CN110580549A - 一种考虑天气的区域短期能源功率预测方法及系统 - Google Patents

一种考虑天气的区域短期能源功率预测方法及系统 Download PDF

Info

Publication number
CN110580549A
CN110580549A CN201910823807.8A CN201910823807A CN110580549A CN 110580549 A CN110580549 A CN 110580549A CN 201910823807 A CN201910823807 A CN 201910823807A CN 110580549 A CN110580549 A CN 110580549A
Authority
CN
China
Prior art keywords
data
meteorological
historical
error
weather
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910823807.8A
Other languages
English (en)
Other versions
CN110580549B (zh
Inventor
孙波
马得银
陈阿莲
张承慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201910823807.8A priority Critical patent/CN110580549B/zh
Publication of CN110580549A publication Critical patent/CN110580549A/zh
Application granted granted Critical
Publication of CN110580549B publication Critical patent/CN110580549B/zh
Priority to PCT/CN2020/113089 priority patent/WO2021043180A1/zh
Priority to US17/639,682 priority patent/US20220294218A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑天气的区域短期能源功率预测方法及系统，包括：通过网络获取未来设定时间内每一时刻的气象数据；从历史数据库中分别提取符合每一时刻相对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据；得到历史总误差数据；获得实时气象误差；得到气象总误差数据；将获取的未来设定时间内每一时刻的气象数据与每一时刻的气象总误差数据进行结合，得到气象预测数据；根据气象预测数据，得到功率预测数据；根据得到的功率预测数据优化系统能源发电计划。本发明既降低了网络天气预报自身存在的不准确性，同时克服天气变化存在较大的随机性历史数据无法预知的困难。

Description

一种考虑天气的区域短期能源功率预测方法及系统
技术领域
本发明涉及短期能源预测技术领域，尤其涉及一种考虑天气的区域短期能源功率预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
环境污染与能源紧缺给社会带来巨大压力，使得环保意识逐渐深入人心，越来越多地区鼓励发展新能源产业，促使新能源发展提上日程，新能源发电将成为一个重要发展方向。光伏与风力发电系统成为现代新能源发电主要表现形式，而系统能源功率极大的受到温度、湿度、气压、太阳辐射量、风速和风向等天气数据影响，并且天气变化存在极大的不确定性与随机性，会导致新能源发电系统无法稳定运行。这种波动严重影响电网的稳定性，并不利于电网发电计划的安排。为减少新能源发电系统的并网不稳定因素的影响，并对新能源系统后续发电计划进行运行优化，预测系统的准确性显得尤为重要。
发明人发现，在进行系统能源功率计算与区域负荷计算中，通常会将天气预测数值代入数学模型进行计算，所以天气预测数值的准确度会较大影响功率与负荷预测的准确度。目前主要有两种预测方法，一种是直接利用天气预报，将天气预报带入模型进行计算。这种方法简单易操作，但天气预报数据仅仅是对整个区域天气数据的预测，而对于某一固定点位的天气数据的预测精度并不精确，并且一个天气数值存在较大的误差就会影响整个预测系统的准确性。另一种方法是通过人工智能的方法，将大量历史数据输入神经网络进行计算，筛选得到未来对应的天气数据，这种方法运用大量历史数据，方法复杂，对历史数据质量要求太高，并且天气变化存在随机性，历史数据计算准确度偏低。
发明内容
为了解决上述问题，本发明提出一种考虑天气的区域短期能源功率预测方法及系统，结合实测天气与网络天气误差权重分配，通过结合多种天气数据，克服天气预报的误差与波动带来预测准确度降低的问题，并将历史数据与天气预报结合，利用天气预报趋势解决单纯历史数据对预测未来天气存在不确定性的问题。
在一些实施方式中，采用如下技术方案：
一种考虑天气的区域短期能源功率预测方法，包括：
通过网络获取未来设定时间内每一时刻的气象数据；
根据获取的气象数据，从历史数据库中分别提取符合每一时刻相对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据；
根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据；
分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差；
根据历史总误差与实时气象误差得到气象总误差数据；
将获取的未来设定时间内每一时刻的气象数据与每一时刻的气象总误差数据进行结合，得到气象预测数据；根据气象预测数据，得到功率预测数据；
根据得到的功率预测数据优化系统能源发电计划。
在另一些实施方式中，采用如下技术方案：
一种考虑天气的区域短期能源功率预测系统，包括：
用于通过网络获取未来设定时间内每一时刻的气象数据的装置；
用于根据获取的气象数据，从历史数据库中分别提取符合每一时刻对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据的装置；
用于根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据的装置；
用于分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差的装置；
用于根据历史总误差与实时气象误差得到气象总误差数据的装置；
用于将获取的未来设定时间内每一时刻的气象数据与气象总误差数据进行结合，得到气象预测数据的装置；
用于根据气象预测数据，得到功率预测数据的装置；
用于根据得到的功率预测数据优化系能源发电计划的装置。
在另一些实施方式中，采用如下技术方案：
一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的考虑天气的区域短期能源功率预测方法。
一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的考虑天气的区域短期能源功率预测方法。
与现有技术相比，本发明的有益效果是：
采用多种数据结合，采用天气预报趋势为主，历史数据与实时数据修正为辅的方法，既降低了网络天气预报自身存在的不准确性，同时克服天气变化存在较大的随机性历史数据无法预知的困难。
将历史、当前、未来相结合，得到更加精准的区域天气预测，极大地提高了分布式电站对自我区域源核预测的准确性，一方面有利于系统向能源网提供更加准确的供需计划，另一方面有利于系统对自身制定后续更加可靠的优化运行策略，提高系统经济效益。
附图说明
图1为实施例一中的考虑天气的区域短期能源功率预测方法流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中，公开了一种考虑天气的区域短期能源功率预测方法，如图1所示，包括以下步骤：
步骤一：通过网络获得天气预报，得到未来24h每一个小时对应天气情况(光伏则取晴、阴、多云，风速则取无风，微风等)，比如：0点为晴，1点为多云……23点为阴。
步骤二：从数据库中提取符合每种时刻对应天气情况条件的历史n天气象站天气数据；例如，我们在API天气中得到未来24h对应的天气情况为：1点为晴，2点为阴天，3点为雨，.......，24点为多云，则我们在历史数据库寻找对应时刻天气数据时则仅仅提取天气情况相同的数据，例如，对于历史所有的1点时刻来说我们只提取天气情况为晴天的数据。
对每个整点采集到的所有数值求取平均值，存入个二维数组array_avg_A。提取方式有很多，可以直接从数据库中提取利用labview与MySQL就可以提取，处理由于这是短期预测，仅涉及到小时，正常的天气数据采集一般以几秒采集一次，例如我们需要1点的数据，则我们就要将1点的所有数据求取平均值，array_avg_A是以每一行代表历史每天对应24时的数据，则提取N天就有N行；每一列代表24小时每一时刻历史中每天的的天气数据，则有24列。
步骤三：从数据库中提取符合每种时刻对应天气情况条件的历史n天24h网络API天气数据，存入个二维数组array_avg_B，array_avg_B形式与array_avg_A形式相同，只是A存的是历史实测数据，B存的是历史API天气数据。
步骤四：将气象站数据数组与网络天气数据数组相减得到误差二维数组array_error_C。
步骤五：从数据库中提取符合每种时刻对应天气情况条件的历史n天发电功率数据，存入二维数组array_avg_F。
步骤六：将获得的当地气象站实测天气数据带入最终我们需要使用的功率计算模型或者其余功率计算方法得到计算后的功率数据，存入二维数组array_pro_G.
步骤七：将array_avg_F与array_pro_G进行比较，选取n个权值系数0<＝Dn<＝1，使D1+D2+……+Dn＝1，功率误差决定每个权值的大小，误差越小分配权值D越大。
步骤八：将对应权值系数Dn与二维数组array_error_C对应每一行相乘，再进行行相加得到历史误差一维数组array_error_H。例如：对于一点时刻，我们提取了历史10天的数据，则我们需要将这十天的历史数据分配权重整合成一天的数据为总历史数据，24个时刻都是这样。
步骤九：获取网络未来24h天气预报，将未来24h a种天气预报数值分别存入一维数组array_pre_I。
步骤十：获取网络实时天气数据J与气象站采集实时监测数据K做差，得到实时误差er＝|J-K|。er是一个数值，代表了网络实时数据与实测天气数据的差值。
步骤十一：再次选取误差权值系数数组M，将M中存入24个不同的权值系数，将array_error_H乘以M，再将er乘以(1-M)加到结果数组中得到总误差数组array_error_ER。
M代表一个权值，1-M代表另一个权值，从而将实时误差与历史误差加权整合到一起。
步骤十二：将天气预报数组与总误差数组相加得到天气预测数值，array_pre_I+array_error_ER＝array_wea_a。
步骤十三：将天气预测数值带入所选择的功率计算方法，得到所需要的源荷功率(能源功率与负荷功率)。
实施例二
在一个或多个实施例中，公开了一种考虑天气的区域短期能源功率预测系统，包括：
用于通过网络获取未来设定时间内每一时刻的气象数据的装置；
用于根据获取的气象数据，从历史数据库中分别提取符合每一时刻对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据的装置；
用于根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据的装置；
用于分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差的装置；
用于根据历史总误差与实时气象误差得到气象总误差数据的装置；
用于将获取的未来设定时间内每一时刻的气象数据与气象总误差数据进行结合，得到气象预测数据的装置；
用于根据气象预测数据，得到功率预测数据的装置；
用于根据得到的功率预测数据优化系能源发电计划的装置。
实施例三
在一个或多个实施方式中，公开了一种终端设备，包括服务器，所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例一中的考虑天气的区域短期能源功率预测方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的考虑天气的区域短期能源功率预测方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种考虑天气的区域短期能源功率预测方法，其特征在于，包括：
通过网络获取未来设定时间内每一时刻的气象数据；
根据获取的气象数据，从历史数据库中分别提取符合每一时刻相对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据；
根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据；
分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差；
根据历史总误差与实时气象误差得到气象总误差数据；
将获取的未来设定时间内每一时刻的气象数据与每一时刻的气象总误差数据进行结合，得到气象预测数据；根据气象预测数据，得到功率预测数据；
根据得到的功率预测数据优化系统能源发电计划。
2.如权利要求1所述的一种考虑天气的区域短期能源功率预测方法，其特征在于，根据提取到的历史数据确定每一时刻的历史误差数据，具体为：
将提取的历史气象站气象数据存入二维数组array_avg_A；
将提取的历史网络API气象数据存入二维数组array_fro_B；
二维数组array_avg_A与二维数组array_fro_B的值相减得到每一时刻的历史误差二维数组array_error_C。
3.如权利要求1所述的一种考虑天气的区域短期能源功率预测方法，其特征在于，根据提取到的历史数据确定每一时刻的权重系数，具体为：
将提取的每一时刻的实测历史发电功率数据，存入二维数组array_avg_F；
根据提取的历史气象站气象数据计算每一时刻的发电功率数据，存入二维数组array_pro_G；
将二维数组array_avg_F与array_pro_G进行比较，得到功率误差，根据功率误差选取n个权值系数0<＝Dn<＝1，使D1+D2+……+Dn＝1。
4.如权利要求1所述的一种考虑天气的区域短期能源功率预测方法，其特征在于，根据历史总误差与实时气象误差得到气象总误差数据，具体为：
历史总误差数据存入一维数组array_error_H，实时气象误差数据存入一维数组er；
选取误差权值系数数组M，所述数组M中包括每一时刻的权值系数；将数组array_error_H与误差权值系数数组M相乘，得到新数组；再将数组er与数组(1-M)相乘的结果加到新数组中，得到总误差数组array_error_ER。
5.一种考虑天气的区域短期能源功率预测系统，其特征在于，包括：
用于通过网络获取未来设定时间内每一时刻的气象数据的装置；
用于根据获取的气象数据，从历史数据库中分别提取符合每一时刻对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据的装置；
用于根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据的装置；
用于分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差的装置；
用于根据历史总误差与实时气象误差得到气象总误差数据的装置；
用于将获取的未来设定时间内每一时刻的气象数据与气象总误差数据进行结合，得到气象预测数据的装置；
用于根据气象预测数据，得到功率预测数据的装置；
用于根据得到的功率预测数据优化系能源发电计划的装置。
6.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-4任一项所述的考虑天气的区域短期能源功率预测方法。
7.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-4任一项所述的考虑天气的区域短期能源功率预测方法。
CN201910823807.8A 2019-09-02 2019-09-02 一种考虑天气的区域短期能源功率预测方法及系统 Active CN110580549B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910823807.8A CN110580549B (zh) 2019-09-02 2019-09-02 一种考虑天气的区域短期能源功率预测方法及系统
PCT/CN2020/113089 WO2021043180A1 (zh) 2019-09-02 2020-09-02 一种考虑天气的区域短期能源功率预测方法及系统
US17/639,682 US20220294218A1 (en) 2019-09-02 2020-09-02 Method and system for predicting regional short-term energy power by taking weather into consideration

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910823807.8A CN110580549B (zh) 2019-09-02 2019-09-02 一种考虑天气的区域短期能源功率预测方法及系统

Publications (2)

Publication Number Publication Date
CN110580549A true CN110580549A (zh) 2019-12-17
CN110580549B CN110580549B (zh) 2020-06-02

Family

ID=68812465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910823807.8A Active CN110580549B (zh) 2019-09-02 2019-09-02 一种考虑天气的区域短期能源功率预测方法及系统

Country Status (3)

Country Link
US (1) US20220294218A1 (zh)
CN (1) CN110580549B (zh)
WO (1) WO2021043180A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110934061A (zh) * 2019-12-26 2020-03-31 裕华生态环境股份有限公司 园林灌溉节水系统
CN111507512A (zh) * 2020-04-10 2020-08-07 阳光电源股份有限公司 一种光伏超短期预测功率的修正方法及装置
WO2021043180A1 (zh) * 2019-09-02 2021-03-11 山东大学 一种考虑天气的区域短期能源功率预测方法及系统
CN113095562A (zh) * 2021-04-07 2021-07-09 安徽天能清洁能源科技有限公司 基于卡尔曼滤波和lstm发电超短期预测方法及装置
CN113591332A (zh) * 2021-09-29 2021-11-02 中国电力科学研究院有限公司 一种短期风电功率预测方法、装置、存储介质及处理器
CN114064755A (zh) * 2021-11-15 2022-02-18 珠海格力电器股份有限公司 太阳辐射量的估计方法、装置、设备及存储介质
CN114221353A (zh) * 2021-12-06 2022-03-22 中国南方电网有限责任公司超高压输电公司检修试验中心 电网调控方法、装置、设备、存储介质和计算机程序产品
CN116488141A (zh) * 2023-03-22 2023-07-25 国家能源集团乐东发电有限公司 一种基于多能互补的电网能量供应方法及系统
CN116703115A (zh) * 2023-06-28 2023-09-05 东莞理工学院 一种热力发电厂的供电分配方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609791A (zh) * 2012-03-15 2012-07-25 北京华电天仁电力控制技术有限公司 基于云平台的规模化集中式远程风电功率预测中心
CN102930358A (zh) * 2012-11-28 2013-02-13 江西九江供电公司 一种光伏电站发电功率的神经网络预测方法
CN103390202A (zh) * 2013-07-18 2013-11-13 华北电力大学 一种基于相似数据选取的光伏电站输出功率预测方法
CN103440531A (zh) * 2013-08-16 2013-12-11 国家电网公司 计及风电场风机运行状态的风电场短期风电功率预测系统
US8761948B1 (en) * 2008-04-25 2014-06-24 Versify Solutions, Inc. System and method for managing and monitoring renewable energy power generation
US20140195159A1 (en) * 2013-01-09 2014-07-10 Iteris, Inc. Application of artificial intelligence techniques and statistical ensembling to forecast power output of a wind energy facility
CN105354620A (zh) * 2014-08-19 2016-02-24 中国科学院上海高等研究院 一种风机发电功率的预测方法
CN105447509A (zh) * 2015-11-10 2016-03-30 天津大学 一种光伏发电系统的短期功率预测方法
US9857778B1 (en) * 2016-10-07 2018-01-02 International Business Machines Corporation Forecasting solar power generation using real-time power data, weather data, and complexity-based similarity factors
US20180225779A1 (en) * 2017-02-07 2018-08-09 Foresight Energy Ltd System and method for determining power production in an electrical power grid

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120166085A1 (en) * 2010-12-14 2012-06-28 Peter Gevorkian Solar power monitoring and predicting of solar power output
CN102269124B (zh) * 2011-06-30 2013-04-03 内蒙古电力勘测设计院 超短期风电场发电功率预测系统
US8624411B2 (en) * 2011-10-14 2014-01-07 General Electric Company Power generation system including predictive control apparatus to reduce influences of weather-varying factors
CN104021424B (zh) * 2013-02-28 2018-12-07 乌托巴斯洞察公司 用于预测风场中的风机的输出功率的方法和装置
CN104104760B (zh) * 2014-01-01 2017-07-21 厦门美图之家科技有限公司 一种可显示温度的移动终端及其温度提供方法
JP6623514B2 (ja) * 2014-11-10 2019-12-25 東京電力ホールディングス株式会社 需給制御装置、需給制御方法及び電力供給システム
CN104978614A (zh) * 2015-07-30 2015-10-14 国网上海市电力公司 一种光伏发电预测系统
JP6600516B2 (ja) * 2015-09-14 2019-10-30 株式会社東芝 アグリゲーション管理装置及び方法
JP6427090B2 (ja) * 2015-12-07 2018-11-21 株式会社日立製作所 発電量予測装置、発電量予測方法、系統安定化装置、並びに系統安定化方法
CN105512775A (zh) * 2016-02-01 2016-04-20 北京交通大学 一种光伏发电系统的功率预测方法
WO2017201427A1 (en) * 2016-05-19 2017-11-23 The Catholic University Of America System and methods for improving the accuracy of solar energy and wind energy forecasts for an electric utility grid
US11487994B2 (en) * 2018-07-19 2022-11-01 Sacramento Municipal Utility District Techniques for estimating and forecasting solar power generation
CN110097205A (zh) * 2019-03-15 2019-08-06 天津大学 一种建筑负荷预测用气象预报数据预处理方法
CN110580549B (zh) * 2019-09-02 2020-06-02 山东大学 一种考虑天气的区域短期能源功率预测方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8761948B1 (en) * 2008-04-25 2014-06-24 Versify Solutions, Inc. System and method for managing and monitoring renewable energy power generation
CN102609791A (zh) * 2012-03-15 2012-07-25 北京华电天仁电力控制技术有限公司 基于云平台的规模化集中式远程风电功率预测中心
CN102930358A (zh) * 2012-11-28 2013-02-13 江西九江供电公司 一种光伏电站发电功率的神经网络预测方法
US20140195159A1 (en) * 2013-01-09 2014-07-10 Iteris, Inc. Application of artificial intelligence techniques and statistical ensembling to forecast power output of a wind energy facility
CN103390202A (zh) * 2013-07-18 2013-11-13 华北电力大学 一种基于相似数据选取的光伏电站输出功率预测方法
CN103440531A (zh) * 2013-08-16 2013-12-11 国家电网公司 计及风电场风机运行状态的风电场短期风电功率预测系统
CN105354620A (zh) * 2014-08-19 2016-02-24 中国科学院上海高等研究院 一种风机发电功率的预测方法
CN105447509A (zh) * 2015-11-10 2016-03-30 天津大学 一种光伏发电系统的短期功率预测方法
US9857778B1 (en) * 2016-10-07 2018-01-02 International Business Machines Corporation Forecasting solar power generation using real-time power data, weather data, and complexity-based similarity factors
US20180225779A1 (en) * 2017-02-07 2018-08-09 Foresight Energy Ltd System and method for determining power production in an electrical power grid

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021043180A1 (zh) * 2019-09-02 2021-03-11 山东大学 一种考虑天气的区域短期能源功率预测方法及系统
CN110934061A (zh) * 2019-12-26 2020-03-31 裕华生态环境股份有限公司 园林灌溉节水系统
CN111507512B (zh) * 2020-04-10 2023-11-24 阳光慧碳科技有限公司 一种光伏超短期预测功率的修正方法及装置
CN111507512A (zh) * 2020-04-10 2020-08-07 阳光电源股份有限公司 一种光伏超短期预测功率的修正方法及装置
CN113095562A (zh) * 2021-04-07 2021-07-09 安徽天能清洁能源科技有限公司 基于卡尔曼滤波和lstm发电超短期预测方法及装置
CN113591332A (zh) * 2021-09-29 2021-11-02 中国电力科学研究院有限公司 一种短期风电功率预测方法、装置、存储介质及处理器
CN113591332B (zh) * 2021-09-29 2022-04-05 中国电力科学研究院有限公司 一种短期风电功率预测方法、装置、存储介质及处理器
CN114064755A (zh) * 2021-11-15 2022-02-18 珠海格力电器股份有限公司 太阳辐射量的估计方法、装置、设备及存储介质
CN114221353A (zh) * 2021-12-06 2022-03-22 中国南方电网有限责任公司超高压输电公司检修试验中心 电网调控方法、装置、设备、存储介质和计算机程序产品
CN114221353B (zh) * 2021-12-06 2023-09-26 中国南方电网有限责任公司超高压输电公司检修试验中心 电网调控方法、装置、设备、存储介质和计算机程序产品
CN116488141B (zh) * 2023-03-22 2023-10-27 国家能源集团乐东发电有限公司 一种基于多能互补的电网能量供应方法及系统
CN116488141A (zh) * 2023-03-22 2023-07-25 国家能源集团乐东发电有限公司 一种基于多能互补的电网能量供应方法及系统
CN116703115A (zh) * 2023-06-28 2023-09-05 东莞理工学院 一种热力发电厂的供电分配方法、装置及电子设备
CN116703115B (zh) * 2023-06-28 2024-01-02 东莞理工学院 一种热力发电厂的供电分配方法、装置及电子设备

Also Published As

Publication number Publication date
US20220294218A1 (en) 2022-09-15
WO2021043180A1 (zh) 2021-03-11
CN110580549B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN110580549B (zh) 一种考虑天气的区域短期能源功率预测方法及系统
Dong et al. Wind power day-ahead prediction with cluster analysis of NWP
Yang et al. Day-ahead forecasting of photovoltaic output power with similar cloud space fusion based on incomplete historical data mining
CN108388956A (zh) 考虑辐射衰减的光伏功率预测方法
US20150019276A1 (en) Method for Computer-Assisted Determination of the Usage of Electrical Energy Produced by a Power Generation Plant, Particularly a Renewable Power Generation Plant
CN110601250B (zh) 一种基于新能源电站接入点静态电压稳定性评估方法
CN103117546A (zh) 一种超短期风电功率滑动预测方法
CN107832881B (zh) 考虑负荷水平和风速分段的风电功率预测误差评价方法
CN112884601B (zh) 一种基于天气区划策略的电力系统运行风险评估方法
CN113052386B (zh) 基于随机森林算法的分布式光伏日发电量预测方法和装置
CN116227637A (zh) 一种面向有源配电网的精细化负荷预测方法和系统
Yang et al. Photovoltaic power forecasting with a rough set combination method
CN111177278A (zh) 一种网格用户短期负荷预测实时处理工具
CN114895380A (zh) 一种太阳辐射预测方法、装置、设备和介质
CN110147908A (zh) 一种基于三维最优相似度与改进布谷鸟算法的风电功率预测方法
Cabezon et al. Comparison of methods for power curve modelling
CN115689067A (zh) 太阳辐照度预测方法、装置及存储介质
CN112215383A (zh) 一种分布式光伏发电功率预测方法和系统
CN110874611B (zh) 风电集群功率超短期预测误差等级分级补偿方法
EP3648283B1 (en) Method for forecasting the electric power production of a renewable energy power generation plant
Kaushik et al. Performance Analysis of Regression Models in Solar PV Forecasting
Aguilar et al. Hybrid methodology for modeling short-term wind power generation using conditional Kernel density estimation and singular spectrum analysis
Music et al. Wind Direction and Speed Prediction using Machine Learning
CN117833300B (zh) 一种基于智能配电设备的储能容量配置方法
CN111985711B (zh) 一种风电功率概率预测模型建立方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant