CN111310121A - 一种新能源出力概率预测方法和系统 - Google Patents

Abstract

本发明提供的一种新能源出力概率预测方法和系统，包括基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；基于出力状态范围进行历史相似出力状态数据挖掘，得到与新能源出力预测值对应的多个历史预测功率；基于多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率。采用本发明获得的概率预测结果，自适应性显著提升，对不同不确定性的区分度提高，与目前以误差为对象的概率预测相比，概率区间宽度降低10％以上，且概率预测结果的呈现形式更适合于调度应用。

Description

一种新能源出力概率预测方法和系统

技术领域

本发明属于新能源技术领域，具体涉及一种新能源出力概率预测方法和系统。

背景技术

新能源出力概率预测对提高新能源消纳具有十分重要的作用。但当前的新能源出力概率预测主要基于历史预测误差的统计分析，主要存在如下局限性：1)为提高概率预测模型的准确性，采用了误差特性识别方法，通过条件概率降低误差区间宽度，模型复杂，工程应用难度增大；2)概率预测模型自适应能力差，当功率预测模型调整后，概率预测模型需延时重新建模，增大了工作量；3)受技术特点制约，当前概率预测结果的条件分辨率不高。

发明内容

为克服上述现有技术的不足，本发明提出一种新能源出力概率预测方法，其改进之处在于，包括：

基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率；

基于所述多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

本发明提供的第一优选技术方案，其改进之处在于，所述基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率，包括：

基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据；

基于所述出力状态范围匹配样本数据，得到多个取值在所述出力状态范围内的历史预测功率，作为与所述新能源出力预测值对应的多个历史预测功率。

本发明提供的第二优选技术方案，其改进之处在于，所述计算新能源出力实际功率落入各功率水平区间的概率，包括：

分别统计与所述新能源出力预测值对应的多个历史预测功率中，与历史预测功率关联的历史实际功率取值在各功率水平区间的个数；

分别根据取值在各功率水平区间的历史实际功率的个数，计算新能源出力实际功率落入各功率水平区间的概率。

本发明提供的第三优选技术方案，其改进之处在于，所述新能源出力实际功率落入功率水平区间概率的计算式如下：

p_x＝k_x/m

其中，p_x表示新能源出力实际功率落入第x个功率水平区间的概率，k_x表示第x个功率水平区间中历史实际功率的个数，m表示所有功率水平区间中历史实际功率总个数。

本发明提供的第四优选技术方案，其改进之处在于，所述第x个功率水平区间的范围的计算式如下：

[x·ΔT,x·ΔT+ΔT]

其中，ΔT表示功率水平区间的宽度。

本发明提供的第五优选技术方案，其改进之处在于，所述基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据，包括：

基于时间获取新能源历史实际功率与历史预测功率；

基于开机容量将所述历史实际功率与历史预测功率进行归一化；

根据所述历史实际功率与历史预测功率对应时间，将所述历史实际功率与历史预测功率进行关联，形成样本数据。

本发明提供的第六优选技术方案，其改进之处在于，所述基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围，包括：

基于时间步长获取新能源功率预测值，以新能源出力预测值与预设状态水平的差值作为出力范围下限，以新能源出力预测值与预设状态水平的和作为出力范围上限。

本发明提供的第七优选技术方案，其改进之处在于，所述计算新能源出力实际功率落入各功率水平区间的概率之后，还包括：

根据新能源出力实际功率落入各功率水平区间的概率以及预设风险水平，得到新能源出力实际功率分布范围；

根据所述新能源出力实际功率分布范围，制定新能源发电运行计划。

基于同一发明构思，本发明还提供了一种新能源出力概率预测系统，包括：范围确定模块、历史预测功率模块和概率预测模块；

所述范围确定模块，用于基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

所述历史预测功率模块，用于基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率；

所述概率预测模块，用于基于所述多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

本发明提供的第八优选技术方案，其改进之处在于，所述历史预测功率模块包括：样本数据单元和历史预测功率单元；

所述样本数据单元，用于基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据；

所述历史预测功率单元，用于基于所述出力状态范围匹配样本数据，得到多个取值在所述出力状态范围内的历史预测功率，作为与所述新能源出力预测值对应的多个历史预测功率。

本发明提供的第九优选技术方案，其改进之处在于，所述概率预测模块包括：个数统计单元和概率计算单元；

所述个数统计单元，用于分别统计与所述新能源出力预测值对应的多个历史预测功率中，与历史预测功率关联的历史实际功率取值在各功率水平区间的个数；

所述概率计算单元，用于分别根据取值在各功率水平区间的历史实际功率的个数，计算新能源出力实际功率落入各功率水平区间的概率。

与最接近的现有技术相比，本发明具有的有益效果如下：

本发明提供的一种新能源出力概率预测方法和系统，包括基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；基于出力状态范围进行历史相似出力状态数据挖掘，得到与新能源出力预测值对应的多个历史预测功率；基于多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率。采用本发明获得的概率预测结果，自适应性显著提升，对不同不确定性的区分度提高，与目前以误差为对象的概率预测相比，概率区间宽度降低10％以上，且概率预测结果的呈现形式更适合于调度应用。

附图说明

图1为本发明提供的一种新能源出力概率预测方法流程示意图；

图2为本发明提供的一种新能源出力概率预测系统基本结构示意图；

图3为本发明提供的一种新能源出力概率预测系统详细结构示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的详细说明。

针对现有技术的问题，本发明摒弃了传统概率预测方法以预测误差为研究对象的思路，采用大数据挖掘理念，直接面向预测结果的场景分析，获得每个时刻的不确定性区间，在提高概率预测结果自适应性的同时，提升了针对不同特性功率预测结果的不确定度分辨能力，且能有效降低建模工作量，实用化水平高。

实施例1：

本发明提供的一种新能源出力概率预测方法流程示意图如图1所示，包括：

步骤1：基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

步骤2：基于出力状态范围进行历史相似出力状态数据挖掘，得到与新能源出力预测值对应的多个历史预测功率；

步骤3：基于多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

具体的，给出了一种新能源出力概率预测方法的完整技术路线，包括数据处理、出力状态确定、相似出力状态挖掘、出力概率区间确定等。

1、数据处理

数据处理主要是构建用于后续概率区间确定的计算样本。需处理的数据包括历史实际功率数据和历史预测功率数据，数据长度至少1年。包括如下处理步骤：

1-1)按照时间先后顺序对历史实际功率数据和历史预测功率数据进行整理；

1-2)以开机容量C对历史实际功率T和历史预测功率F进行归一化：

式中，i为下标，n为历史样本总数，下标r表示实际值，下标f表示预测值。

1-3)根据时间，将历史实际功率P_r,i和历史预测功率P_f,i相关联，形成样本{(P_f,i,P_r,i)}。

2、出力状态确定

根据状态水平ΔP，确定出力状态。具体方法如下：

2-1)确定恰当的状态水平ΔP，状态水平应越小越好，但过小也会影响状态样本的匹配，一般取0.01；

2-2)根据状态水平ΔP，结合概率预测目标时刻t的功率预测结果P_f,t，确定出力状态范围：[P_f,t-ΔP,P_f,t+ΔP]。

3、相似出力状态挖掘

根据出力状态范围匹配历史预测功率的相似状态：

{P_f,j}＝{P_f,t-ΔP≤P_f,i≤P_f,t+ΔP},j＝1,…,m

式中，P_f,j为匹配出的历史相似预测出力状态，即与新能源出力预测值P_f,t匹配的历史预测功率，m为其数量，满足{P_f,j}∈{P_f,i}。

4、出力概率区间确定

由于历史实际功率P_r,i和历史预测功率P_f,i相关联，根据P_f,j可获得{(P_f,j,P_r,j)}。

以{P_r,j}为对象确定出力概率区间，具体方法如下：

4-1)根据应用需要，选取合适的区间宽度ΔT，一般取0.05；

4-2)确定区间内的样本数量k_x：

k_x＝#{x·ΔT≤P_r,j＜x·ΔT+ΔT},x＝0,…,1/ΔT

式中，#{·}为计数函数，用于统计样本数量；x为区间编号。

4-3)计算发生概率：

p_x＝k_x/m

于是，最终概率预测结果为：{[x·ΔT,x·ΔT+ΔT],p_x|P_f,t}，x＝0,…,1/ΔT。

5、风险调度应用

针对未来72小时的风电功率预测结果，每15分钟具有一个功率预测结果值P_f,t，根据该功率预测结果值，采用5.1-5.4的方法可获得对应的实际功率落入不同功率水平区间[x·ΔT,x·ΔT+ΔT]的概率p_x，在确定风险水平α的条件下，应满足：

其中，x₁,x₂∈[0,…,1/ΔT]。于是可得到对应的实际功率分布范围：

[x₁·ΔT,x₂·ΔT]

在负荷高峰时刻，风电运行计划按照实际功率可能出现区间的下限考虑，即x₁·ΔT；在负荷低谷时刻，风电运行计划按照实际功率可能出现区间的上限考虑，即x₂·ΔT。从而在风险可控前提下，提高风电消纳水平。

实施例2：

基于同一发明构思，本发明还提供了一种新能源出力概率预测系统，由于这些设备解决技术问题的原理与新能源出力概率预测方法相似，重复之处不再赘述。

该系统基本结构如图2所示，包括：范围确定模块、历史预测功率模块和概率预测模块；

其中，范围确定模块，用于基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

历史预测功率模块，用于基于出力状态范围进行历史相似出力状态数据挖掘，得到与新能源出力预测值对应的多个历史预测功率；

概率预测模块，用于基于多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

新能源出力概率预测系统详细结构如图3所示。

其中，历史预测功率模块包括：样本数据单元和历史预测功率单元；

样本数据单元，用于基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据；

历史预测功率单元，用于基于出力状态范围匹配样本数据，得到多个取值在出力状态范围内的历史预测功率，作为与新能源出力预测值对应的多个历史预测功率。

其中，概率预测模块包括：个数统计单元和概率计算单元；

个数统计单元，用于分别统计与新能源出力预测值对应的多个历史预测功率中，与历史预测功率关联的历史实际功率取值在各功率水平区间的个数；

概率计算单元，用于分别根据取值在各功率水平区间的历史实际功率的个数，计算新能源出力实际功率落入各功率水平区间的概率。

其中，样本数据单元包括历史数据获取子单元、归一化子单元和样本数据子单元；

历史数据获取子单元，用于基于时间获取新能源历史实际功率与历史预测功率；

归一化子单元，用于基于开机容量将历史实际功率与历史预测功率进行归一化；

样本数据子单元，用于根据历史实际功率与历史预测功率对应时间，将历史实际功率与历史预测功率进行关联，形成样本数据。

其中，新能源出力概率预测系统还包括：计划制定模块；计划制定模块包括：分布范围单元和计划制定单元；

分布范围单元，用于根据新能源出力实际功率落入各功率水平区间的概率以及预设风险水平，得到新能源出力实际功率分布范围；

计划制定单元，用于根据新能源出力实际功率分布范围，制定新能源发电运行计划。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (11)

1.一种新能源出力概率预测方法，其特征在于，包括：

基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率；

基于所述多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

2.如权利要求1所述的方法，其特征在于，所述基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率，包括：

基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据；

基于所述出力状态范围匹配样本数据，得到多个取值在所述出力状态范围内的历史预测功率，作为与所述新能源出力预测值对应的多个历史预测功率。

3.如权利要求2所述的方法，其特征在于，所述计算新能源出力实际功率落入各功率水平区间的概率，包括：

分别统计与所述新能源出力预测值对应的多个历史预测功率中，与历史预测功率关联的历史实际功率取值在各功率水平区间的个数；

分别根据取值在各功率水平区间的历史实际功率的个数，计算新能源出力实际功率落入各功率水平区间的概率。

4.如权利要求3所述的方法，其特征在于，所述新能源出力实际功率落入功率水平区间概率的计算式如下：

p_x＝k_x/m

其中，p_x表示新能源出力实际功率落入第x个功率水平区间的概率，k_x表示第x个功率水平区间中历史实际功率的个数，m表示所有功率水平区间中历史实际功率总个数。

5.如权利要求4所述的方法，其特征在于，所述第x个功率水平区间的范围的计算式如下：

[x·ΔT,x·ΔT+ΔT]

其中，ΔT表示功率水平区间的宽度。

6.如权利要求2所述的方法，其特征在于，所述基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据，包括：

基于时间获取新能源历史实际功率与历史预测功率；

基于开机容量将所述历史实际功率与历史预测功率进行归一化；

根据所述历史实际功率与历史预测功率对应时间，将所述历史实际功率与历史预测功率进行关联，形成样本数据。

7.如权利要求1所述的方法，其特征在于，所述基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围，包括：

基于时间步长获取新能源功率预测值，以新能源出力预测值与预设状态水平的差值作为出力范围下限，以新能源出力预测值与预设状态水平的和作为出力范围上限。

8.如权利要求1所述的方法，其特征在于，所述计算新能源出力实际功率落入各功率水平区间的概率之后，还包括：

根据新能源出力实际功率落入各功率水平区间的概率以及预设风险水平，得到新能源出力实际功率分布范围；

根据所述新能源出力实际功率分布范围，制定新能源发电运行计划。

9.一种新能源出力概率预测系统，其特征在于，包括：范围确定模块、历史预测功率模块和概率预测模块；

所述范围确定模块，用于基于时间步长获取新能源功率预测值，并结合预设状态水平，确定出力状态范围；

所述历史预测功率模块，用于基于所述出力状态范围进行历史相似出力状态数据挖掘，得到与所述新能源出力预测值对应的多个历史预测功率；

所述概率预测模块，用于基于所述多个历史预测功率以及历史预测功率与历史实际功率的关联，计算新能源出力实际功率落入各功率水平区间的概率；

其中，各功率水平区间是根据应用需要选择宽度划分的。

10.如权利要求9所述的系统，其特征在于，所述历史预测功率模块包括：样本数据单元和历史预测功率单元；

所述样本数据单元，用于基于时间获取历史实际功率数据和历史预测功率数据并关联，得到样本数据；

所述历史预测功率单元，用于基于所述出力状态范围匹配样本数据，得到多个取值在所述出力状态范围内的历史预测功率，作为与所述新能源出力预测值对应的多个历史预测功率。

11.如权利要求10所述的系统，其特征在于，所述概率预测模块包括：个数统计单元和概率计算单元；

所述个数统计单元，用于分别统计与所述新能源出力预测值对应的多个历史预测功率中，与历史预测功率关联的历史实际功率取值在各功率水平区间的个数；

所述概率计算单元，用于分别根据取值在各功率水平区间的历史实际功率的个数，计算新能源出力实际功率落入各功率水平区间的概率。

Images