CN114462722A - 新能源发电功率轻量化高精度云预测系统、方法和装置 - Google Patents
新能源发电功率轻量化高精度云预测系统、方法和装置 Download PDFInfo
- Publication number
- CN114462722A CN114462722A CN202210377783.XA CN202210377783A CN114462722A CN 114462722 A CN114462722 A CN 114462722A CN 202210377783 A CN202210377783 A CN 202210377783A CN 114462722 A CN114462722 A CN 114462722A
- Authority
- CN
- China
- Prior art keywords
- prediction
- power
- new energy
- power generation
- 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.)
- Granted
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 290
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003044 adaptive effect Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000005192 partition Methods 0.000 claims description 116
- 238000012549 training Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007726 management method Methods 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
- 239000002699 waste material Substances 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
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种新能源发电功率轻量化高精度云预测系统、方法、装置、计算机设备和存储介质。所述系统包括:云平台,以及与云平台通信连接的多个场站数据采集系统;其中,多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;云平台,用于确定与预测请求相适应的数值天气预报数据;获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至对应的场站数据采集系统;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。采用本系统能够减少新能源发电功率预测的预测成本。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种新能源发电功率轻量化高精度云预测系统、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,出现了一种对风能或者太阳能等新能源的发电功率进行预测的技术,由于新能源发电容易受到各种天气因素的影响,例如对于相同区域的太阳能发电而言,晴天和阴天的发电量也会有所不同,同理对于风能发电而言,则需要考虑风力的大小和方向等因素,新能源发电存在随机性、波动性和间歇性,开展新能源发电功率预测,对于电力系统的安全稳定运行具有重要意义。
传统技术中,对新能源发电功率的预测通常是在场站侧设置相应的预测系统,然而这种一个场站设置一套预测系统的方式,由于气象数据接入、预测系统部署等会造成资源浪费,因此目前的新能源发电功率预测系统预测存在成本过高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低新能源发电功率预测系统预测成本的新能源发电功率轻量化高精度云预测系统、方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种新能源发电功率轻量化高精度云预测系统,所述系统包括:云平台,以及与所述云平台通信连接的多个场站数据采集系统;其中,
所述多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;
所述云平台,用于响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
所述云平台,还用于获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;
所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
在其中一个实施例中,所述云平台,还用于响应于所述预测请求,获取与所述预测请求相适应的目标新能源场站,并获取所述目标新能源场站所处的天气分区,将所述天气分区对应的数值天气预报数据,作为与所述预测请求相适应的数值天气预报数据。
在其中一个实施例中,所述预测请求包括针对待预测地区的新能源发电功率的预测请求;所述待预测地区包含多个新能源场站;所述云平台,还用于将所述待预测地区中包含的多个新能源场站,作为所述目标新能源场站,并获取各个目标新能源场站对应的历史发电功率数据,以及所述各个目标新能源场站所处的天气分区对应的历史数值天气预报数据;所述云平台,还用于利用所述各个目标新能源场站对应的历史发电功率数据,以及所述各个目标新能源场站对应的历史数值天气预报数据,训练得到所述各个目标新能源场站对应的第一发电功率预测模型;所述云平台,还用于将所述各个目标新能源场站所处的天气分区对应的数值天气预报数据输入所述第一发电功率预测模型,得到所述各个目标新能源场站对应的发电功率预测数据,并根据所述各个目标新能源场站对应的发电功率预测数据得到所述待预测地区对应的发电功率预测数据。
在其中一个实施例中,所述预测请求包括针对于待预测地区的新能源发电功率的预测请求;所述待预测地区包含多个天气分区;所述云平台,还用于获取各个天气分区包含的子目标新能源场站对应的场站数据采集系统采集的历史发电功率数据,以及所述各个天气分区对应的历史数值天气预报数据;所述云平台,还用于根据所述各个天气分区包含的子目标新能源场站对应的历史发电功率数据,得到各个天气分区对应的历史发电功率数据,并利用所述各个天气分区对应的历史发电功率数据,以及所述各个天气分区对应的历史数值天气预报数据,训练得到所述各个天气分区对应的第二发电功率预测模型;所述云平台,还用于将所述各个天气分区对应的数值天气预报数据输入所述第二发电功率预测模型,得到所述各个天气分区对应的发电功率预测数据,并根据所述各个天气分区对应的发电功率预测数据,得到所述待预测地区对应的发电功率预测数据。
在其中一个实施例中,在所述天气分区缺少对应的数值天气预报数据的情况下,所述云平台,还用于获取与所述天气分区相邻的邻接天气分区对应的数值天气预报数据,并将所述邻接天气分区对应的数值天气预报数据作为所述预测请求相适应的数值天气预报数据。
在其中一个实施例中,还包括:DMZ区;所述发电功率预测模型以及数值天气预报数据的数量为多个,分别对应于各个新能源场站;所述云平台,还用于将多个发电功率预测模型以及多个数值天气预报数据发送至所述DMZ区;所述DMZ区,用于将所述多个发电功率预测模型以及多个数值天气预报数据分配至对应的各个新能源场站的场站数据采集系统;所述多个场站数据采集系统,还用于将采集的所述各个新能源场站的历史发电功率数据上传至所述DMZ区;所述云平台,还用于从所述DMZ区中获取所述各个新能源场站的历史发电功率数据。
第二方面,本申请还提供了种新能源发电功率轻量化高精度云预测方法,其特征在于,应用于云平台,所述方法包括:
响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
第三方面,本申请还提供了一种新能源发电功率轻量化高精度云预测装置,应用于云平台,所述装置包括:
天气数据获取模块,用于响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
发电功率预测模块,用于获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
第四方面,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:
响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
第五方面,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:
响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
第六方面,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:
响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
上述新能源发电功率轻量化高精度云预测系统、方法、装置、计算机设备、存储介质和计算机程序产品,该系统包括:云平台,以及与云平台通信连接的多个场站数据采集系统;其中,多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;云平台,用于响应于新能源发电功率的预测请求,确定与预测请求相适应的数值天气预报数据;云平台,还用于获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至预测请求对应的场站数据采集系统;其中,发电功率预测模型根据与预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与预测请求相适应的历史数值天气预报数据训练得到;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。本申请通过在云平台中利用历史发电功率数据以及历史数值天气预报数据训练得到发电功率预测模型,并在进行发电功率预测时,可以将发电功率预测模型以及数值天气预报数据返回场站侧来实现发电功率预测,相比于传统技术需要在每个新能源场站都设置相应的预测系统或者接入气象数据,本申请可以减少新能源发电功率预测的预测成本。
附图说明
图1为一个实施例中新能源发电功率轻量化高精度云预测系统应用环境图;
图2为一个实施例中新能源发电功率轻量化高精度云预测系统结构示意图;
图3为一个实施例中新能源发电功率轻量化高精度云预测方法流程示意图;
图4为一个应用实例中轻量化新能源功率高精度云预测系统的架构示意图;
图5为一个应用实例中轻量化新能源功率高精度云预测系统的功能示意图;
图6为一个应用实例中新能源发电功率预测的流程示意图;
图7为一个实施例中新能源发电功率轻量化高精度云预测装置的结构框图;
图8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。
本申请实施例提供的新能源发电功率轻量化高精度云预测系统,可以应用于如图1所示的应用环境中。其中,终端101通过网络与云平台102进行通信,云平台102与多个场站数据采集系统,即场站数据采集系统103、场站数据采集系统104、……、场站数据采集系统10n等等进行通信。具体来说,多个场站数据采集系统可以分别存储有各个新能源场站的发电功率数据,在用户通过终端101向云平台102触发针对新能源发电功率的预测请求时,云平台102可以对该请求进行响应,得到与该预测请求相适应的数值天气预报数据,以及相应的发电功率预测模型,并且将数值天气预报数据与发电功率预测模型返回至相应场站数据采集系统,由接收到上述数值天气预报数据与发电功率预测模型的场站数据采集系统将数值天气预报数据输入至发电功率预测模型中,从而得到相应的发电功率预测数据。该发电功率预测模型可以是云平台102从预测请求对应的场站数据采集系统采集的历史发电功率数据,以及该预测请求对应的历史数值天气预报数据训练得到。其中,终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备。云平台102以及多个场站数据采集系统可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种新能源发电功率轻量化高精度云预测系统,该系统可以包括云平台201,以及多个分别与云平台201通信连接的场站数据采集系统,即场站数据采集系统202、场站数据采集系统203、……、场站数据采集系统20n。
其中,多个场站数据采集系统,即场站数据采集系统202、场站数据采集系统203、……、场站数据采集系统20n可以是用于管理不同新能源场站的运行信息管理系统,新能源场站则指的是通过新能源进行发电的发电场站或者发电设施等等。本实施例中,不同的场站数据采集系统可以对应有不同的新能源场站,分别用于管理各个新能源场站的发电功率数据。例如场站数据采集系统202用于管理新能源场站202的发电功率数据,场站数据采集系统203则是用于管理新能源场站203的发电功率数据,本实施例中,各个场站数据采集系统分别采集并存储有相应新能源场站的发电功率数据。
而云平台201则可以是用于实现发电功率预测的云端平台服务器,该服务器可以预先基于场站数据采集系统采集的发电功率数据,作为相应的历史发电功率数据,以及各个场站数据采集系统相匹配的历史数值天气预报数据,例如可以是各个场站数据采集系统所管理的新能源场站的历史数值天气预报数据,该数值天气预报数据可以指的是数值天气预报NWP数据,并且利用上述历史数值天气预报数据以及历史发电功率数据训练出相应的发电功率预测模型。例如可以是云平台201利用场站数据采集系统202采集的发电功率数据,以及场站数据采集系统202对应的新能源场站,即新能源场站202的历史数值天气预报数据进行模型训练,从而得到针对于新能源场站202的发电功率预测模型,也可以是云平台201利用场站数据采集系统203采集的发电功率数据,以及场站数据采集系统203对应的新能源场站,即新能源场站203的历史数值天气预报数据进行模型训练,从而得到针对于新能源场站203的发电功率预测模型。通过上述方式,云平台201可以得到各个新能源场站的发电功率预测模型。
在云平台201完成发电功率预测模型的训练之后,当用户需要执行针对某一个或者某一些新能源场站的发电功率进行预测时,则可以通过其终端向云平台201触发相应的,用于预测新能源发电功率的预测请求,此时云平台201则可以对该预测请求进行响应,将与该请求对应的发电功率预测模型以及数值天气预报数据返回至新能源场站的场站数据采集系统,场站数据采集系统则可以根据接收到的数值天气预报数据,并将其输入接收到的发电功率预测模型,从而得到相应的发电功率预测数据。
例如,当用户需要对新能源场站202的发电功率进行预测时,可以通过其终端101向云平台201触发相应的预测请求,云平台201则可以对该请求进行响应,从而筛选出与新能源场站202相适应的发电功率预测模型,以及新能源场站202的数值天气预报数据返回至新能源场站202的场站数据采集系统202,由场站数据采集系统202基于上述发电功率预测模型以及数值天气预报数据,得到相应的发电功率预测数据。
上述新能源发电功率轻量化高精度云预测系统中,包括:云平台201,以及与云平台201通信连接的多个场站数据采集系统;其中,多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;云平台201,用于响应于新能源发电功率的预测请求,确定与预测请求相适应的数值天气预报数据;云平台201,还用于获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至预测请求对应的场站数据采集系统;其中,发电功率预测模型根据与预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与预测请求相适应的历史数值天气预报数据训练得到;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。本申请通过在云平台201中利用历史发电功率数据以及历史数值天气预报数据训练得到发电功率预测模型,并在进行发电功率预测时,可以将发电功率预测模型以及数值天气预报数据返回场站侧来实现发电功率预测,相比于传统技术需要在每个新能源场站都设置相应的预测系统或者接入气象数据,本申请可以减少新能源发电功率预测的预测成本。
在一个实施例中,云平台201,还用于响应于预测请求,获取与预测请求相适应的目标新能源场站,并获取目标新能源场站所处的天气分区,将天气分区对应的数值天气预报数据,作为预测请求相适应的数值天气预报数据。
其中,天气分区指的是目标新能源场站所处的天气信息分区,本实施例中,数值天气预报数据可以是按照不同的天气分区进行划分,例如对于天气分区A,其对应的数值天气预报数据可以是天气预报数据A,而对于天气分区B,其对应的数值天气预报数据可以是天气预报数据B等等,而目标新能源场站则是各个新能源场站中,和预测请求相适应的新能源场站。在用户触发针对于新能源发电功率的预测请求时,可以选择需要进行新能源发电功率预测的新能源场站,那么选择的进行新能源发电功率预测的新能源场站则可以作为目标新能源场站。例如,新能源场站可以包括新能源场站202、新能源场站203以及新能源场站204,如果用户只需要对新能源场站202进行新能源发电功率的预测,则可以触发针对于新能源场站202的新能源发电功率的预测请求,云平台201对该请求进行响应时,则可以将新能源场站202作为目标新能源场站,而如果用户同时需要对新能源场站202和新能源场站203进行新能源发电功率的预测,那么则可以触发针对于新能源场站202和新能源场站203的新能源发电功率的预测请求,云平台201对该请求进行响应时,则可以同时将新能源场站202和新能源场站203作为目标新能源场站。
具体来说,云平台201在得到用户触发的新能源发电功率的预测请求后,则可以对该请求进行响应,并且确定出与该预测请求相适应的一个或者多个新能源场站,作为目标新能源场站,之后,云平台201还可以进一步确定出每一个目标新能源场站所在的天气分区,例如新能源场站202所处的天气分区为天气分区A,那么如果新能源场站202作为目标新能源场站,云平台201则可以将天气分区A对应的数值天气预报数据,即天气预报数据A作为预测请求相适应的数值天气预报数据。同理,如果新能源场站202和新能源场站203都作为目标新能源场站,并且新能源场站203所处的天气分区为天气分区B,那么云平台201则可以将天气分区A对应的天气预报数据A,以及天气分区B对应的天气预报数据B,分别作为预测请求相适应的数值天气预报数据。
本实施例中,云平台201可以根据目标新能源场站所处的天气分区对应的数值天气预报数据,作为与预测请求相适应的数值天气预报数据,从而在场站数据采集系统将上述天气预报数据输入至发电功率预测模型中,可以更准确的得到每个目标新能源场站对应的发电功率预测数据,从而可以提高输出得到的发电功率预测数据的准确性。
进一步地,预测请求包括针对于待预测地区的新能源发电功率的预测请求;待预测地区包含多个新能源场站;云平台201,还用于将待预测地区中包含的多个新能源场站,作为目标新能源场站,并获取各个目标新能源场站对应的历史发电功率数据,以及各个目标新能源场站所处的天气分区对应的历史数值天气预报数据;云平台201,还用于利用各个目标新能源场站对应的历史发电功率数据,以及各个目标新能源场站对应的历史数值天气预报数据,训练得到各个目标新能源场站对应的第一发电功率预测模型;云平台201,还用于将各个目标新能源场站所处的天气分区对应的数值天气预报数据输入第一发电功率预测模型,得到各个目标新能源场站对应的发电功率预测数据,并根据各个目标新能源场站对应的发电功率预测数据得到待预测地区对应的发电功率预测数据。
本实施例中,预测请求还可以是针对于某一片地区的新能源运行功率的预测请求,而该片地区则可以作为待预测地区,在待预测地区中,可以包含多个新能源场站,并且针对待预测地区的发电功率预测可以由云平台201实现。例如,用户可以通过终端触发针对于地区A的新能源发电功率的预测请求,那么云平台201对该预测请求进行响应时,则可以将地区A包含的所有新能源场站,都作为目标新能源场站,可以是地区A包含新能源场站202和新能源场站203,那么云平台201则可以将新能源场站202和新能源场站203都作为目标新能源场站,并且可以通过新能源场站202和新能源场站203对应的场站数据采集系统,即通过场站数据采集系统202以及场站数据采集系统203,分别得到新能源场站202和新能源场站203历史发电功率数据,并且还可以同时得到新能源场站202和新能源场站203所处的天气分区的历史数值天气预报数据。
第一发电功率预测模型则是用于对各个目标新能源场站的新能源发电功率进行预测的预测模型,在得到各个目标新能源场站的历史发电功率数据以及历史数值天气预报数据后,则可以利用每一个目标新能源场站的历史发电功率数据以及历史数值天气预报数据,训练得到每一个目标新能源场站对应的第一发电功率预测模型。例如云平台201得到新能源场站202的历史发电功率数据以及历史数值天气预报数据后,则可以利用上述数据,训练得到针对于新能源场站202的第一发电功率预测模型,同时云平台201也可以利用新能源场站203的历史发电功率数据以及历史数值天气预报数据,训练得到针对于新能源场站203的第一发电功率预测模型,从而云平台201可以得到每一个目标新能源场站对应的第一发电功率预测模型。
最后,云平台201完成各个目标新能源场站对应的第一发电功率预测模型的训练后,还可以将得到的各个目标新能源场站对应的数值天气预报数据,分别输入至相应的第一发电功率预测模型中,从而可以得到每一个目标新能源场站的发电功率预测数据,并且,还可以通过对每一个目标新能源场站的发电功率预测数据进行求和处理,从而得到该待预测地区对应的发电功率预测数据。例如,待预测地区包含新能源场站202和新能源场站203,在云平台201分别得到新能源场站202的发电功率预测数据,以及新能源场站203的发电功率预测数据后,则可以将新能源场站202的发电功率预测数据,以及新能源场站203的发电功率预测数据进行求和处理,从而得到该待预测地区对应的发电功率预测数据。
本实施例中,用户还可以触发用于预测待预测地区的新能源发电功率的预测请求,云平台201则可以对该请求进行响应,从而确定出待预测地区中包含的每一个新能源场站的发电功率预测数据,并且还可以通过对每一个新能源场站的发电功率预测数据进行求和处理,从而得到待预测地区的发电功率预测数据,实现了待预测地区的新能源发电功率预测,提高了新能源发电功率预测的便捷性。
另外,预测请求包括针对于待预测地区的新能源发电功率的预测请求;待预测地区包含多个天气分区;云平台201,还用于获取各个天气分区包含的子目标新能源场站对应的场站数据采集系统采集的历史发电功率数据,以及各个天气分区对应的历史数值天气预报数据;云平台201,还用于根据各个天气分区包含的子目标新能源场站对应的历史发电功率数据,得到各个天气分区对应的历史发电功率数据,并利用各个天气分区对应的历史发电功率数据,以及各个天气分区对应的历史数值天气预报数据,训练得到各个天气分区对应的第二发电功率预测模型;云平台201,还用于将各个天气分区对应的数值天气预报数据输入第二发电功率预测模型,得到各个天气分区对应的数值天气预报数据,并根据各个天气分区对应的发电功率预测数据,得到待预测地区对应的发电功率预测数据。
而如果待预测地区的范围较大,同时包含了多个天气分区,如果需要按照每一个目标新能源场站都训练一个相应的第一发电功率预测模型,则可能大大增加云平台201计算资源的损耗,因此本实施例中,云平台201还可以按照天气分区的不同来训练相应的发电功率预测模型,即按照天气分区的不同来训练相应的第二发电功率预测模型,来减少训练模型带来的计算损耗。
具体来说,云平台201可以首先得到每一个天气分区所包含的目标新能源场站,作为子目标新能源场站,例如,目标新能源场站可以包含新能源场站202、新能源场站203,以及新能源场站204,其中,新能源场站202和新能源场站203位于天气分区A,而新能源场站204位于天气分区B,那么新能源场站202和新能源场站203则可以作为天气分区A包含的子目标新能源场站,而新能源场站204则可以作为天气分区B包含的子目标新能源场站。之后,云平台201还可以通过相应的场站数据采集系统分别得到每一个子目标新能源场站的历史发电功率数据,同时还可以得到每一个天气分区对应的历史数值天气预报数据。
云平台201得到每一个天气分区包含的子目标新能源场站的历史发电功率数据后,则可以将各个子目标新能源场站的历史发电功率数据进行求和处理,从而得到每一个天气分区的历史发电功率数据。例如,云平台201可以将新能源场站202和新能源场站203的历史发电功率数据进行求和,并将其作为天气分区A的历史发电功率数据,通过上述方式可以得到每一个天气分区的历史发电功率数据。之后,云平台201还可以进一步地利用每一个天气分区的历史发电功率数据,以及每一个天气分区的历史数值天气预报数据进行模型训练,从而得到每一个天气分区对应的发电功率预测模型,即每一个天气分区对应的第二发电功率预测模型。
最后,云平台201还可以将各个天气分区的数值天气预报数据,输入至相应的第二发电功率预测模型,从而可以通过第二发电功率预测模型得到每一个天气分区对应的发电功率预测数据,并且将上述每一个天气分区对应的发电功率预测数据进行求和处理,从而得到该待预测地区对应的发电功率预测数据。例如待预测地区包含天气分区A以及天气分区B,在云平台201完成天气分区A以及天气分区B的第二发电功率预测模型的训练后,则可以分别将天气分区A以及天气分区B的数值天气预报数据,分别输入至相应的第二运行功率预测模型,从而分别得到天气分区A以及天气分区B的发电功率预测数据,并且还可以将天气分区A的发电功率预测数据,以及天气分区B的发电功率预测数据进行求和处理,从而得到待预测地区的发电功率预测数据。
本实施例中,在待预测地区包含多个天气分区时,云平台201还可以通过对各个天气分区的第二发电功率预测模型进行训练,则可以通过每个天气分区的数值天气预报数据得到每个天气分区的发电功率预测数据,进而求得待预测地区的发电功率预测数据。相比于需要对每一个目标新能源场站都训练一个相应的第一发电功率预测模型,本实施例只需要对每一个天气分区训练相应的第二发电功率预测模型,从而可以减少云平台201训练发电功率预测模型的数量,进而减少训练模型带来的计算损耗。
在一个实施例中,在天气分区缺少对应的数值天气预报数据的情况下,云平台201,还用于获取与天气分区相邻的邻接天气分区对应的数值天气预报数据,并将邻接天气分区对应的数值天气预报数据作为预测请求相适应的数值天气预报数据。
其中,邻接天气分区指的是与目标新能源场站所处的天气分区相邻的其他天气分区。假如某一个目标新能源场站所处的天气分区缺乏相应的数值天气预报数据,云平台201还可以将与该天气分区相邻的邻接天气分区的数值天气预报数据,作为与预测请求相适应的数值天气预报数据。例如,新能源场站202所处的天气分区A缺乏数值天气预报数据,当云平台201将新能源场站202作为目标新能源场站时,则可以将与天气分区A相邻的其他天气分区,可以是天气分区B的数值天气预报数据,作为新能源场站202的数值天气预报数据。
本实施例中,在目标新能源场站所处的天气分区缺少对应的数值天气预报数据时,还可以将与该天气分区相邻的邻接天气分区的数值天气预报数据,作为预测请求相适应的数值天气预报数据,从而可以通过邻接天气分区的数值天气预报数据实现发电功率的预测,从而可以提高新能源发电功率预测的可实现性。
在一个实施例中,新能源发电功率轻量化高精度云预测系统,还可以包括:DMZ区;发电功率预测模型以及数值天气预报数据的数量为多个,分别对应于各个新能源场站;云平台201,还用于将多个发电功率预测模型以及多个数值天气预报数据发送至DMZ区;DMZ区,用于将多个发电功率预测模型以及多个数值天气预报数据分配至对应的各个新能源场站的场站数据采集系统;多个场站数据采集系统,还用于将采集的各个新能源场站的历史发电功率数据上传至DMZ区;云平台201,还用于从DMZ区中获取各个新能源场站的历史发电功率数据。
本实施例中,为了进一步提高云平台201的系统安全性,在与场站数据采集系统进行数据交互时,还可以经由DMZ区来实现。具体来说,在云平台201得到不同新能源场站相应的发电功率预测模型以及数值天气预报数据后,则可以将上述发电功率预测模型以及数值天气预报数据先发送至隔离区,再由隔离区将得到的发电功率预测模型以及数值天气预报数据,发送至相应的场站数据采集系统。同时,在云平台201需要获取场站数据采集系统采集的各个新能源场站的历史发电功率数据,来进行发电功率预测模型训练时,则可以先由各个场站数据采集系统将历史发电功率数据上传至DMZ区,再由云平台201从DMZ区中得到上述历史发电功率数据。相比于云平台201直接和场站数据采集系统进行数据交互,本实施例通过DMZ区能避免场站数据采集系统等外部网络直接访问云平台201这一内部网络,从而可以进一步提高云平台201的系统安全性。
本实施例中,通过在新能源发电功率云预测系统中增加用于分割场站数据采集系统与云平台201的DMZ区,可以使得在场站数据采集系统与云平台201之间进行数据传输时,可以通过DMZ区来实现,通过本实施例可以避免场站数据采集系统等外部网络直接访问云平台201这一内部网络,从而可以进一步提高云平台201的系统安全性。
在一个实施例中,如图3所示,还提供了一种新能源发电功率轻量化高精度云预测方法,以该方法应用于图1中的云平台102为例进行说明,包括以下步骤:
步骤S301,响应于新能源发电功率的预测请求,确定与预测请求相适应的数值天气预报数据。
其中,新能源发电功率的预测请求是用于对新能源场站的发电功率进行预测的请求,该请求可以是用户通过其终端101向云平台102触发。具体来说,在用户需要对新能源场站的发电功率进行预测时,可以通过其终端101向云平台102触发相应的新能源发电功率的预测请求,此时云平台102则可以对该请求进行响应,从而找到与预测请求相适应的数值天气预报数据,例如可以是先确定出该预测请求对应的需要进行预测的目标新能源场站,并且将该目标新能源场站的数值天气预报数据,作为与预测请求相适应的数值天气预报数据。
步骤S302,获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至预测请求对应的场站数据采集系统;其中,发电功率预测模型根据与预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与预测请求相适应的历史数值天气预报数据训练得到;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。
而在云平台102得到数值天气预报数据后,还可以进一步筛选出与预测请求对应的发电功率预测模型,该发电功率预测模型可以是预先根据预测请求对应的场站数据采集系统采集的历史发电功率数据,以及预测请求相应的历史数值天气预报数据训练得到。之后,云平台102还可以将上述数值天气预报数据以及发电功率预测模型返回至需要进行预测的新能源场站的场站数据采集系统中,此时该场站数据采集系统在接收到上述发电功率预测模型,以及数值天气预报数据时,则可以利用将得到的数值天气预报数据输入发电功率预测模型中,由该模型输出相应的发电功率数据,作为最终的发电功率预测数据。
上述新能源发电功率轻量化高精度云预测方法中,通过云平台102响应于新能源发电功率的预测请求,确定与预测请求相适应的数值天气预报数据;获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至预测请求对应的场站数据采集系统;其中,发电功率预测模型根据与预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与预测请求相适应的历史数值天气预报数据训练得到;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。本申请通过在云平台102中利用历史发电功率数据以及历史数值天气预报数据训练得到发电功率预测模型,并在进行发电功率预测时,可以由云平台102向相应的场站数据采集系统返回数值天气预报数据与发电功率预测模型,从而场站数据采集系统可以得到上述发电功率预测数据。相比于传统技术需要在每个新能源场站都设置相应的预测系统或者接入气象数据,本申请可以减少新能源发电功率预测的预测成本。
在一个应用实例中,还提供了一种轻量化新能源功率高精度云预测系统,该系统的架构可如图4所示,数据交互流程可如下所示:
(1)1#、2#和N#新能源场站将运行数据通过省级调度运行监测系统上传到网级调度运行监控系统,最终数据存储到云平台的新能源运行数据存储系统;另一种方式是1#、2#和N#新能源场站将运行数据通过DMZ区(内外网交换平台)将数据存储到云平台的新能源运行数据存储系统;
(2)在云平台,轻量化新能源功率高精度云预测系统可结合新能源场站运行数据和数值天气预报NWP数据开展新能源高精度预测,并将预测的结果通过DMZ区分别分发到1#、2#和N#新能源场站。这种集中式预测减少了1#、2#和N#新能源场站建设预测系统的建设成本,云端预测只需要建设一套预测系统,即可以对大量的新能源场站、分布式新能源和区域级新能源发电功率进行预测,包括短期、超短期和中长期不同时间尺度下的预测。
数据传输的整体架构需要满足电力二次系统安全防护规定、二次系统安全防护总体方案。在保证电力系统安全运行的情况下,利用本发明开展新能源功率高精度云预测,实现对集中式、分布式、区域级新能源发电预测,降低预测成本。
另外,如图5所示,通过该预测系统,可以实现如下功能,具体可以包括:新能源场站功率预测、分布式新能源功率预测、区域级新能源功率预测、新能源预测误差计算。
其中,新能源场站功率预测又包括风电场功率预测和光伏电站功率预测。风电场功率预测包括风电场功率超短期预测、风电场功率短期预测、风电场功率中长期预测。光伏电站功率预测包括光伏电站功率超短期预测、光伏电站功率短期预测、光伏电站功率中长期预测。
分布式新能源功率预测又包括分散式风电功率预测和分布式光伏功率预测;分散式风电功率预测包括:分散式风电功率超短期预测、分散式风电功率短期预测、分散式风电功率中长期预测;分布式光伏功率预测包括:分布式光伏功率超短期预测、分布式光伏功率短期预测、分布式光伏功率中长期预测;
区域级新能源功率预测又包括:区域级新能源超短期功率预测、区域级新能源短期功率预测、区域级新能源中长期功率预测。
超短期预测时间长度为未来0-4h;短期预测时间长度为未来3天;中长期预测时间长度一般为未来7天及以上。
并且,如图6所示,本应用实例还提供了一种新能源运行功率预测的方法,该方法具体可以包括以下步骤:
(1)利用待预测的目标区域新能源历史运行功率数据和该区域的对应的历史数值天气预报NWP数据进行预测模型训练,得到数值天气预报NWP数据与功率之间的对应关系;
(2)然后利用该区域未来数值天气预报NWP数据输入模型,计算得出新能源预测结果,并利用计算预测精度,计算公式如下所示:
其中,r1表示预测准确率,n表示功率预测的时段数,对于短期风电功率预测而言,n取96,而对于超短期风电功率预测而言,n取16,月(年)平均准确率则为日准确率的算术平均值,超短期风电功率预测的日平均预测准确率则为当日内全部超短期风电功率预测准确率的算术平均值。PM,k则表示k时段的实际平均功率,PP,k表示k时段的预测平均功率,而CK表示k时段的开机总容量。
最后,还提供了一种利用轻量化新能源功率高精度云预测系统来实现新能源运行功率预测的具体实现方式,该方式具体可以包括以下步骤:
(1)构建轻量化新能源功率高精度云预测系统架构;
(2)对于分布式新能源发电预测。云平台定位到某个分布式新能源的经纬度位置,根据经纬度获取分布式新能源所在区域的数值天气预报数据,通过电表或其他计量装置获取分布式新能源的历史功率数据,开展模型训练,并根据未来数值天气预报数据对该分布式新能源发电进行预测。若目标区域的数值天气预报数据缺失,可以采用附近区域的数值天气预报数据;
(3)区域级新能源发电预测。方法一:对区域的分布式新能源与集中式新能源分别单独开展预测,并将预测结果相加。方法二:数值天气预报数据是呈现3km×3km网格化的。按照3km×3km网格将待区域目标进行划分1,2,3,……,M个,对第i个区域的分布式与集中式新能源相加作为历史功率,然后与历史数值天气预报NWP数据进行训练,得到模型model_i,再结合未来数值天气预报NWP数据,计算得到第i个区域的新能源发电功率Ppred_i预测结果,然后将所有区域的预测结果相加得到该区域的新能源发电预测值:
上述应用实例,提出一种轻量化新能源功率高精度云预测架系统。在云端,结合新能源场站的运行数据和数值天气预报NWP数据,开展新能源发电预测,有效减少了预测成本,并且场站端数据可以通过无线专网的形式发送到dmz区,并最终进入数据中心。内网预测结果可通过dmz区将数据传输,通过无线专网的方式发送到场站端,可以提高数据传输的安全性。另外,上述应用实例还可以应用于分布式新能源发电预测,通过在云端开展分布式新能源发电预测,一方面弥补了分布式新能源发电预测的空白,而且可以降低预测成本,而对于区域级新能源发电预测,则可以在云端利用大数据优势,则可以便利获取某区域的数值天气预报数据,并结合该区域的新能源发电数据,开展新能源发电预测。
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新能源发电功率轻量化高精度云预测方法的新能源发电功率轻量化高精度云预测装置。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新能源发电功率预测装置实施例中的具体限定可以参见上文中对于新能源发电功率轻量化高精度云预测方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种新能源发电功率轻量化高精度云预测装置,应用于云平台,包括:天气数据获取模块701和发电功率预测模块702,其中:
天气数据获取模块701,用于响应于新能源发电功率的预测请求,确定与预测请求相适应的数值天气预报数据;
发电功率预测模块702,用于获取与预测请求对应的发电功率预测模型,将数值天气预报数据,以及发电功率预测模型返回至预测请求对应的场站数据采集系统;其中,发电功率预测模型根据与预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与预测请求相适应的历史数值天气预报数据训练得到;场站数据采集系统,还用于在接收到发电功率预测模型,以及数值天气预报数据的情况下,将数值天气预报数据输入发电功率预测模型,通过发电功率预测模型得到对应的发电功率预测数据。
上述新能源发电功率轻量化高精度云预测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服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储运行功率数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种新能源发电功率轻量化高精度云预测方法。
本领域技术人员可以理解,图8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,还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上述各方法实施例中的步骤。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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上述各方法实施例中的步骤。
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)
1.一种新能源发电功率云预测系统,其特征在于,所述系统包括:云平台,以及与所述云平台通信连接的多个场站数据采集系统;其中,
所述多个场站数据采集系统,分别用于采集各个新能源场站的发电功率数据;
所述云平台,用于响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
所述云平台,还用于获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;
所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
2.根据权利要求1所述的系统,其特征在于,
所述云平台,还用于响应于所述预测请求,获取与所述预测请求相适应的目标新能源场站,并获取所述目标新能源场站所处的天气分区,将所述天气分区对应的数值天气预报数据,作为与所述预测请求相适应的数值天气预报数据。
3.根据权利要求2所述的系统,其特征在于,所述预测请求包括针对待预测地区的新能源发电功率的预测请求;所述待预测地区包含多个新能源场站;
所述云平台,还用于将所述待预测地区中包含的多个新能源场站,作为所述目标新能源场站,并获取各个目标新能源场站对应的历史发电功率数据,以及所述各个目标新能源场站所处的天气分区对应的历史数值天气预报数据;
所述云平台,还用于利用所述各个目标新能源场站对应的历史发电功率数据,以及所述各个目标新能源场站对应的历史数值天气预报数据,训练得到所述各个目标新能源场站对应的第一发电功率预测模型;
所述云平台,还用于将所述各个目标新能源场站所处的天气分区对应的数值天气预报数据输入所述第一发电功率预测模型,得到所述各个目标新能源场站对应的发电功率预测数据,并根据所述各个目标新能源场站对应的发电功率预测数据得到所述待预测地区对应的发电功率预测数据。
4.根据权利要求2所述的系统,其特征在于,所述预测请求包括针对于待预测地区的新能源发电功率的预测请求;所述待预测地区包含多个天气分区;
所述云平台,还用于获取各个天气分区包含的子目标新能源场站对应的场站数据采集系统采集的历史发电功率数据,以及所述各个天气分区对应的历史数值天气预报数据;
所述云平台,还用于根据所述各个天气分区包含的子目标新能源场站对应的历史发电功率数据,得到各个天气分区对应的历史发电功率数据,并利用所述各个天气分区对应的历史发电功率数据,以及所述各个天气分区对应的历史数值天气预报数据,训练得到所述各个天气分区对应的第二发电功率预测模型;
所述云平台,还用于将所述各个天气分区对应的数值天气预报数据输入所述第二发电功率预测模型,得到所述各个天气分区对应的发电功率预测数据,并根据所述各个天气分区对应的发电功率预测数据,得到所述待预测地区对应的发电功率预测数据。
5.根据权利要求2所述的系统,其特征在于,在所述天气分区缺少对应的数值天气预报数据的情况下,所述云平台,还用于获取与所述天气分区相邻的邻接天气分区对应的数值天气预报数据,并将所述邻接天气分区对应的数值天气预报数据作为所述预测请求相适应的数值天气预报数据。
6.根据权利要求1至5任一项所述的系统,其特征在于,还包括:DMZ区;所述发电功率预测模型以及数值天气预报数据的数量为多个,分别对应于各个新能源场站;
所述云平台,还用于将多个发电功率预测模型以及多个数值天气预报数据发送至所述DMZ区;
所述DMZ区,用于将所述多个发电功率预测模型以及多个数值天气预报数据分配至对应的各个新能源场站的场站数据采集系统;
所述多个场站数据采集系统,还用于将采集的所述各个新能源场站的历史发电功率数据上传至所述DMZ区;
所述云平台,还用于从所述DMZ区中获取所述各个新能源场站的历史发电功率数据。
7.一种新能源发电功率云预测方法,其特征在于,应用于云平台,所述方法包括:
响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
8.一种新能源发电功率云预测装置,其特征在于,应用于云平台,所述装置包括:
天气数据获取模块,用于响应于新能源发电功率的预测请求,确定与所述预测请求相适应的数值天气预报数据;
发电功率预测模块,用于获取与所述预测请求对应的发电功率预测模型,将所述数值天气预报数据,以及所述发电功率预测模型返回至所述预测请求对应的场站数据采集系统;其中,所述发电功率预测模型根据与所述预测请求对应的场站数据采集系统采集的历史发电功率数据,以及与所述预测请求相适应的历史数值天气预报数据训练得到;所述场站数据采集系统,还用于在接收到所述发电功率预测模型,以及所述数值天气预报数据的情况下,将所述数值天气预报数据输入所述发电功率预测模型,通过所述发电功率预测模型得到对应的发电功率预测数据。
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7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7所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210377783.XA CN114462722B (zh) | 2022-04-12 | 2022-04-12 | 新能源发电功率轻量化高精度云预测系统、方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210377783.XA CN114462722B (zh) | 2022-04-12 | 2022-04-12 | 新能源发电功率轻量化高精度云预测系统、方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114462722A true CN114462722A (zh) | 2022-05-10 |
CN114462722B CN114462722B (zh) | 2022-07-29 |
Family
ID=81417341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210377783.XA Active CN114462722B (zh) | 2022-04-12 | 2022-04-12 | 新能源发电功率轻量化高精度云预测系统、方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462722B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316612A (zh) * | 2023-05-16 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 自动机器学习的新能源功率云边协同预测方法及系统 |
CN117332899A (zh) * | 2023-10-17 | 2024-01-02 | 南方电网数字电网研究院有限公司 | Nwp多维特征拟合的新能源小时间尺度功率预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110995645A (zh) * | 2019-10-23 | 2020-04-10 | 广东电网有限责任公司电力调度控制中心 | 一种地调数值天气预报传输系统和方法 |
CN112822244A (zh) * | 2020-12-30 | 2021-05-18 | 莫毓昌 | 一种基于边缘云的物联网时间序列预测系统及方法 |
KR20210115911A (ko) * | 2020-03-17 | 2021-09-27 | 한국전기연구원 | 태양광 출력 예측 장치 및 그 방법 |
CN113837466A (zh) * | 2021-09-23 | 2021-12-24 | 北京东润环能科技股份有限公司 | 一种基于多气象源的本地化智能发电功率预测系统 |
CN113850445A (zh) * | 2021-10-15 | 2021-12-28 | 南方电网数字电网研究院有限公司 | 区域分布式电源发电功率预测方法及系统 |
-
2022
- 2022-04-12 CN CN202210377783.XA patent/CN114462722B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110995645A (zh) * | 2019-10-23 | 2020-04-10 | 广东电网有限责任公司电力调度控制中心 | 一种地调数值天气预报传输系统和方法 |
KR20210115911A (ko) * | 2020-03-17 | 2021-09-27 | 한국전기연구원 | 태양광 출력 예측 장치 및 그 방법 |
CN112822244A (zh) * | 2020-12-30 | 2021-05-18 | 莫毓昌 | 一种基于边缘云的物联网时间序列预测系统及方法 |
CN113837466A (zh) * | 2021-09-23 | 2021-12-24 | 北京东润环能科技股份有限公司 | 一种基于多气象源的本地化智能发电功率预测系统 |
CN113850445A (zh) * | 2021-10-15 | 2021-12-28 | 南方电网数字电网研究院有限公司 | 区域分布式电源发电功率预测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316612A (zh) * | 2023-05-16 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 自动机器学习的新能源功率云边协同预测方法及系统 |
CN116316612B (zh) * | 2023-05-16 | 2023-09-15 | 南方电网数字电网研究院有限公司 | 自动机器学习的新能源功率云边协同预测方法及系统 |
CN117332899A (zh) * | 2023-10-17 | 2024-01-02 | 南方电网数字电网研究院有限公司 | Nwp多维特征拟合的新能源小时间尺度功率预测方法 |
CN117332899B (zh) * | 2023-10-17 | 2024-06-25 | 南方电网数字电网研究院股份有限公司 | Nwp多维特征拟合的新能源小时间尺度功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114462722B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Akbari et al. | A modular capacitated multi-objective model for locating maritime search and rescue vessels | |
CN114493050B (zh) | 多维度融合的新能源功率并联预测方法和装置 | |
CN108965017B (zh) | 一种网络流量预测方法和装置 | |
Zhao et al. | Improved dynamic programming for reservoir flood control operation | |
CN112700017B (zh) | 物业维修资源分配方法、装置、计算机设备及存储介质 | |
CN112613642B (zh) | 应急物资需求预测方法和装置、存储介质及电子设备 | |
Jiang et al. | Day‐ahead renewable scenario forecasts based on generative adversarial networks | |
Ziras et al. | A mid-term DSO market for capacity limits: How to estimate opportunity costs of aggregators? | |
He et al. | Probabilistic solar irradiance forecasting via a deep learning‐based hybrid approach | |
CN112488745A (zh) | 一种智能费控管理方法、装置、设备和存储介质 | |
CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
CN117791618A (zh) | 电力调度方法、装置、计算机设备和存储介质 | |
CN116316617B (zh) | 多场站智能融合的新能源发电功率区域预测方法和系统 | |
Wang et al. | A distributed load balancing algorithm for climate big data processing over a multi‐core CPU cluster | |
CN112668225A (zh) | 配网网格的规划方法、装置、计算机设备和存储介质 | |
KR20220088946A (ko) | 방사 예측 처리 방법, 스택 일반화 모델 훈련 방법 및 장치 | |
CN207704481U (zh) | 城市能源全景交互式大数据平台管理系统 | |
CN114418243B (zh) | 分布式新能源云端网格预测方法与系统 | |
CN115456247A (zh) | 线路规划方法、装置、计算机设备和可读存储介质 | |
CN115759574A (zh) | 物资的存储方法、装置、计算机设备和存储介质 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
CN114501518A (zh) | 流量预测方法、装置、设备、介质和程序产品 | |
CN109284874B (zh) | 光伏电站的日发电量预测方法、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 |