【技术实现步骤摘要】
本专利技术涉及一种考虑局部相似度的地区小水电集群短期出力预测方法，属于小水电集群出力预测。
技术介绍
1、电网负荷日前预测是保证电力系统安全稳定运行的基础。小水电属于不可控电源，一般被电网调度人员视为“负”负荷。我国东南沿海省份部分地区山区水资源丰富，当地径流式小水电装机占据较大比重。这些隶属于地市级供电单位管理的小水电当来水很多时，水电站出力满发运行，弃水泄向下游；当来水较少时，全部来水通过机组发电，但是部分装机由于缺水而未被利用。因此，径流式水电站基本处于有水即发状态。在持续无降雨时，该类小水电在一段时间内以及每日的出力相对稳定；而在降雨期间，降水通过影响河流流量，使得小水电出力呈现明显增长且有所波动。因此，小水电自身调节能力差，其出力受降雨等因素影响具有强不确定性，实际出力经常严重偏离计划出力，严重影响负荷预测准确性。
2、论文《用于小水电地区负荷预测的两阶段还原法》公开了一种预测方法，分别开展两部分预测(日最大(日最小)出力预测、日标幺出力曲线预测)然后进行组合。该方法考虑预测日的前n天(最大降雨相关日)有无降雨的因素，选取了一次平滑指数法进行当天日最大出力的基值预测，并采用偏差多元回归模型方法对所预测的日最大出力进行修正。同时选取历史相似日进行标幺出力曲线的预测，最后利用日平均出力修正公式进行逐时刻修正，来确定最终的小水电预测出力曲线。
3、缺陷在于，一次指数平滑法比较适用于预测日最大出力水平变化稳定情况，而对于降雨较大、日最大出力波动较大的情况存在较大的预测误差。此外，偏差多元回归模型需要假定
4、申请号为cn201910161647.5的专利技术专利公开了一种基于特征组合的小水电短期功率精细化预测方法，该方法引入了分时分区气温和降雨量等精细化气象数据，将小水电功率曲线分解为日最大、最小功率和标幺化曲线三个特征量，对预测日的这三个特征量分别预测，最后再加以组合的方式得出预测日的发电功率曲线。
5、对于日最大、最小功率的预测，其选用时间序列神经网络narx进行预测。narx是基于带外源输入的非线性自回归神经网络，并加入延时和反馈机制，具有对历史数据的强反馈和记忆功能、以及非线性动态描述能力。但是，时间序列神经网络更适用于数据量较大、数据质量较佳的情况，面对地区电网小水电直采装置全面安装较晚、现有历史出力样本数据量不多、质量一般的场景，其性能常常表现不佳。
技术实现思路
1、为了克服上述问题，本专利技术提供一种考虑局部相似度的地区小水电集群短期出力预测方法，该方法考虑到多个影响因素对小水电集群出力预测的影响，因此通过局部相似度得到综合相似度，对小水电集群出力进行预测。
2、本专利技术的技术方案如下：
3、一种考虑局部相似度的地区小水电集群短期出力预测方法，包括以下步骤：
4、对地区小水电集群的历史功率数据、地区日降雨量的历史数据和预测数据进行数据预处理与特征选择；所述预测数据为预测展开日和待预测日的日降雨量预测数据，待预测日在预测展开日之后；
5、构建历史日最大出力和历史日最小出力的lightgbm决策树预测模型；
6、分别确定历史日最大出力和历史日最小出力的lightgbm决策树预测模型的输入a与输出，分别代入历史日最大出力和历史日最小出力的lightgbm决策树预测模型进行拟合调试，确定最优参数，获取第一预测模型；
7、通过所述第一预测模型对预测展开日的日最大出力、日最小出力进行预测；
8、将第一预测模型的预测值与预测展开日实际值的差值作为输入，与所述输入a联立，代入第一预测模型，进行拟合调试修正，确定最优参数，得到第二预测模型；
9、通过所述第二预测模型对待预测日的日最大出力、日最小出力进行预测；所述待预测日在所述预测展开日之后；
10、进行待预测日的标幺出力曲线预测，具体为，
11、对所有的历史日，计算所有与出力特性相关的影响因素的局部相似度，根据各影响因素的局部相似度得到综合相似度，确定预测展开日的若干个历史相似日，并形成预测展开日的历史相似日集；
12、将预测展开日的历史相似日集中各历史相似日的下一日作为待预测日的历史相似日集中的历史相似日，通过待预测日的历史相似日集中的历史相似日的标幺出力曲线，根据各自的相似度分别进行归一化处理，并进行加权平均，获得待预测日的预测标幺出力曲线；根据第二预测模型的预测结果对待预测日的预测标幺出力曲线进行标幺化修正处理；
13、将修正后的待预测日的标幺出力曲线和第二预测模型预测出的待预测日的日最大出力值相乘，获得待预测日的预测出力曲线。
14、进一步的，所述地区日降雨量的历史数据来源为gpm网格化降雨数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得；所述地区日降雨量的预测数据来源为各行政区域的日前降雨预报数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得。
15、进一步的，所述构建历史日最大出力和历史日最小出力的lightgbm决策树预测模型，包括对所有历史日，针对同一天地区小水电集群不同的出力水平，分别构建lightgbm决策树预测模型并调参。
16、进一步的，将分位数损失函数作为所述第一预测模型和所述第二预测模型的损失函数，分数为损失函数如下：
17、
18、其中，y为实际值，为预测值，τ为分位数。
19、进一步的，将预测展开日前n天的日最大出力、预测展开日前n天的日降雨量、预测展开日和待预测日的日降雨量预测数据、预测展开日0-9时或0-15时的实时出力作为历史日最大出力的lightgbm决策树预测模型的输入a；其中，预测展开日0-9时的实时出力用于直接预测，0-15时的实时出力用于滚动预测，0-9时的实时出力和0-15时的实时出力的时间分辨率为15分钟；
20、将预测展开日前n天的日最小出力、预测展开日前n天的日降雨量、预测展开日和待预测日的日降雨量预测数据、预测展开日0-9时和0-15时的实时出力作为历史日最小出力的lightgbm决策树预测模型的输入a；其中，预测展开日0-9时的实时出力用于直接预测，0-15时的实时出力用于滚动预测，0-9时的实时出力和0-15时的实时出力的时间分辨率为15分钟。
21、进一步的，所述影响因素包括前趋势，计算第i个历史日的前趋势相似度εi(k)：
22、
23、其中，pi为第i个历史日前k日的日平均出力形成的前趋势向量，p0为预测展开日前k日的日平均出力形成的前趋势向量，e()为平均值，d()本文档来自技高网...
【技术保护点】
1.一种考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述地区日降雨量的历史数据来源为GPM网格化降雨数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得；所述地区日降雨量的预测数据来源为各行政区域的日前降雨预报数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得。
3.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述构建历史日最大出力和历史日最小出力的LightGBM决策树预测模型，包括对所有历史日，针对同一天地区小水电集群不同的出力水平，分别构建LightGBM决策树预测模型并调参。
4.根据权利要求3所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，将分位数损失函数作为所述第一预测模型和所述第二预测模型的损失函数，分数为
5.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，将预测展开日前N天的日最大出力、预测展开日前N天的日降雨量、预测展开日和待预测日的日降雨量预测数据、预测展开日0-9时或0-15时的实时出力作为历史日最大出力的LightGBM决策树预测模型的输入A；其中，预测展开日0-9时的实时出力用于直接预测，0-15时的实时出力用于滚动预测，0-9时的实时出力和0-15时的实时出力的时间分辨率为15分钟；
6.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述影响因素包括前趋势，计算第i个历史日的前趋势相似度εi(k)：
7.根据权利要求6所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述影响因素包括日降雨量数据、出力数据和标幺出力曲线；所述日降雨量数据为对应日前若干天的日降雨量、对应日的日降雨量和对应日后一天的日降雨量之和，其中，预测展开日和待预测日的日降雨量为预测值；所述出力数据包括对应日前一日的日最大出力、日最小出力和日平均出力以及对应日后一天的日最大出力和日最小出力，其中，对应日为历史日或预测展开日，预测展开日和待预测日的日最大出力和日最小出力为第二预测模型的预测值；
8.根据权利要求7所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述影响因素包括时间；
9.根据权利要求8所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，根据各影响因素的相似度得到综合相似度，确定待预测日的若干个历史相似日，具体为：
10.根据权利要求7所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，将待预测日的历史相似日集中各历史相似日的标幺出力曲线，根据各自的相似度分别进行归一化处理，并进行加权平均，获得的待预测日的预测标幺出力曲线，按照如下公式进行：
...【技术特征摘要】
1.一种考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述地区日降雨量的历史数据来源为gpm网格化降雨数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得；所述地区日降雨量的预测数据来源为各行政区域的日前降雨预报数据，通过计算该地区各行政区域的日降雨量，根据各所述行政区域的日降雨量，以地区内各行政区域的小水电装机容量占比为权重，进行加权平均获得。
3.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，所述构建历史日最大出力和历史日最小出力的lightgbm决策树预测模型，包括对所有历史日，针对同一天地区小水电集群不同的出力水平，分别构建lightgbm决策树预测模型并调参。
4.根据权利要求3所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，将分位数损失函数作为所述第一预测模型和所述第二预测模型的损失函数，分数为损失函数如下：
5.根据权利要求1所述考虑局部相似度的地区小水电集群短期出力预测方法，其特征在于，将预测展开日前n天的日最大出力、预测展开日前n天的日降雨量、预测展开日和待预测日的日降雨量预测数据、预测展开日0-9时或0-15时的实时出力作为历史日最大出力的lightgbm决策树预测模型的输入a；其中，预测展开日0-9时...
【专利技术属性】
技术研发人员：汪寅乔，王清凉，苏清梅，张慧瑜，胡永洪，鲍国俊，陈大玮，吴璐阳，黄霆，于昊，李传栋，曾志杰，弋子渊，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，
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。