【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种nwp多维特征拟合的新能源小时间尺度功率预测方法。
技术介绍
1、目前，我国新能源场站功率预测精度较低。因此，时间尺度小、预测频率高的高精度新能源功率预测有待开展。
2、现有技术中，可以借助数值天气预报实现新能源功率的短期预测。但是数值天气预报的时间尺度通常比较大，数值天气预报的数据采集间隔通常为15分钟，要做到小时间尺度的天气预报需要极高的成本，不适合大批量的新能源功率预测。基于上述原因，目前亟待实现小时间尺度、特别是5分钟级别的高精度新能源功率预测。
技术实现思路
1、本专利技术实施例提供了一种nwp多维特征拟合的新能源小时间尺度功率预测方法，以提高新能源超短期功率预测的分辨率，提高新能源功率预测的准确度。
2、本专利技术提供了一种nwp多维特征拟合的新能源小时间尺度功率预测方法，该方法包括：
3、在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报；
4、依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报；其中，所述第一时长间隔大于所述第二时长间隔；
5、将所述多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与所述多个待使用数值天气预报相对应的多个新能源场站预测功率；
6、反馈所述多个新能源场站预测功率。
7、可选的，所述小时间尺度功率预测指令是基于定时任务生成的、
8、可选的，所述获取预测时间段内第一时长间隔的多个待处理数值天气预报，包括：
9、获取以当前时刻为起始点未来预设时长内每个时间切片所对应的多个待处理数值天气预报；
10、其中，所述未来预设时长与所述预测时间段的时间长度相一致，所述第一时长间隔对应于所述时间切片的长度。
11、可选的，所述依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，包括：
12、依据所述多个待处理数值天气预报的预测时刻，确定预测时刻相邻的两个待处理数值天气预报；
13、依据三次条样插值法和/或最近邻插值法对相邻的两个待处理数值天气预报插值处理，得到多个待选择数值天气预报；
14、依据预先设置的第二时长间隔和所述多个待选择数值天气预报的插值时间戳，确定所述多个待使用数值天气预报。
15、可选的，所述方法还包括：
16、训练得到所述新能源小时间尺度功率预测模型；
17、所述训练得到所述新能源小时间尺度功率预测模型，包括：
18、获取当前新能源场站的历史数值天气预报，以及所述新能源场站的历史功率；
19、从目标历史时刻为采集起点，依据所述第一时长间隔对所述历史数值天气预报采样处理，得到多个离散历史数值天气预报；以及，以所述目标历史时刻为采集起点，依据所述第二时长间隔对所述历史功率采样处理，得到多个离散历史功率；
20、基于所述多个离散历史数值天气预报以及所述多个离散历史功率，确定训练样本；
21、基于所述训练样本对待训练小时间尺度功率预测模型进行训练，得到所述小时间尺度功率预测模型；
22、其中，所述第一时长间隔为15min，所述第二时长间隔为5min，所述预测时间段所对应的时间长度为4个小时。
23、可选的，所述基于所述多个离散历史数值天气预报以及所述多个离散历史功率，确定训练样本，包括：
24、对所述多个离散历史数值天气预报插值处理，得到多个待使用历史数值天气预报；
25、依据所述第二时长间隔从多个所述待使用历史数值天气预报抽值处理，得到多个待训练历史数值天气预报；
26、根据预先设置的预测时间段所对应处理时长，将所述待使用历史数值天气预报和多个所述离散历史功率划分为多组，得到所述训练样本。
27、可选的，所述将所述待使用历史数值天气预报和多个所述离散历史功率划分为多组，得到所述训练样本，包括：
28、依据所述多个离散历史功率所对应的采集时刻获取所述待使用历史数值天气预报；
29、基于所述预测时间段所对应的时间长度，对对齐后的待使用历史数值天气预报和离散历史功率进行划分，确定每个历史时间段内的多个待使用历史数值天气预报和多个离散历史功率；其中，所述历史时间段和所述预测时间段所对应的时间长度相同；
30、基于每个历史时间段内的多个待使用历史数值天气预报和多个离散历史功率，确定训练样本。
31、可选的，所述基于所述训练样本对待训练小时间尺度功率预测模型进行训练，得到所述小时间尺度功率预测模型，包括：
32、将当前训练样本中的多个待使用历史数值天气预报输入至待训练新能源小时间尺度功率预测模型中，输出多个预测功率；
33、基于所述多个离散历史功率和所述多个预测功率，确定损失值，以基于所述损失值对所述待训练小时间尺度功率预测模型中的模型参数进行修正；
34、将所述待训练小时间尺度功率预测模型中的损失函数收敛作为训练目标，得到待使用小时间尺度功率预测模型；
35、基于多个验证样本对所述待使用小时间尺度功率预测模型进行验证，得到所述待使用小时间尺度功率预测模型的准确率；
36、在所述准确率大于预设准确率阈值时，将所述待使用小时间尺度功率预测模型作为所述小时间尺度功率预测模型。
37、可选的，所述基于多个验证样本对所述待使用小时间尺度功率预测模型进行验证，得到所述待使用小时间尺度功率预测模型的准确率，包括：
38、将各验证样本输入至所述待使用小时间尺度功率预测模型中，得到与各验证样本所对应的新能源预测功率；
39、基于各验证样本中的离散历史功率、相应的新能源预测功率以及准确率预测函数，确定所述待使用小时间尺度功率预测模型的准确率。
40、可选的，所述准确率预测函数为：
41、
42、其中，r1表示模型准确率，n为验证样本的数量；ck表示k时段的开机总容量，pm，k为与各验证样本相对应的离散历史功率，pp，k为与验证样本相对应的新能源预测功率。
43、本专利技术实施例提供的技术方案，在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报，随后，依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，其中，第一时长间隔大于第二时长间隔，进而将多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与多个待使用数值天气预报相对应的多个新能源场站预测功率，并反馈多个新能源场站预测功率。本专利技术提高了新能源超短期功率预测的分辨率，提高了新能源功率预测的效率和准确度。
44、应当理解，本文档来自技高网...
【技术保护点】
1.一种NWP多维特征拟合的新能源小时间尺度功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述小时间尺度功率预测指令是基于定时任务生成的、基于用户的触发操作生成的、和/或采集到了多个所述待处理数值天气预报。
3.根据权利要求1所述的方法，其特征在于，所述获取预测时间段内第一时长间隔的多个待处理数值天气预报，包括：
4.根据权利要求1所述的方法，其特征在于，所述依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述多个离散历史数值天气预报以及所述多个离散历史功率，确定训练样本，包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述待使用历史数值天气预报和多个所述离散历史功率划分为多组，得到所述训练样本，包括：
8.根据权利要求5所述的方法，其特征在于，所述基于所述训练样本对待训练小时间尺度功率预测模型进
9.根据权利要求8所述的方法，其特征在于，所述基于多个验证样本对所述待使用小时间尺度功率预测模型进行验证，得到所述待使用小时间尺度功率预测模型的准确率，包括：
10.根据权利要求9所述的方法，其特征在于，所述准确率预测函数为：
...【技术特征摘要】
1.一种nwp多维特征拟合的新能源小时间尺度功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述小时间尺度功率预测指令是基于定时任务生成的、基于用户的触发操作生成的、和/或采集到了多个所述待处理数值天气预报。
3.根据权利要求1所述的方法，其特征在于，所述获取预测时间段内第一时长间隔的多个待处理数值天气预报，包括：
4.根据权利要求1所述的方法，其特征在于，所述依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，...
【专利技术属性】
技术研发人员：包涛，马溪原，习伟，李鹏，潘世贤，胡旭东，程凯，陈炎森，李卓环，周长城，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。