术采用的技术方案如下：
3、提供一种新能源发电出力预测系统，包括：
4、信息采集模块：用于采集新能源发电数据；
>5、信息处理模块：用于对采集的新能源发电数据进行预处理；6、出力分析模块：用于对采集的新能源发电数据进行出力关联度分析；
7、网络预测模块：用于通过cnn-bilstm网络搭建出力预测模型进行新能源发电出力预测。
8、作为本专利技术的一种优选技术方案：所述信息采集模块预设采集周期，并采集预设周期内的新能源发电数据。
9、作为本专利技术的一种优选技术方案：所述信息采集模块采集的新能源发电数据包括新能源历史发电发力数据，新能源历史环境数据和新能源历史发电出力效率数据。
10、作为本专利技术的一种优选技术方案：所述信息处理模块对采集的新能源发电数据进行数据清洗处理、数据去噪处理、缺失值填充处理和数据归一化处理。
11、作为本专利技术的一种优选技术方案：所述出力分析模块基于灰色关联度算法进行新能源发电数据的出力关联度分析。
12、作为本专利技术的一种优选技术方案：所述灰色关联度算法具体如下：
13、计算出力关联系数δij：
14、
15、其中，pj为新能源发电数据的第j个值，xij为第i个影响因素的第j个值，β为分辨系数；
16、第i个影响因素与新能源发电之间的关联度ri计算如下：
17、
18、其中，n为影响因素总个数。
19、作为本专利技术的一种优选技术方案：所述出力分析模块还基于信息聚合算法对新能源发电数据进行聚合分析。
20、作为本专利技术的一种优选技术方案：所述信息聚合算法具体如下：
21、
22、
23、
24、其中，为自连接结构的邻接矩阵，p为新能源发电数据矩阵，i为单位矩阵，为的度矩阵，为的对角线元素，pab为矩阵p中的第a行第b列的元素，wt为第t层的新能源发电数据，wt+1为第t+1层的新能源发电数据，rt为输入至第t层的第关联度矩阵。
25、作为本专利技术的一种优选技术方案：所述网络预测模块的cnn-bilstm网络搭建的出力预测模型具体如下：
26、fk＝σ(ωk*xk+bk)
27、hl＝ε(ωfhfk+ωhfk-1+bh)
28、hl＝ε(ωfhfk+ωhfk-1+bh)
29、yl＝ε(ωkyhl+ωhyhl+by)
30、其中，xk为第k个卷积层输入特征，*表示卷积运算，ωk、bk分别为第k个卷积层卷积核的权重矩阵和偏置向量，fk为第k个卷积层输出特征，σ表示relu激活函数，fk为卷积层输出矢量，hl为前向传播层的输出值，hl为后向传播层的输出值，yl为输出层的输出，ε为tanh激活函数，ωfh、ωh、ωfh、ωh、ωhy和ωhy均为权值矩阵，bk、bh和by均为偏置向量
31、作为本专利技术的一种优选技术方案：所述网络预测模块基于出力预测模型对下一周期内的同一时刻进行新能源发电出力预测。
32、本专利技术提供的新能源发电出力预测系统，与现有技术相比，其有益效果有：
33、本专利技术通过对新能源发电数据进行关联度分析提取表征能力更强的新能源发电特征数据，提升模型预测的准确率；并通过能够解决时序数据的长期依赖问题，具备更强的非线性表达能力，并能够更好地预测依赖于前后信息的时间序列的cnn-bilstm网络搭建预测模型，同时减少计算时间，降低运行成本。
本文档来自技高网...
【技术保护点】
1.一种新能源发电出力预测系统，其特征在于：包括：
2.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述信息采集模块(100)预设采集周期，并采集预设周期内的新能源发电数据。
3.根据权利要求2所述的新能源发电出力预测系统，其特征在于：所述信息采集模块(100)采集的新能源发电数据包括新能源历史发电发力数据，新能源历史环境数据和新能源历史发电出力效率数据。
4.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述信息处理模块(200)对采集的新能源发电数据进行数据清洗处理、数据去噪处理、缺失值填充处理和数据归一化处理。
5.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述出力分析模块(300)基于灰色关联度算法进行新能源发电数据的出力关联度分析。
6.根据权利要求5所述的新能源发电出力预测系统，其特征在于：所述灰色关联度算法具体如下：
7.根据权利要求6所述的新能源发电出力预测系统，其特征在于：所述出力分析模块(300)还基于信息聚合算法对新能源发电数据进行聚合分析。
<p>8.根据权利要求7所述的新能源发电出力预测系统，其特征在于：所述信息聚合算法具体如下：9.根据权利要求8所述的新能源发电出力预测系统，其特征在于：所述网络预测模块(400)的CNN-BiLSTM网络搭建的出力预测模型具体如下：
10.根据权利要求9所述的新能源发电出力预测系统，其特征在于：所述网络预测模块(400)基于出力预测模型对下一周期内的同一时刻进行新能源发电出力预测。
...
【技术特征摘要】
1.一种新能源发电出力预测系统，其特征在于：包括：
2.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述信息采集模块(100)预设采集周期，并采集预设周期内的新能源发电数据。
3.根据权利要求2所述的新能源发电出力预测系统，其特征在于：所述信息采集模块(100)采集的新能源发电数据包括新能源历史发电发力数据，新能源历史环境数据和新能源历史发电出力效率数据。
4.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述信息处理模块(200)对采集的新能源发电数据进行数据清洗处理、数据去噪处理、缺失值填充处理和数据归一化处理。
5.根据权利要求1所述的新能源发电出力预测系统，其特征在于：所述出力分析模块(300)基于灰色关联度算法进行...
【专利技术属性】
技术研发人员：朱明强，卢强，周世华，赵煜，徐福强，孟令超，杨乐，张蕊，赵哲，
申请(专利权)人：国网河南省电力公司开封供电公司，
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。