CN112202174B - 一种新能源发电预测方法及系统 - Google Patents

一种新能源发电预测方法及系统 Download PDF

Info

Publication number
CN112202174B
CN112202174B CN202011125739.7A CN202011125739A CN112202174B CN 112202174 B CN112202174 B CN 112202174B CN 202011125739 A CN202011125739 A CN 202011125739A CN 112202174 B CN112202174 B CN 112202174B
Authority
CN
China
Prior art keywords
power generation
load
index
influence rate
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.)
Active
Application number
CN202011125739.7A
Other languages
English (en)
Other versions
CN112202174A (zh
Inventor
王垚
李�杰
吕书臣
侯逊
石秀刚
叶春明
谢云明
郭登伟
魏克强
李勇
穆维府
张开鹏
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.)
Huaeng Liaocheng Thermal Power Co ltd
Huaneng Shandong Power Generation Co Ltd
Original Assignee
Huaeng Liaocheng Thermal Power Co ltd
Huaneng Shandong Power Generation Co Ltd
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 Huaeng Liaocheng Thermal Power Co ltd, Huaneng Shandong Power Generation Co Ltd filed Critical Huaeng Liaocheng Thermal Power Co ltd
Priority to CN202011125739.7A priority Critical patent/CN112202174B/zh
Publication of CN112202174A publication Critical patent/CN112202174A/zh
Application granted granted Critical
Publication of CN112202174B publication Critical patent/CN112202174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/004—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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本发明涉及一种新能源发电预测方法及系统，属于新能源发电技术领域，解决了现有技术中电网调度和电力交易缺少数据参考的问题。该方法包括，获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据；根据历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率；根据天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量。该方法根据历史发电数据获得天气指数对新能源发电的影响率，以提高对新能源发电预测的准确率，从而为电网调度和电力交易提供数据参考。

Description

一种新能源发电预测方法及系统
技术领域
本发明涉及新能源发电技术领域，尤其涉及一种新能源发电预测方法及系统。
背景技术
新能源是指在新技术基础上加以开发利用的可再生能源，例如风能、太阳能、生物质能、水能等。新能源在发电领域使用规模和范围的日益增加，但风力发电和光伏发电的不确定性很高，受天气的影响明显，对电网的稳定运行带来了不小的挑战，因此对于风电、光伏发电量的精准预测和规划变得十分重要。准确预测新能源发电的发电最高负荷、发电最低负荷和发电量，提供地区和网供负荷的预测结果，为电网调度和电力交易提供科学的数据参考，成为本领域技术人员亟待解决的问题。
目前现有技术中，多是通过深度学习的方法对新能源发电的发电功率进行预测，而缺少对新能源发电的发电负荷和发电量进行预测，从而无法为地区的电力交易报价决策以及发电机组的合理调配提供科学的数据参考依据。
发明内容
鉴于上述的分析，本发明通过提供一种新能源发电预测方法及系统，用以解决现有技术中电网调度和电力交易缺少数据参考的问题。
一方面，本发明提供了一种新能源发电预测方法，包括以下步骤：
获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据；
根据所述历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率；
根据所述天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量。
进一步的，所述新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多种；
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量；
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量；
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量。
进一步的，通过下述公式获得风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率：
Figure BDA0002733551790000021
Figure BDA0002733551790000031
Figure BDA0002733551790000032
其中，
Figure BDA0002733551790000033
表示风力指数对风力发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pflhn、Pflhn-1分别表示第n天和第n-1天的风力发电最高负荷，
Figure BDA0002733551790000034
表示风力指数对风力发电最低负荷的影响率，Pflln、Pflln-1分别表示第n天和第n-1天的风力发电最低负荷，
Figure BDA0002733551790000035
表示风力指数对风力发电发电量的影响率，Qfln、Qfln-1分别表示第n天和第n-1天的风力发电发电量，Wn、Wn-1分别表示第n天和第n-1天的平均风力指数；
通过下述公式获得天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率：
Figure BDA0002733551790000036
Figure BDA0002733551790000037
其中，
Figure BDA0002733551790000038
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pfzhn、Pfzhn-1分别表示第n天和第n-1天的集中式光伏发电最高负荷，
Figure BDA0002733551790000039
表示天气晴朗指数对集中式光伏发电发电量的影响率，Qjzn、Qjzn-1分别表示第n天和第n-1天的集中式光伏发电发电量，Sn、Sn-1分别表示第n天和第n-1天的平均天气晴朗指数；
以及根据所述历史天气数据中的天气晴朗指数、分布式光伏发电对应的历史发电数据分别得到天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率。
进一步的，所述预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量，包括：
预测获得目标预测日期的风力发电的发电最高负荷：
Figure BDA0002733551790000041
其中，Pfh1表示预测的风力发电的最高负荷，Ph1表示目标预测日期前一天的风力发电最高负荷，
Figure BDA0002733551790000042
表示风力指数对风力发电最高负荷的影响率，Wf、Wh分别表示目标预测日期、目标预测日期前一天的平均风力指数；
预测获得目标预测日期的风力发电的发电最低负荷：
Figure BDA0002733551790000043
其中，Pfl1表示预测的风力发电的最低负荷，Pl1表示目标预测日期前一天的风力发电最低负荷，
Figure BDA0002733551790000044
表示风力指数对风力发电最低负荷的影响率；
预测获得目标预测日期的风力发电的发电量为：
Figure BDA0002733551790000045
其中，Qf1表示预测的风力发电的发电量，Qh1表示目标预测日期前一天的风力发电的发电量，
Figure BDA0002733551790000046
表示风力指数对风力发电发电量的影响率。
进一步的，所述预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的集中式光伏发电的发电最高负荷：
Figure BDA0002733551790000047
其中，Pfh2表示预测的集中式光伏发电的发电最高负荷，Ph2表示目标预测日期前一天的集中式光伏发电的发电最高负荷，
Figure BDA0002733551790000051
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，Sf、Sh分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数；
预测获得目标预测日期的集中式光伏发电的发电量：
Figure BDA0002733551790000052
其中，Qf2表示预测的集中式光伏发电的发电量，Qh2表示目标预测日期前一天的集中式光伏发电的发电量，
Figure BDA0002733551790000053
表示天气晴朗指数对集中式光伏发电发电量的影响率。
进一步的，所述预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的分布式光伏发电的发电最高负荷：
Figure BDA0002733551790000054
其中，Pfh3表示预测的分布式光伏发电的发电最高负荷，Ph3表示目标预测日期前一天的分布式光伏发电的发电最高负荷，
Figure BDA0002733551790000055
表示天气晴朗指数对分布式光伏发电最高负荷的影响率，S'f、S'h分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数；
预测获得目标预测日期的分布式光伏发电的发电量：
Figure BDA0002733551790000056
其中，Qf3表示预测的分布式光伏发电的发电量，Qh3表示目标预测日期前一天的分布式光伏发电的发电量，
Figure BDA0002733551790000057
表示天气晴朗指数对分布式光伏发电发电量的影响率。
另一方面，本发明提供了一种新能源发电预测系统，包括：
数据获取模块，用于获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据；
影响率计算模块，用于根据所述历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率；
新能源发电预测模块，用于根据所述天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量。
进一步的，所述新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多种；
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量；
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量；
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量
所述影响率计算模块，进一步用于：
根据所述历史天气数据中的风力指数、风力发电对应的历史发电数据得到风力指数对风力发电最高负荷的影响率、发电最低负荷的影响率和发电量影响率；
根据所述历史天气数据中的天气晴朗指数、集中式光伏发电对应的历史发电数据得到天气晴朗指数对集中式光伏发电最高负荷的影响率和发电量影响率；
以及根据所述历史天气数据中的天气晴朗指数、分布式光伏发电对应的历史发电数据分别得到天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率。
进一步的，所述预测获得新能源发电的发电负荷和发电量，包括：
根据目标预测日期对应的平均风力指数、风力指数对风力发电最高负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最高负荷，预测获得所述预测日期的风力发电最高负荷；根据目标预测日期对应的平均风力指数、风力指数对风力发电最低负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最低负荷，预测获得所述预测日期的风力发电最低负荷；以及根据所述预测日期对应的平均风力指数、风力指数对风力发电发电量的影响率以及所述预测日期前一天的平均风力指数、风力发电发电量，预测获得所述目标预测日期的风力发电发电量；
并分别预测获得目标预测日期的集中式光伏发电最高负荷、发电量以及分布式光伏发电最高负荷和发电量。
进一步的，还包括显示模块，用于输出并显示目标预测日期对应的新能源发电的发电负荷和发电量。
与现有技术相比，本发明至少可实现如下有益效果之一：
1、本发明通过历史天气数据和新能源发电的历史发电数据，获得风力指数和天气晴朗指数分别对风力发电和光伏发电的影响率，并结合天气预报数据中的风力指数和天气晴朗指数对目标预测日期的新能源发电的发电负荷和发电量进行准确预测。在实行电力现货的现阶段，新能源发电的准确预测结果能够为发电公司的合理电力报价决策提供数据参考依据。
2、本发明中预测获得的新能源发电的发电负荷和发电量，可以为合理调配发电机组提供科学的数据依据，优化发电机组的运行方式，从而确保供电电网安全可靠的运行。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例新能源发电预测方法的流程图；
图2为本发明实施例系能源发电预测系统的示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
方法实施例
本发明的一个具体实施例，公开了一种新能源发电预测方法。如图1所示，该方法包括以下步骤：
步骤1、获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据。
其中，优选的，可以从目标区域的生产日报中获得历史发电数据。具体的，包括日期、发电方式、对应的发电最高负荷、发电最低负荷和发电量；此外，历史天气数据包括风力等级和天气情况，具体的，可以依据表1和表2对应风力等级和天气情况确定天气指数，即风力指数和天气晴朗指数。表1、表2分别为风力等级与风力指数、天气情况与天气晴朗指数的对应关系表。具体的，目标预测日期的天气预报数据也包括风力等级和天气情况，同样可以根据表1和表2确定对应的风力指数和天气晴朗指数。
步骤2、根据历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率。
步骤3、根据天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量。预测获得发电负荷和发电量可以为发电公司指定合理的电力报价决策提供数据参考，同时可以为发电公司的合理调配发电机组，保证发电机组稳定安全运行提供科学的数据参考依据。
表1
Figure BDA0002733551790000091
Figure BDA0002733551790000101
表2
Figure BDA0002733551790000102
优选的，新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多种。
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量。
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量。
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量。
优选的，步骤2中，根据历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率，包括：
步骤2.1、通过下述公式获得风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率：
Figure BDA0002733551790000111
Figure BDA0002733551790000112
Figure BDA0002733551790000113
其中，
Figure BDA0002733551790000121
表示风力指数对风力发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pflhn、Pflhn-1分别表示第n天和第n-1天的风力发电最高负荷，
Figure BDA0002733551790000122
表示风力指数对风力发电最低负荷的影响率，Pflln、Pflln-1分别表示第n天和第n-1天的风力发电最低负荷，
Figure BDA0002733551790000123
表示风力指数对风力发电发电量的影响率，Qfln、Qfln-1分别表示第n天和第n-1天的风力发电发电量，Wn、Wn-1分别表示第n天和第n-1天的平均风力指数。
具体的，环比包括日环比和月环比，示例性的，日环比可以是上周一至本周一，月环比可以是一月到十月中，每个月的1号至月底最后一天。同比包括日同比和月同比，示例性的，日同比可以是连续指定年中的同一日(如8月5号)，月同比可以是连续指定年中的同一个月(如连续指定年8月1号至31号)。
步骤2.2、通过下述公式获得天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率：
Figure BDA0002733551790000124
Figure BDA0002733551790000125
其中，
Figure BDA0002733551790000126
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pfzhn、Pfzhn-1分别表示第n天和第n-1天的集中式光伏发电最高负荷，
Figure BDA0002733551790000127
表示天气晴朗指数对集中式光伏发电发电量的影响率，Qjzn、Qjzn-1分别表示第n天和第n-1天的集中式光伏发电发电量，Sn、Sn-1分别表示第n天和第n-1天的平均天气晴朗指数。
步骤2.3、通过下述公式获得天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率：
Figure BDA0002733551790000131
Figure BDA0002733551790000132
其中，
Figure BDA0002733551790000133
表示天气晴朗指数对分布式光伏发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pfbhn、Pfbhn-1分别表示第n天和第n-1天的分布式光伏发电最高负荷，
Figure BDA0002733551790000134
表示天气晴朗指数对分布式光伏发电发电量的影响率，Qfbn、Qfbn-1分别表示第n天和第n-1天的分布式光伏发电发电量。
优选的，上述计算过程中，在求平均值之前，要先滤除差异显著的奇异值。
优选的，上述计算影响率时，若设置的是环比日期，则对应获得是环比影响率，若设置的是同比日期，则对应获得是同比影响率。在具体实施时，可以根据具体情况设置同比影响率和环比影响率的占比，以获得最终的影响率。示例性的，若目前时间段内天气较为稳定，可以将环比影响率设置的大一些，如：环比影响率占比为75％，同比影响率占比为25％；若目前时间段内天气不稳定，处于季节变化时期，可以将同比影响率占比设置的大一些，如：环比影响率占比为30％，同比影响率占比为70％。优选的，利用历史天气数据和历史发电数据对设置的占比不断进行优化、验证，确定最优、最准确的占比。
优选的，预测获得风力发电的发电最高负荷、发电最低负荷和发电量，包括：
预测获得目标预测日期的风力发电的发电最高负荷：
Figure BDA0002733551790000135
其中，Pfh1表示预测的风力发电的最高负荷，Ph1表示目标预测日期前一天的风力发电最高负荷，
Figure BDA0002733551790000141
表示风力指数对风力发电最高负荷的影响率，Wf、Wh分别表示目标预测日期、目标预测日期前一天的平均风力指数。
预测获得目标预测日期的风力发电的发电最低负荷：
Figure BDA0002733551790000142
其中，Pfl1表示预测的风力发电的最低负荷，Pl1表示目标预测日期前一天的风力发电最低负荷，
Figure BDA0002733551790000143
表示风力指数对风力发电最低负荷的影响率。
预测获得目标预测日期的风力发电的发电量为：
Figure BDA0002733551790000144
其中，Qf1表示预测的风力发电的发电量，Qh1表示目标预测日期前一天的风力发电的发电量，
Figure BDA0002733551790000145
表示风力指数对风力发电发电量的影响率。
具体的，当目标预测日期的平均风力指数相比于其前一天的平均风力指数有所增大时，公式(1)、(2)、(3)中的“±”取“+”，当有所减小时，取“－”。
优选的，预测获得集中式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的集中式光伏发电的发电最高负荷：
Figure BDA0002733551790000146
其中，Pfh2表示预测的集中式光伏发电的发电最高负荷，Ph2表示目标预测日期前一天的集中式光伏发电的发电最高负荷，
Figure BDA0002733551790000147
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，Sf、Sh分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数。
预测获得目标预测日期的集中式光伏发电的发电量：
Figure BDA0002733551790000151
其中，Qf2表示预测的集中式光伏发电的发电量，Qh2表示目标预测日期前一天的集中式光伏发电的发电量，
Figure BDA0002733551790000152
表示天气晴朗指数对集中式光伏发电发电量的影响率。
优选的，预测获得分布式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的分布式光伏发电的发电最高负荷：
Figure BDA0002733551790000153
其中，Pfh3表示预测的分布式光伏发电的发电最高负荷，Ph3表示目标预测日期前一天的分布式光伏发电的发电最高负荷，
Figure BDA0002733551790000154
表示天气晴朗指数对分布式光伏发电最高负荷的影响率，S'f、S'h分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数；
预测获得目标预测日期的分布式光伏发电的发电量：
Figure BDA0002733551790000155
其中，Qf3表示预测的分布式光伏发电的发电量，Qh3表示目标预测日期前一天的分布式光伏发电的发电量，
Figure BDA0002733551790000156
表示天气晴朗指数对分布式光伏发电发电量的影响率。
具体的，当目标预测日期的平均天气晴朗指数相比于其前一天的平均天气晴朗指数有所增大时，公式(4)、(5)、(6)、(7)中的“±”取“+”，当有所减小时，取“－”。
系统实施例
由于新能源发电预测系统的工作原理与上述方法的原理相同，因此重复之处可以参考上述方法实施例，在此不再赘述。
本发明的另一个实施例公开了一种新能源发电预测系统。如图2所示，该系统包括：
数据库，用于存储目标区域的历史发电数据、历史天气数据，并用于缓存目标预测日期的天气预报数据。
数据获取模块，用于获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据。
影响率计算模块，用于根据历史发电数据、历史天气数据，得到风力指数、天气晴朗指数对新能源发电的影响率。
新能源发电预测模块，用于根据所述风力指数、天气晴朗指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电最高负荷、发电最低负荷和发电量。
显示模块，用于输出并显示目标预测日期对应的新能源发电的发电负荷和发电量。
数据库，还用于存储预测获得的新能源发电的发电最高负荷、发电最低负荷和发电量。
优选的，新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多。
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量。
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量。
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量。
优选的，影响率计算模块，进一步用于：
根据历史天气数据中的风力指数、风力发电对应的历史发电数据得到风力指数对风力发电最高负荷的影响率、发电最低负荷的影响率和发电量影响率。
根据历史天气数据中的天气晴朗指数、集中式光伏发电对应的历史发电数据得到天气晴朗指数对集中式光伏发电最高负荷的影响率和发电量影响率。
以及根据历史天气数据中的天气晴朗指数、分布式光伏发电对应的历史发电数据分别得到天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率。
优选的，预测获得新能源发电的发电负荷和发电量，包括：
根据目标预测日期对应的平均风力指数、风力指数对风力发电最高负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最高负荷，预测获得所述预测日期的风力发电最高负荷；根据目标预测日期对应的平均风力指数、风力指数对风力发电最低负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最低负荷，预测获得所述预测日期的风力发电最低负荷；以及根据所述预测日期对应的平均风力指数、风力指数对风力发电发电量的影响率以及所述预测日期前一天的平均风力指数、风力发电发电量，预测获得所述目标预测日期的风力发电发电量。
并分别预测获得目标预测日期的集中式光伏发电最高负荷、发电量以及分布式光伏发电最高负荷和发电量。
本发明提出的新能源预测方法及系统，与现有技术相比，一方面，通过历史天气数据和新能源发电的历史发电数据，获得风力指数和天气晴朗指数分别对风力发电和光伏发电的影响率，并结合天气预报数据中的风力指数和天气晴朗指数对目标预测日期的新能源发电的发电负荷和发电量进行准确预测。在实行电力现货的现阶段，新能源发电的准确预测结果能够为发电公司的合理电力报价决策提供数据参考。另一方面，本发明中预测获得的新能源发电的发电负荷和发电量，可以为合理调配发电机组提供科学的数据依据，优化发电机组的运行方式，从而确保供电电网安全可靠的运行。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种新能源发电预测方法，其特征在于，包括以下步骤：
获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据；
根据所述历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率；
根据所述天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量；
所述新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多种；
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量；其中，
所述预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量，包括：
预测获得目标预测日期的风力发电的发电最高负荷：
Figure FDA0003462027140000011
其中，Pfh1表示预测的风力发电的最高负荷，Ph1表示目标预测日期前一天的风力发电最高负荷，
Figure FDA0003462027140000012
表示风力指数对风力发电最高负荷的影响率，Wf、Wh分别表示目标预测日期、目标预测日期前一天的平均风力指数；
预测获得目标预测日期的风力发电的发电最低负荷：
Figure FDA0003462027140000013
其中，Pfl1表示预测的风力发电的最低负荷，Pl1表示目标预测日期前一天的风力发电最低负荷，
Figure FDA0003462027140000021
表示风力指数对风力发电最低负荷的影响率；
预测获得目标预测日期的风力发电的发电量为：
Figure FDA0003462027140000022
其中，Qf1表示预测的风力发电的发电量，Qh1表示目标预测日期前一天的风力发电的发电量，
Figure FDA0003462027140000023
表示风力指数对风力发电发电量的影响率；
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量；
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量。
2.根据权利要求1所述的新能源发电预测方法，其特征在于，通过下述公式获得风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率：
Figure FDA0003462027140000024
Figure FDA0003462027140000025
Figure FDA0003462027140000031
其中，
Figure FDA0003462027140000032
表示风力指数对风力发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pflhn、Pflhn-1分别表示第n天和第n-1天的风力发电最高负荷，
Figure FDA0003462027140000033
表示风力指数对风力发电最低负荷的影响率，Pflln、Pflln-1分别表示第n天和第n-1天的风力发电最低负荷，
Figure FDA0003462027140000034
表示风力指数对风力发电发电量的影响率，Qfln、Qfln-1分别表示第n天和第n-1天的风力发电发电量，Wn、Wn-1分别表示第n天和第n-1天的平均风力指数；
通过下述公式获得天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率：
Figure FDA0003462027140000035
Figure FDA0003462027140000036
其中，
Figure FDA0003462027140000037
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，N表示设置的环比天数或同比天数，Pfzhn、Pfzhn-1分别表示第n天和第n-1天的集中式光伏发电最高负荷，
Figure FDA0003462027140000038
表示天气晴朗指数对集中式光伏发电发电量的影响率，Qjzn、Qjzn-1分别表示第n天和第n-1天的集中式光伏发电发电量，Sn、Sn-1分别表示第n天和第n-1天的平均天气晴朗指数；
以及根据所述历史天气数据中的天气晴朗指数、分布式光伏发电对应的历史发电数据分别得到天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率。
3.根据权利要求1或2所述的新能源发电预测方法，其特征在于，所述预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的集中式光伏发电的发电最高负荷：
Figure FDA0003462027140000041
其中，Pfh2表示预测的集中式光伏发电的发电最高负荷，Ph2表示目标预测日期前一天的集中式光伏发电的发电最高负荷，
Figure FDA0003462027140000042
表示天气晴朗指数对集中式光伏发电最高负荷的影响率，Sf、Sh分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数；
预测获得目标预测日期的集中式光伏发电的发电量：
Figure FDA0003462027140000043
其中，Qf2表示预测的集中式光伏发电的发电量，Qh2表示目标预测日期前一天的集中式光伏发电的发电量，
Figure FDA0003462027140000044
表示天气晴朗指数对集中式光伏发电发电量的影响率。
4.根据权利要求3所述的新能源发电预测方法，其特征在于，所述预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量，包括：
预测获得目标预测日期的分布式光伏发电的发电最高负荷：
Figure FDA0003462027140000045
其中，Pfh3表示预测的分布式光伏发电的发电最高负荷，Ph3表示目标预测日期前一天的分布式光伏发电的发电最高负荷，
Figure FDA0003462027140000046
表示天气晴朗指数对分布式光伏发电最高负荷的影响率，S'f、S'h分别表示目标预测日期、目标预测日期前一天的平均天气晴朗指数；
预测获得目标预测日期的分布式光伏发电的发电量：
Figure FDA0003462027140000051
其中，Qf3表示预测的分布式光伏发电的发电量，Qh3表示目标预测日期前一天的分布式光伏发电的发电量，
Figure FDA0003462027140000052
表示天气晴朗指数对分布式光伏发电发电量的影响率。
5.一种实现权利要求1-4任一项所述新能源发电预测方法的新能源发电预测系统，其特征在于，包括：
数据获取模块，用于获取目标区域的历史发电数据、历史天气数据以及目标预测日期的天气预报数据；
影响率计算模块，用于根据所述历史发电数据、历史天气数据，得到天气指数对新能源发电的影响率；
新能源发电预测模块，用于根据所述天气指数对新能源发电的影响率以及目标预测日期的天气预报数据预测获得新能源发电的发电负荷和发电量。
6.根据权利要求5所述的新能源发电预测系统，其特征在于，所述新能源发电为风力发电、集中式光伏发电和分布式光伏发电中的一种或多种；
天气指数对风力发电的影响率包括：风力指数对风力发电的发电最高负荷影响率、发电最低负荷影响率和发电量影响率；预测获得风力发电的发电负荷和发电量包括预测获得目标预测日期的风力发电的发电最高负荷、最低负荷和发电量；
天气指数对集中式光伏发电的影响率包括：天气晴朗指数对集中式光伏发电的发电最高负荷影响率和发电量影响率；预测获得集中式光伏发电的发电负荷和发电量包括预测获得目标预测日期的集中式光伏发电的发电最高负荷和发电量；
天气指数对分布式光伏发电的影响率包括：天气晴朗指数对分布式光伏发电的发电最高负荷影响率和发电量影响率；预测获得分布式光伏发电的发电负荷和发电量包括预测获得目标预测日期的分布式光伏发电的发电最高负荷和发电量；
所述影响率计算模块，进一步用于：
根据所述历史天气数据中的风力指数、风力发电对应的历史发电数据得到风力指数对风力发电最高负荷的影响率、发电最低负荷的影响率和发电量影响率；
根据所述历史天气数据中的天气晴朗指数、集中式光伏发电对应的历史发电数据得到天气晴朗指数对集中式光伏发电最高负荷的影响率和发电量影响率；
以及根据所述历史天气数据中的天气晴朗指数、分布式光伏发电对应的历史发电数据分别得到天气晴朗指数对分布式光伏发电最高负荷和发电量的影响率。
7.根据权利要求6所述的新能源发电预测系统，其特征在于，所述预测获得新能源发电的发电负荷和发电量，包括：
根据目标预测日期对应的平均风力指数、风力指数对风力发电最高负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最高负荷，预测获得所述预测日期的风力发电最高负荷；根据目标预测日期对应的平均风力指数、风力指数对风力发电最低负荷的影响率以及所述预测日期前一天的平均风力指数、风力发电最低负荷，预测获得所述预测日期的风力发电最低负荷；以及根据所述预测日期对应的平均风力指数、风力指数对风力发电发电量的影响率以及所述预测日期前一天的平均风力指数、风力发电发电量，预测获得所述目标预测日期的风力发电发电量；
并分别预测获得目标预测日期的集中式光伏发电最高负荷、发电量以及分布式光伏发电最高负荷和发电量。
8.根据权利要求5-7任一项所述的新能源发电预测系统，其特征在于，还包括显示模块，用于输出并显示目标预测日期对应的新能源发电的发电负荷和发电量。
CN202011125739.7A 2020-10-20 2020-10-20 一种新能源发电预测方法及系统 Active CN112202174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011125739.7A CN112202174B (zh) 2020-10-20 2020-10-20 一种新能源发电预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011125739.7A CN112202174B (zh) 2020-10-20 2020-10-20 一种新能源发电预测方法及系统

Publications (2)

Publication Number Publication Date
CN112202174A CN112202174A (zh) 2021-01-08
CN112202174B true CN112202174B (zh) 2022-04-08

Family

ID=74010485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011125739.7A Active CN112202174B (zh) 2020-10-20 2020-10-20 一种新能源发电预测方法及系统

Country Status (1)

Country Link
CN (1) CN112202174B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442704B (zh) * 2021-12-31 2023-03-28 华能山东发电有限公司 一种基于大数据的智能电力生产监控方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102810861B (zh) * 2012-08-23 2015-05-13 海南汉能光伏有限公司 光伏发电系统发电量预测方法和系统
CN105512763A (zh) * 2015-12-07 2016-04-20 河海大学常州校区 一种光伏电站中短期发电量的预测方法及预测系统
CN110097220B (zh) * 2019-04-22 2022-10-14 大连理工大学 一种风力发电月度电量预测方法

Also Published As

Publication number Publication date
CN112202174A (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
Wohland et al. More homogeneous wind conditions under strong climate change decrease the potential for inter-state balancing of electricity in Europe
Lionel The dynamic analysis of electricity supply and economic development: Lessons from Nigeria
Fattahi et al. Measuring accuracy and computational capacity trade-offs in an hourly integrated energy system model
Okedu et al. Assessment of the cost of various renewable energy systems to provide power for a small community: Case of Bukha, Oman
CN109325676B (zh) 基于gis的清洁能源综合电站选址方法
CN114792166A (zh) 一种基于多重约束的能源碳排放的优化预测方法及装置
CN112202174B (zh) 一种新能源发电预测方法及系统
Caliskan et al. Techno-economic analysis of a campus-based hydrogen-producing hybrid system
CN116205458A (zh) 考虑不确定性的水电制氢的综合能源系统优化调度模型建立方法
Hansen Can wind be a" firm" resource? A North Carolina case study
Comendant et al. Identifying the opportunity to meet the Republic of Moldova Electricity Demand by Combining Renewable Energy Sources and Energy Storage Systems
Limpens et al. Quantification of electricity storage needs for Belgium energy transition: A sensitivity analysis based on EROI
van Aarde et al. Balancing wind and solar power variability through spatial deployment informed by weather regimes: A review and roadmap ahead
Voronova et al. “Green” Investments in Renewable Energy in the Context of Innovative Development and Digitalization
Wirtz et al. Two-step approach simulating the unit commitment of highly complex hydraulic systems in the future european power system
Manoj et al. Towards Efficient Energy Solutions: MCDA-Driven Selection of Hybrid Renewable Energy Systems
Narváez et al. Energy planning with renewable energy sources
Önay et al. A supply and demand analysis for the Turkish electricity market: supply adequacy and resource utilization
Povacz et al. Analysis of the Levelized Cost of Renewable Hydrogen in Austria. Sustainability 2023, 15, 4575
Tahani et al. Assessment of wind energy use to store the water for generation power with two stage optimization method
EICKE et al. Flexibility options in power systems: A benefit analysis on the market value of variable renewable energy
Holtwerth et al. Investigation on the Influence of Real-World Weather and Demand Forecasts on the Model Predictive Control of a Hydrogen-Battery Energy Storage System
Jayapalan et al. Analyzing Reliability of Tamil Nadu Power Grid for the Year 2015 using Wasp-IV
Comendant et al. Deploying Renewable Energy Sources and Energy Storage Systems to Achieve Energy Security in the R. of Moldova
Zycher Renewable energy subsidies should Be abandoned

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210108

Assignee: YANTAI POWER PLANT, HUANENG SHANDONG GENERATING Co.,Ltd.

Assignor: HUANENG SHANDONG POWER GENERATION Co.,Ltd.

Contract record no.: X2023980051485

Denomination of invention: A New Energy Generation Prediction Method and System

Granted publication date: 20220408

License type: Common License

Record date: 20231220