CN114444820B - 基于气象-功率特性的新能源功率预测限电数据识别方法 - Google Patents
基于气象-功率特性的新能源功率预测限电数据识别方法 Download PDFInfo
- Publication number
- CN114444820B CN114444820B CN202210372350.5A CN202210372350A CN114444820B CN 114444820 B CN114444820 B CN 114444820B CN 202210372350 A CN202210372350 A CN 202210372350A CN 114444820 B CN114444820 B CN 114444820B
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- power
- meteorological
- power data
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004590 computer program Methods 0.000 claims abstract description 31
- 238000012549 training Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (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
本申请涉及电力技术领域,提供了一种基于气象‑功率特性的新能源功率预测限电数据识别方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现提高限电数据识别的准确性和效率。该方法包括:获取待识别的历史功率数据和历史功率数据对应的历史气象数据,将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中,对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种基于气象-功率特性的新能源功率预测限电数据识别方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力技术的发展,电功率预测在保障电网安全运行等方面发挥着重要作用。功率预测模型的建立需要合理的功率数据支持,然而新能源发电出力具有较强的随机性和波动性,新能源发电出力的历史功率数据中存在较多的限电数据,由于限电数据存在时,现场采集的历史功率数据不能反映发电的真实功率数据,若功率预测模型训练中掺杂限电数据,会使得功率预测模型训练出现偏差,进而影响功率预测精度。
传统技术通常是通过人工进行限电数据识别,但通过该技术进行限电数据识别的准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种基于气象-功率特性的新能源功率预测限电数据识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于气象-功率特性的新能源功率预测限电数据识别方法。所述方法包括:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;
将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;
对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;
将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
在其中一个实施例中,历史功率数据为风电场的历史功率数据;历史气象数据为风电场的历史风速数据。
在其中一个实施例中,历史功率数据为光伏电站的历史功率数据;历史气象数据为光伏电站的历史总辐照度数据。
在其中一个实施例中,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据,包括:
将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
在其中一个实施例中,获取待识别的历史功率数据和历史功率数据对应的历史气象数据,包括:
获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据;
对待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到历史功率数据和历史气象数据。
在其中一个实施例中,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据之后,方法还包括:
将剔除限电数据后的历史功率数据作为功率预测模型的训练数据。
第二方面,本申请还提供了一种基于气象-功率特性的新能源功率预测限电数据识别装置。所述装置包括:
数据获取模块,用于获取待识别的历史功率数据和所述历史功率数据对应的历史气象数据;
数据分配模块,用于将所述历史气象数据划分为多个历史气象数据区间,将所述历史功率数据分配到对应的历史气象数据区间中;
范围得到模块,用于对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到所述各历史气象数据区间中对应的历史功率数据的合理分布范围;
数据识别模块,用于将所述各历史气象数据区间中的不在所述合理分布范围内的历史功率数据识别为限电数据。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
上述基于气象-功率特性的新能源功率预测限电数据识别方法、装置、计算机设备、存储介质和计算机程序产品,获取待识别的历史功率数据和历史功率数据对应的历史气象数据,将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中,对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。该方案获取历史功率数据和对应的历史气象数据,将历史气象数据划分为多个历史气象数据区间,其中每个气象数据区间中包括相应气象数据区间内对应的历史功率数据,对各个历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的真实合理分布范围,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据,从而提高限电数据识别的准确性和效率。
附图说明
图1为一个实施例中基于气象-功率特性的新能源功率预测限电数据识别方法的流程示意图;
图2为一个实施例中风电场的历史风速数据为0-10%时的历史功率数据分布的柱状统计图;
图3为一个实施例中风电场的历史风速数据为20-30%时的历史功率数据分布的柱状统计图;
图4为一个实施例中风电场的历史风速数据为40-50%时的历史功率数据分布的柱状统计图;
图5为一个实施例中风电场的历史风速数据为60-70%时的历史功率数据分布的柱状统计图;
图6为一个实施例中风电场的历史风速数据为80-90%时的历史功率数据分布的柱状统计图;
图7为一个实施例中光伏电站的历史总辐照度数据为0-10%时的历史功率数据分布的柱状统计图;
图8为一个实施例中光伏电站的历史总辐照度数据为20-30%时的历史功率数据分布的柱状统计图;
图9为一个实施例中光伏电站的历史总辐照度数据为40-50%时的历史功率数据分布的柱状统计图;
图10为一个实施例中光伏电站的历史总辐照度数据为60-70%时的历史功率数据分布的柱状统计图;
图11为一个实施例中光伏电站的历史总辐照度数据为80-90%时的历史功率数据分布的柱状统计图;
图12为一个实施例中基于气象-功率特性的新能源功率预测限电数据识别装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于气象-功率特性的新能源功率预测限电数据识别方法,本实施例以该方法应用于终端或服务器进行举例说明,包括以下步骤:
步骤S101,获取待识别的历史功率数据和历史功率数据对应的历史气象数据。
示例性的,在一些实施例中,如图2至图6所示,历史功率数据可以为风电场的历史功率数据,历史气象数据可以为风电场的历史风速数据;另外在一些实施例中,如图7至图11所示,历史功率数据可以为光伏电站的历史功率数据,历史气象数据可以为光伏电站的历史总辐照度数据。
示例性的,在一些实施例中,上述步骤S101的获取待识别的历史功率数据和历史功率数据对应的历史气象数据具体包括:获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据;对待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到历史功率数据和历史气象数据。
具体的,如图2至图11所示,获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据,对待处理的历史功率数据采用数据除以最大值(如装机容量)的方式进行归一化处理,得到历史功率数据,对待处理的历史功率数据对应的历史气象数据采用数据除以最大值的方式进行归一化处理,得到历史气象数据。
步骤S102,将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中。
本步骤中,多个历史气象数据区间可以是根据历史气象数据的大小将历史气象数据按预设的间隔划分得到的多个区间。
具体的,根据历史气象数据的大小,将历史气象数据按预设的间隔划分为多个历史气象数据区间,将历史气象数据对应的历史功率数据分配到对应的历史气象数据区间中。
示例性的,如图2至图11所示,先对历史功率数据和历史功率数据对应的历史气象数据进行归一化处理,得到归一化处理后的历史功率数据和历史气象数据,按照历史气象数据归一值的大小,从0至1每0.1个间隔划分为一个区间,即将历史气象数据划分为10个不同的历史气象数据区间,划分的历史气象数据区间包括0-10%、10-20%、20-30%、30-40%、40-50%、50-60%、60-70%、70-80%、80-90%、90%-100%,如10-20%即表示历史气象数据(如风电场的历史风速数据或光伏电站的历史总辐照度数据)在最大值10-20%之间的历史气象数据集合,将历史气象数据对应的历史功率数据分配到对应的每个划分好的历史气象数据区间中,统计各历史气象数据区间内的历史功率数据的分布情况,历史功率数据按照历史功率数据的归一值的大小,从0-1每0.05个步长统计其分布情况,统计区间包括0-5%、5-10%、10-15%、15-20%、20-25%、25-30%、30-35%、35-40%、40-45%、45-50%、50-55%、55-60%、60-65%、65-70%、70-75%、75-80%、80-85%、85-90%、90-95%、95%-100%,如10-15%即表示历史功率数据在最大值(如装机容量)10-15%之间的历史功率数据集合,其中,图2至图11中横坐标表示历史功率数据划分的功率区间,纵坐标表示历史功率数据对应的功率区间的统计时刻数。
步骤S103,对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围。
本步骤中,各历史气象数据区间中对应的历史功率数据的集中分布范围可以是如图2至图11中的柱状图的主峰分布范围。
具体的,根据气象数据与功率数据的关联关系,对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围。
步骤S104,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
示例性的,在一些实施例中,上述步骤S104的将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据具体包括:将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
具体的,设置合适的阈值,将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据,不是限电数据的历史功率数据视为正常数据。
上述基于气象-功率特性的新能源功率预测限电数据识别方法中,获取待识别的历史功率数据和历史功率数据对应的历史气象数据,将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中,对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。该方案获取历史功率数据和对应的历史气象数据,将历史气象数据划分为多个历史气象数据区间,其中每个气象数据区间中包括相应气象数据区间内对应的历史功率数据,对各个历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的真实合理分布范围,将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据,从而提高限电数据识别的准确性和效率。
在一个实施例中,上述方法还可以通过如下步骤得到功率预测模型的训练数据,具体包括:将剔除限电数据后的历史功率数据作为功率预测模型的训练数据。
本实施例中,功率预测模型可以是新能源功率预测模型。
具体的,将剔除限电数据后的历史功率数据作为功率预测模型的训练数据,从而提升功率预测模型的训练数据的质量,进而提升功率预测模型的。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于气象-功率特性的新能源功率预测限电数据识别方法的基于气象-功率特性的新能源功率预测限电数据识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于气象-功率特性的新能源功率预测限电数据识别装置实施例中的具体限定可以参见上文中对于基于气象-功率特性的新能源功率预测限电数据识别方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种基于气象-功率特性的新能源功率预测限电数据识别装置,该装置1200可以包括:
数据获取模块1201,用于获取待识别的历史功率数据和所述历史功率数据对应的历史气象数据;
数据分配模块1202,用于将所述历史气象数据划分为多个历史气象数据区间,将所述历史功率数据分配到对应的历史气象数据区间中;
范围得到模块1203,用于对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到所述各历史气象数据区间中对应的历史功率数据的合理分布范围;
数据识别模块1204,用于将所述各历史气象数据区间中的不在所述合理分布范围内的历史功率数据识别为限电数据。
在一个实施例中,所述历史功率数据为风电场的历史功率数据;所述历史气象数据为风电场的历史风速数据。
在一个实施例中,所述历史功率数据为光伏电站的历史功率数据;所述历史气象数据为光伏电站的历史总辐照度数据。
在一个实施例中,数据识别模块1204,还用于将所述各历史气象数据区间中不在所述合理分布范围内且偏离所述合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
在一个实施例中,数据获取模块1201,还用于获取待处理的历史功率数据和所述待处理的历史功率数据对应的历史气象数据;对所述待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到所述历史功率数据和历史气象数据。
在一个实施例中,该装置1200还包括:模型训练模块,用于将剔除所述限电数据后的历史功率数据作为功率预测模型的训练数据。
上述基于气象-功率特性的新能源功率预测限电数据识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机设备还包括输入输出接口,输入输出接口是处理器与外部设备之间交换信息的连接电路,它们通过总线与处理器相连,简称I/O接口。该计算机程序被处理器执行时以实现一种基于气象-功率特性的新能源功率预测限电数据识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;
将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;
对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;
将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
在一个实施例中,历史功率数据为风电场的历史功率数据;历史气象数据为风电场的历史风速数据。
在一个实施例中,历史功率数据为光伏电站的历史功率数据;历史气象数据为光伏电站的历史总辐照度数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据;
对待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到历史功率数据和历史气象数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将剔除限电数据后的历史功率数据作为功率预测模型的训练数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;
将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;
对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;
将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
在一个实施例中,历史功率数据为风电场的历史功率数据;历史气象数据为风电场的历史风速数据。
在一个实施例中,历史功率数据为光伏电站的历史功率数据;历史气象数据为光伏电站的历史总辐照度数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据;
对待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到历史功率数据和历史气象数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将剔除限电数据后的历史功率数据作为功率预测模型的训练数据。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待识别的历史功率数据和历史功率数据对应的历史气象数据;
将历史气象数据划分为多个历史气象数据区间,将历史功率数据分配到对应的历史气象数据区间中;
对各历史气象数据区间中对应的历史功率数据的集中分布范围进行正态分布拟合,得到各历史气象数据区间中对应的历史功率数据的合理分布范围;
将各历史气象数据区间中的不在合理分布范围内的历史功率数据识别为限电数据。
在一个实施例中,历史功率数据为风电场的历史功率数据;历史气象数据为风电场的历史风速数据。
在一个实施例中,历史功率数据为光伏电站的历史功率数据;历史气象数据为光伏电站的历史总辐照度数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各历史气象数据区间中不在合理分布范围内且偏离合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据;
对待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到历史功率数据和历史气象数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将剔除限电数据后的历史功率数据作为功率预测模型的训练数据。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于气象-功率特性的新能源功率预测限电数据识别方法,其特征在于,所述方法包括:
获取待识别的历史功率数据和所述历史功率数据对应的历史气象数据;
将所述历史气象数据划分为多个历史气象数据区间,将所述历史功率数据分配到对应的历史气象数据区间中;
对各历史气象数据区间中对应的历史功率数据划分到所述各历史气象数据区间中对应的多个历史功率数据区间中,统计各历史气象数据区间中对应的各历史功率数据区间中历史功率数据对应的时刻数,形成所述各历史气象数据区间对应的历史功率数据区间-时刻数柱状统计图;
对所述各历史气象数据区间对应的历史功率数据区间-时刻数柱状统计图中对应的历史功率数据的主峰分布范围进行正态分布拟合,得到所述各历史气象数据区间中对应的历史功率数据的合理分布范围;
将所述各历史气象数据区间中不在所述合理分布范围内且偏离所述合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
2.根据权利要求1所述的方法,其特征在于,所述历史功率数据为风电场的历史功率数据;所述历史气象数据为风电场的历史风速数据。
3.根据权利要求1所述的方法,其特征在于,所述历史功率数据为光伏电站的历史功率数据;所述历史气象数据为光伏电站的历史总辐照度数据。
4.根据权利要求1所述的方法,其特征在于,所述获取待识别的历史功率数据和所述历史功率数据对应的历史气象数据,包括:
获取待处理的历史功率数据和所述待处理的历史功率数据对应的历史气象数据;
对所述待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到所述历史功率数据和历史气象数据。
5.根据权利要求1所述的方法,其特征在于,所述将所述各历史气象数据区间中不在所述合理分布范围内且偏离所述合理分布范围达到预设范围阈值的历史功率数据识别为限电数据之后,所述方法还包括:
将剔除所述限电数据后的历史功率数据作为功率预测模型的训练数据。
6.根据权利要求5所述的方法,其特征在于,所述功率预测模型为新能源功率预测模型。
7.一种基于气象-功率特性的新能源功率预测限电数据识别装置,其特征在于,所述装置包括:
数据获取模块,用于获取待识别的历史功率数据和所述历史功率数据对应的历史气象数据;
数据分配模块,用于将所述历史气象数据划分为多个历史气象数据区间,将所述历史功率数据分配到对应的历史气象数据区间中;对各历史气象数据区间中对应的历史功率数据划分到所述各历史气象数据区间中对应的多个历史功率数据区间中,统计各历史气象数据区间中对应的各历史功率数据区间中历史功率数据对应的时刻数,形成所述各历史气象数据区间对应的历史功率数据区间-时刻数柱状统计图;
范围得到模块,用于对所述各历史气象数据区间对应的历史功率数据区间-时刻数柱状统计图中对应的历史功率数据的主峰分布范围进行正态分布拟合,得到所述各历史气象数据区间中对应的历史功率数据的合理分布范围;
数据识别模块,用于将所述各历史气象数据区间中不在所述合理分布范围内且偏离所述合理分布范围达到预设范围阈值的历史功率数据识别为限电数据。
8.根据权利要求7所述的装置,其特征在于,数据获取模块,还用于:
获取待处理的历史功率数据和所述待处理的历史功率数据对应的历史气象数据;
对所述待处理的历史功率数据和待处理的历史功率数据对应的历史气象数据进行归一化处理,得到所述历史功率数据和历史气象数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210372350.5A CN114444820B (zh) | 2022-04-11 | 2022-04-11 | 基于气象-功率特性的新能源功率预测限电数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210372350.5A CN114444820B (zh) | 2022-04-11 | 2022-04-11 | 基于气象-功率特性的新能源功率预测限电数据识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114444820A CN114444820A (zh) | 2022-05-06 |
CN114444820B true CN114444820B (zh) | 2022-10-18 |
Family
ID=81360428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210372350.5A Active CN114444820B (zh) | 2022-04-11 | 2022-04-11 | 基于气象-功率特性的新能源功率预测限电数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444820B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067100A (zh) * | 2017-01-25 | 2017-08-18 | 国网冀北电力有限公司 | 风电功率异常数据辨识方法及辨识装置 |
CN113569399A (zh) * | 2021-07-20 | 2021-10-29 | 华能四平风力发电有限公司 | 风电机组运行数据处理方法、系统、设备及存储介质 |
CN113626767A (zh) * | 2021-08-02 | 2021-11-09 | 中节能风力发电股份有限公司 | 一种风机限电识别方法、系统、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274021A (zh) * | 2017-06-16 | 2017-10-20 | 南京国电南自电网自动化有限公司 | 一种光伏功率预测系统干扰数据处理系统及方法 |
DE102018125465A1 (de) * | 2018-10-15 | 2020-04-16 | Wobben Properties Gmbh | Verfahren und Windpark zum Einspeisen elektrischer Leistung in ein elektrisches Versorgungsnetz |
CN112668661A (zh) * | 2020-12-31 | 2021-04-16 | 新奥数能科技有限公司 | 一种光伏功率异常数据的识别方法及装置 |
-
2022
- 2022-04-11 CN CN202210372350.5A patent/CN114444820B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067100A (zh) * | 2017-01-25 | 2017-08-18 | 国网冀北电力有限公司 | 风电功率异常数据辨识方法及辨识装置 |
CN113569399A (zh) * | 2021-07-20 | 2021-10-29 | 华能四平风力发电有限公司 | 风电机组运行数据处理方法、系统、设备及存储介质 |
CN113626767A (zh) * | 2021-08-02 | 2021-11-09 | 中节能风力发电股份有限公司 | 一种风机限电识别方法、系统、设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
Failure warning of gearbox for wind turbine based on 3σ-median criterion and NSET;Shaoke Wang 等;《Energy Reports》;20211130;第7卷(第sup7期);第1182-1197页 * |
Shaoke Wang 等.Failure warning of gearbox for wind turbine based on 3σ-median criterion and NSET.《Energy Reports》.2021,第7卷(第sup7期), * |
基于Copula理论的光伏功率高比例异常数据机器识别算法;龚莺飞 等;《电力系统自动化》;20160510;第40卷(第09期);第16-22页 * |
风电机组风速-功率异常运行数据特征及清洗方法;沈小军等;《电工技术学报》;20180725(第14期);第3353-3361页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114444820A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020423A (zh) | 基于copula函数获取风电场出力相关特性的方法 | |
CN115392792B (zh) | 一种基于碳排放强度的新能源潜在减碳当量计算方法 | |
CN114462722B (zh) | 新能源发电功率轻量化高精度云预测系统、方法和装置 | |
CN114238856A (zh) | 风光资源未来预测误差求解方法、装置、设备及存储介质 | |
CN114444820B (zh) | 基于气象-功率特性的新能源功率预测限电数据识别方法 | |
CN111914101B (zh) | 档案关联关系的异常识别方法、装置和计算机设备 | |
CN116154768B (zh) | 采用点预测误差经验分布逆变换的功率区间预测方法 | |
CN116163879B (zh) | 抽水蓄能电站的运行工况调节方法、装置和计算机设备 | |
CN115907307B (zh) | 面向电网实时数据交互的电力系统碳排放流在线分析方法 | |
CN115983733A (zh) | 基于水位控制的电力市场出清数据处理方法和装置 | |
CN116341809A (zh) | 车辆充电排序的方法、装置、计算机设备和存储介质 | |
CN115130842A (zh) | 风光火一体化基地配置方法及装置 | |
CN114862615A (zh) | 分布式电力资源的聚合方法、装置、计算机设备 | |
CN114239690A (zh) | 胶浸纸局部放电阶段的数字孪生模型建立处理方法和装置 | |
CN109063859B (zh) | 电网设备检修优化处理方法与装置 | |
CN112036607A (zh) | 基于出力水平的风电出力波动预测方法、装置及存储介质 | |
CN117117844B (zh) | 电网碳排因子计算方法、系统、计算机设备及存储介质 | |
CN115392055B (zh) | 基于脱钩模型的电碳达峰路径模拟与动态评估方法 | |
CN112861365B (zh) | 低压配电网负荷状态估计方法、装置及终端设备 | |
CN117744985A (zh) | 旁路作业数据处理方法、装置、计算机设备和存储介质 | |
CN117744972A (zh) | 电力系统的储能规划方法、装置、计算机设备和存储介质 | |
CN115564111A (zh) | 风电停运预警方法、装置、设备和存储介质 | |
CN117592681A (zh) | 用于电网高温天气过程的光伏供电充裕性评估方法及系统 | |
CN115579949A (zh) | 低压分布式新能源数据监测方法、装置和计算机设备 | |
CN118367623A (zh) | 储能电站的集中调度方法、装置、设备及存储介质 |
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 |