【技术实现步骤摘要】
本专利技术涉及分布式新能源电站出力预测，特别地，涉及一种分布式新能源电站的出力预测方法及系统、电子设备、计算机可读取的存储介质。
技术介绍
1、分布式新能源(包括分布式光伏和分散式/分布式风电)电站，具有数量巨大、地理位置(邻接位置)固定的特点，这些分布式新能源电站构成一个跨越巨大地理空间的巨型网络。而每个新能源电站都有计量装置，每个新能源电站都可以看作一个传感节点，其传感数据即新能源电站的出力数据，因此，一个跨越巨大地理空间的分布式新能源系统可以看作一个巨型传感网络。
2、受外界因素的影响，新能源电站的出力具有很大的随机性，其中，分布式新能源电站出力的随机性可以分为个体随机性和群体随机性，以光伏为例，一只大鸟落在一个光伏组件上，即一种个体随机性，仅影响该光伏电站的出力，对相邻光伏电站并无影响；而一片难以预测的云所带来的则是群体随机性，这片云的聚合、变形、运动、消散对一定数量的光伏电站产生影响，这种群体随机性对光伏节点出力的影响也可以看作一种波动，运行于相关的分布式光伏节点。这种个体随机性是由个体电站的特定事件引起的随机变化，类似于粒子的独立行为，可以定义为广义的粒子性，而这种群体随机性是由大范围事件或集体事件引起的随机变化，类似于波的扩散和传递，可以定义为广义的波动性。个体随机性的影响范围有限，仅作用于个别新能源电站，每个个体事件的变化是相对独立的，不与其它电站的变化产生直接关联，且变化发生在微观层次，整体分布式新能源系统的输出受影响较小；而群体随机性则会影响多个新能源电站甚至整个系统，具有较大的波动性，变化在不同
技术实现思路
1、本专利技术提供了一种分布式新能源电站的出力预测方法及系统、电子设备、计算机可读取的存储介质，可以提高分布式新能源电站在群体随机性因素影响下的出力预测准确度。
2、根据本专利技术的一个方面，提供一种分布式新能源电站的出力预测方法，包括以下内容：
3、构建分布式新能源电站之间的地理拓扑结构；
4、设定波动特征值；
5、基于多个时间断面内各节点的出力数据计算波动特征值，并根据多个时间断面的波动特征值计算结果判断是否存在广义波动性，若存在广义波动性则获取多个时间断面内的波动中心位置和各节点的波动特征值；
6、基于多个时间断面内的波动中心位置和各节点的波动特征值，预测下一时间断面内的波动中心位置和各节点的波动特征值；
7、基于下一时间断面内的波动中心位置和各节点的波动特征值，预测波动区域内所有节点的实际出力值。
8、进一步地，所述波动特征值为功率波动率，其中，功率波动率＝(基线出力差值-真实出力差值)/基线均值，基线出力差值为后一时刻基线值与前一时刻基线值之间的差值，真实出力差值为后一时刻出力值与前一时刻出力值之间的差值，基线均值为后一时刻基线值与前一时刻基线值的平均值。
9、进一步地，所述根据多个时间断面的波动特征值计算结果判断是否存在广义波动性的过程包括以下内容：
10、在某个时间断面内，若拓扑结构的某个区域内各节点的功率波动率出现极值区域，且在极值区域外功率波动率逐渐减小，则将极值区域视为波动中心，在后续时间断面内，若新的波动中心与旧的波动中心之间的距离不超过预设阈值、位于波动中心迁移线附近的节点的功率波动率高于其他区域、单个节点的功率波动率序列变化与节点与波动中心之间的距离变化呈负相关，则判定存在广义波动性。
11、进一步地，所述基于下一时间断面内的波动中心位置和各节点的波动特征值，预测波动区域内所有节点的实际出力值的过程包括以下内容：
12、针对每个节点，以节点的实际出力为变量、以节点的出力基线和功率波动率为影响因子，构建多元回归模型，再利用已知时间断面内节点的实际出力数据、出力基线和功率波动率代入多元回归模型，以计算得到多元回归模型的系数，再将预测得到的下一时间断面内节点的功率波动率和出力基线代入多元回归模型，从而计算得到下一时间断面内该节点的实际出力值；重复上述过程，得到波动区域内所有节点的实际出力值。
13、进一步地，所述波动特征值为节点影响度比率和节点关联性比率，其中，节点影响度比率为某个节点的节点总影响度与全部节点的节点总影响度均值之间的比值，每个节点的节点总影响度为该节点的出力值与其余所有节点的出力值在多个时间断面下构成的标准化协方差序列的绝对值之和，节点关联性比率为标准化协方差序列中绝对值大于预设关联性阈值的数量与(n-1)的比值，n为节点的数量。
14、进一步地，所述根据多个时间断面的波动特征值计算结果判断是否存在广义波动性的过程包括以下内容：
15、将多个时间断面内节点关联性比率始终保持最高的节点作为波动中心，若新旧波动中心的移动满足连续性要求，则判定存在广义波动性。
16、进一步地，所述基于多个时间断面内的波动中心位置和各节点的波动特征值，预测下一时间断面内的波动中心位置和各节点的波动特征值的过程包括以下内容：
17、基于最近的多个时间断面内各节点的标准化协方差序列，预测下一段时间内各节点的标准化协方差序列，并根据预测得到的标准化协方差序列计算得到各节点的波动特征值预测值，并确定新的波动中心。
18、另外，本专利技术还提供一种分布式新能源电站的出力预测系统，包括：
19、拓扑结构构建模块，用于构建分布式新能源电站之间的地理拓扑结构；
20、波动特征值设定模块，用于设定波动特征值；
21、广义波动性判断模块，用于基于多个时间断面内各节点的出力数据计算波动特征值，并根据多个时间断面的波动特征值计算结果判断是否存在广义波动性，若存在广义波动性则获取多个时间断面内的波动中心位置和各节点的波动特征值；
22、波动中心预测模块，用于基于多个时间断面内的波动中心位置和各节点的波动特征值，预测下一时间断面内的波动中心位置和各节点的波动特征值；
23、节点出力预测模块，用于基于下一时间断面内的波动中心位置和各节点的波动特征值，预测波动区域内所有节点的实际出力值。
24、另外，本专利技术还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
25、另外，本专利技术还提供一种计算机可读取的存储介质，用于存储进行分布式新能源电站的出力预测的计算机程序，所述计本文档来自技高网...
【技术保护点】
1.一种分布式新能源电站的出力预测方法，其特征在于，包括以下内容：
2.如权利要求1所述的分布式新能源电站的出力预测方法，其特征在于，所述波动特征值为功率波动率，其中，功率波动率＝(基线出力差值-真实出力差值)/基线均值，基线出力差值为后一时刻基线值与前一时刻基线值之间的差值，真实出力差值为后一时刻出力值与前一时刻出力值之间的差值，基线均值为后一时刻基线值与前一时刻基线值的平均值。
3.如权利要求2所述的分布式新能源电站的出力预测方法，其特征在于，所述根据多个时间断面的波动特征值计算结果判断是否存在广义波动性的过程包括以下内容：
4.如权利要求2所述的分布式新能源电站的出力预测方法，其特征在于，所述基于下一时间断面内的波动中心位置和各节点的波动特征值，预测波动区域内所有节点的实际出力值的过程包括以下内容：
5.如权利要求1所述的分布式新能源电站的出力预测方法，其特征在于，所述波动特征值为节点影响度比率和节点关联性比率，其中，节点影响度比率为某个节点的节点总影响度与全部节点的节点总影响度均值之间的比值，每个节点的节点总影响度为该节点的
6.如权利要求5所述的分布式新能源电站的出力预测方法，其特征在于，所述根据多个时间断面的波动特征值计算结果判断是否存在广义波动性的过程包括以下内容：
7.如权利要求6所述的分布式新能源电站的出力预测方法，其特征在于，所述基于多个时间断面内的波动中心位置和各节点的波动特征值，预测下一时间断面内的波动中心位置和各节点的波动特征值的过程包括以下内容：
8.一种分布式新能源电站的出力预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～7任一项所述的方法的步骤。
10.一种计算机可读取的存储介质，用于存储进行分布式新能源电站的出力预测的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～7任一项所述的方法的步骤。
...【技术特征摘要】
1.一种分布式新能源电站的出力预测方法，其特征在于，包括以下内容：
2.如权利要求1所述的分布式新能源电站的出力预测方法，其特征在于，所述波动特征值为功率波动率，其中，功率波动率＝(基线出力差值-真实出力差值)/基线均值，基线出力差值为后一时刻基线值与前一时刻基线值之间的差值，真实出力差值为后一时刻出力值与前一时刻出力值之间的差值，基线均值为后一时刻基线值与前一时刻基线值的平均值。
3.如权利要求2所述的分布式新能源电站的出力预测方法，其特征在于，所述根据多个时间断面的波动特征值计算结果判断是否存在广义波动性的过程包括以下内容：
4.如权利要求2所述的分布式新能源电站的出力预测方法，其特征在于，所述基于下一时间断面内的波动中心位置和各节点的波动特征值，预测波动区域内所有节点的实际出力值的过程包括以下内容：
5.如权利要求1所述的分布式新能源电站的出力预测方法，其特征在于，所述波动特征值为节点影响度比率和节点关联性比率，其中，节点影响度比率为某个节点的节点总影响度与全部节点的节点总影响度均值之间的比值，每个节点的节点总影响度为该节点的出力值...
【专利技术属性】
技术研发人员：高博瑞，张开，常洪山，何光，张晶，
申请(专利权)人：北京市腾河电子技术有限公司，
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。