非参数化的新能源场景-概率-区间一体化预测方法技术

本申请涉及一种非参数化的新能源场景

【技术实现步骤摘要】
非参数化的新能源场景
‑
概率
‑
区间一体化预测方法


[0001]本申请涉及新能源
，特别是涉及一种非参数化的新能源场景
‑
概率
‑
区间一体化预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着社会的发展，风电、光伏等新能源逐渐成为人类生活、生产中的一个重要能源，然而，风电、光伏等新能源的随机性、波动性、不确定性和新能源出力的弱可控性给电力系统的安全稳定运行带来了较大的困扰和挑战，如何实现高精度的风电、光伏功率预测成为该领域研究的重点。
[0003]传统的功率预测主要以点预测（确定性预测）为主，其预测的内容是未来功率的期望值，但这种方法无法避免预测误差，且点预测结果不能对风电、光伏功率的不确定性做出定量描述。

技术实现思路

[0004]基于此，有必要针对上述方法存在预测误差，且不能对风电、光伏功率的不确定性做出定量描述的技术问题，提供一种非参数化的新能源场景
‑
概率
‑
区间一体化预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种非参数化的新能源场景
‑
概率
‑
区间一体化预测方法。所述方法包括：获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个数据点对应所述新能源在所述预测时间段内的一个时间点上的预测功率值；针对所述预测时间段内的目标时间点，基于所述目标时间点在所述功率预测曲线上对应的预测功率值，确定所述目标时间点在预设的多个预测箱中对应的目标预测箱；每个预测箱均对应有所述新能源的历史实测功率值的概率分布信息，所述目标时间点为所述预测时间段内的任一个时间点；基于所述目标预测箱对应的概率分布信息生成所述目标预测箱对应的新能源场景集；根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间。
[0006]在其中一个实施例中，所述多个预测箱通过下述方式确定：获取所述新能源在历史时间段内的数据集；所述数据集包括多个数据组，每个数据组包括一个历史实测功率值和一个历史预测功率值；将所述数据集中的历史预测功率值按照大小顺序排序，根据排序结果生成多个数值区间；基于每个数据组中的历史预测功率值，将所述多个数据组分配至各个数值区间内，将分配后得到的多个数值区间，对应作为多个预测箱。
[0007]在其中一个实施例中，所述根据排序结果生成多个数值区间，包括：获取所述数据集包含的数据量；按照数据量与区间宽度成负相关关系的条件，确定区间宽度；根据所述排序结果和所述区间宽度，生成多个数值区间。
[0008]在其中一个实施例中，所述每个预测箱内历史实测功率值的概率分布信息通过下述方式确定：确定针对新能源功率的非参数的经验分布模型；基于所述非参数的经验分布模型，对所述每个预测箱内的历史实测功率值进行统计分析，得到所述每个预测箱内的历史实测功率值的概率分布信息。
[0009]在其中一个实施例中，所述基于所述目标预测箱对应的概率分布信息，生成所述目标预测箱对应的新能源场景集，包括：根据所述目标预测箱对应的概率分布信息，确定多元正态分布的协方差关键参数，根据所述协方差关键参数，构建对应的协方差矩阵；根据所述协方差矩阵，确定多元正态分布函数，基于所述多元正态分布函数生成所述目标预测箱对应的多个多元正态随机向量样本；对各个多元正态随机向量样本进行逆变换，得到对应的多个新能源场景，将所述多个新能源场景，组成所述新能源场景集。
[0010]在其中一个实施例中，所述根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间，包括：根据所述新能源场景集，确定多个候选预测功率值；从所述多个候选预测功率值中，确定出预测功率值上界和预测功率值下界；基于所述预测功率值上界和所述预测功率值下界，得到所述新能源在所述目标时间点处的预测功率区间。
[0011]第二方面，本申请还提供了一种非参数化的新能源场景
‑
概率
‑
区间一体化预测装置。所述装置包括：获取模块，用于获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个数据点对应所述新能源在所述预测时间段内的一个时间点上的预测功率值；确定模块，用于针对所述预测时间段内的目标时间点，基于所述目标时间点在所述功率预测曲线上对应的预测功率值，确定所述目标时间点在预设的多个预测箱中对应的目标预测箱；每个预测箱均对应有所述新能源的历史实测功率值的概率分布信息，所述目标时间点为所述预测时间段内的任一个时间点；生成模块，用于基于所述目标预测箱对应的概率分布信息生成所述目标预测箱对应的新能源场景集；校正模块，用于根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间。
[0012]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：获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个
数据点对应所述新能源在所述预测时间段内的一个时间点上的预测功率值；针对所述预测时间段内的目标时间点，基于所述目标时间点在所述功率预测曲线上对应的预测功率值，确定所述目标时间点在预设的多个预测箱中对应的目标预测箱；每个预测箱均对应有所述新能源的历史实测功率值的概率分布信息，所述目标时间点为所述预测时间段内的任一个时间点；基于所述目标预测箱对应的概率分布信息，生成所述目标预测箱对应的新能源场景集；根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间。
[0013]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：获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个数据点对应所述新能源在所述预测时间段内的一个时间点上的预测功率值；针对所述预测时间段内的目标时间点，基于所述目标时间点在所述功率预测曲线上对应的预测功率值，确定所述目标时间点在预设的多个预测箱中对应的目标预测箱；每个预测箱均对应有所述新能源的历史实测功率值的概率分布信息，所述目标时间点为所述预测时间段内的任一个时间点；基于所述目标预测箱对应的概率分布信息，生成所述目标预测箱对应的新能源场景集；根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间。
[0014]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：获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个数据点对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非参数化的新能源场景
‑
概率
‑
区间一体化预测方法，其特征在于，所述方法包括：获取待预测的新能源在预测时间段的功率预测曲线；所述功率预测曲线上的每个数据点对应所述新能源在所述预测时间段内的一个时间点上的预测功率值；针对所述预测时间段内的目标时间点，基于所述目标时间点在所述功率预测曲线上对应的预测功率值，确定所述目标时间点在预设的多个预测箱中对应的目标预测箱；每个预测箱均对应有所述新能源的历史实测功率值的概率分布信息，所述目标时间点为所述预测时间段内的任一个时间点；基于所述目标预测箱对应的概率分布信息，生成所述目标预测箱对应的新能源场景集；根据所述新能源场景集，对所述目标时间点的预测功率值进行误差校正，得到所述新能源在所述目标时间点处的预测功率区间。2.根据权利要求1所述的方法，其特征在于，所述多个预测箱通过下述方式确定：获取所述新能源在历史时间段内的数据集；所述数据集包括多个数据组，每个数据组包括一个历史实测功率值和一个历史预测功率值；将所述数据集中的历史预测功率值按照大小顺序排序，根据排序结果生成多个数值区间；基于每个数据组中的历史预测功率值，将所述多个数据组分配至各个数值区间内，将分配后得到的多个数值区间，对应作为多个预测箱。3.根据权利要求2所述的方法，其特征在于，所述根据排序结果生成多个数值区间，包括：获取所述数据集包含的数据量；按照数据量与区间宽度成负相关关系的条件，确定区间宽度；根据所述排序结果和所述区间宽度，生成多个数值区间。4.根据权利要求2所述的方法，其特征在于，所述每个预测箱内历史实测功率值的概率分布信息通过下述方式确定：确定针对新能源功率的非参数的经验分布模型；基于所述非参数的经验分布模型，对所述每个预测箱内的历史实测功率值进行统计分析，得到所述每个预测箱内的历史实测功率值的概率分布信息。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标预测箱对应的概率分布信息，生成所述目标预测箱对应的新能源场景集，包括：根据所述目标预测箱对应的概率分布信息，确定多元正态分布的协方差关键参数，根据所述协方差关键参数，构建对应的协方差矩阵；根据所述协方差矩阵，确定多元正态分布函数，基于所述多元正态分布函数生成所述目标预测箱对应的多个多元正态随机向量样本；对各个多元...

【专利技术属性】
技术研发人员：张子昊，马溪原，周长城，李鹏，包涛，陈炎森，李卓环，程凯，胡旭东，潘世贤，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：