【技术实现步骤摘要】
本专利技术涉及新能源发电功率预测，特别涉及新能源发电功率预测系统及方法。
技术介绍
1、新能源发电功率预测系统是实现新能源电力系统安全、经济运行的关键技术之一。随着全球能源结构的转型和“双碳”战略目标的提出，风能和太阳能等新能源的开发利用日益增多，其发电功率的预测变得尤为重要。新能源发电功率具有显著的间歇性与随机性，这对电力系统的调度运行和电网的安全稳定提出了巨大挑战。因此，开发准确、高效的新能源发电功率预测系统，对于提高新能源电力系统的运行效率和可靠性具有重要意义。
2、现有技术一，中国专利，申请号：cn202311540463.2提供了新能源发电功率预测方法、系统、设备及介质，用以解决现有的新能源发电功率预测方法存在模型复杂性高、计算量大、准确性差等缺点的技术问题。方法包含：获取新能源发电相关数据；将所述新能源发电相关数据，输入预先训练的新能源发电功率预测模型中，输出预测的新能源发电功率；其中，新能源发电功率预测模型是基于rbf神经网络构建的，且新能源发电功率预测模型的训练数据是基于小波去噪处理的数据。采用小波阈值去噪的数据预处理技术，降低了数据噪声对预测结果的影响。通过模型优化和调整，虽然进一步提高了预测准确性，实现了新能源发电功率的实时预测，为电力系统稳定运行提供了有力支持；但是没有考虑到数据间的短期依赖关系，影响了模型的稳定性。
3、现有技术二，中国专利，申请号：cn202410144489.3包含以下步骤：数据收集与处理，收集目标电站所处区域的天气预报数据，收集目标电站的历史发电功率数据；环境
4、现有技术三，中国专利，申请号：cn202311640746.4公开了一种新能源发电功率的预测方法、装置、设备及介质，通过获取新能源发电场的历史机组数据；基于历史机组数据，对新能源发电机组进行聚类，生成新能源发电场的多个机组分区；针对每个机组分区，对机组分区的历史运行数据和历史气象数据进行特征提取，得到机组分区的发电特征数据；基于发电特征数据，对预设lstm-cnn模型进行训练，直至预设lstm-cnn模型达到预设收敛条件，得到新能源发电场的发电功率预测模型；利用发电功率预测模型，根据新能源发电场的实时气象数据，预测新能源发电场在未来目标时间段内的发电功率数据。虽然提高了新能源发电能力预测的准确度，但是存在输入空间维数较高，影响了模型的稳定性。
5、目前现有技术一、现有技术二及现有技术三存在没有考虑到数据间的短期依赖关系、计算量较大、模型收敛速度减慢、输入空间维数较高的问题。因而，本专利技术提供新能源发电功率预测系统及方法。
技术实现思路
1、本专利技术的主要目的在于提供了新能源发电功率预测系统及方法，以解决现有技术中存在的没有考虑到数据间的短期依赖关系、计算量较大、模型收敛速度减慢、输入空间维数较高的问题。
2、为达到上述目的，本专利技术采用如下技术方案：
3、本专利技术的一方面，提供新能源发电功率预测系统，包含：
4、数据模块，负责收集历史气象数据、实时数据以及历史发电功率数据，并对收集到的数据进行清洗、去噪和格式化等预处理操作，将预处理后的数据发送给预测模型构建模块；
5、预测模型构建模块，负责将历史气象数据、实时数据以及历史发电功率数据进行整合，形成一个融合数据集；对融合数据集进行预处理，提取出数据特征；使用降维技术对数据特征进行压缩，基于提取的降维数据特征，以及时间戳信息，构建卷积神经网络，卷积神经网络将对其进行捕捉空间特征，利用长短期记忆网络层捕捉长短期依赖关系，通过优化算法调整预测模型构建模块参数；
6、测试评估模块，负责对新能源发电功率预测模型进行预测结果误差分析，若误差超出阈值则进行调整。
7、作为本专利技术进一步改进，数据模块，包含：
8、数据采集子模块，负责连接气象部门实时数据接口，收集目标电站区域的历史气象数据，并在目标电站区域部署环境感知单元，实时监测目标电站周边环境变化，并对目标电站实施实时数据采集，其中，数据采集包含气温、湿度、风向和风速等气象要素，以及被植被覆盖变化等环境参数；收集目标电站的历史发电功率数据；井将采集到的历史气象数据、实时数据以及历史发电功率数据传输至数据处理中心；
9、融合数据集子模块，负责数据处理中心对历史气象数据、实时数据集和历史发电功率数据进行预处理，包含数据清洗和标准化处理；将预处理后的历史气象数据、实时数据集历史发电功率数据提取目标特征，包含不同时间戳的气象要素和发电功率输出；将特征进行时间同步处理，所有历史气象数据、实时数据集和历史发电功率数据在时间轴上对齐，形成融合数据集；
10、其中，历史气象数据、实时数据集和历史发电功率数据会有时间上不完全同步数据，使用差值方法填充缺失的时间点；
11、评估数据集子模块，负责对融合数据集进行评估，设置不同特征对发电功率预测的影响的阈值，比较不同特征融合对发电功率预测的影响，若超出阈值则动态调整新能源发电功率预测模型；
12、作为本专利技术进一步改进，融合数据集子模块，包含：
13、缺失时间戳单元，负责将特征进行时间同步处理，所有历史气象数据、实时数据集和历史发电功率数据在时间轴上对齐，将历史气象数据、实时数据集和历史发电功率数据在时间轴上不存在的时间戳标出，并标记为缺失时间戳；
14、时间戳气温值单元，负责将时间点前后的两个的数据进行线性差值，计算出改时间戳的气温值；
15、补充时间戳单元，负责通过对比填充前的数据变化趋势，对数据变化趋势设置阈值，若数据变化趋势大于阈值，则填充数据不合格，则重新调整参数；若数据变化趋势小于阈值，则填充数据合格，并将填充后的数据重新存储至数据处理中心，并更新相关时间戳信息。
16、作为本专利技术进一步改进，预测模型构建模块，包含：
17、特征提取子模块，负责对融合数据集进行特征数据提取，并对此数据进行降维处理，提取主要输入成分，减少数据维度；根据降维处理后的融合数据集训练新能源发电功率预测模型；
18、预测模块子模块，负责新能源发电功率预测模型将预设的时间周期划分为多个子周期，每个子周期对应一个一个时间步长，时间步长包含每小时，在每个子周期内，使用前一时间步长的预测结果的发电功率作为输入进行下一轮预测；
19、预测误差子模块，负责设置预测误差阈值，对预测模型构建模块进行实时监测预测误差，若预测误差大于预测误差阈值，将对预测误差进行分析，并动本文档来自技高网...
【技术保护点】
1.新能源发电功率预测系统，其特征在于，包含：
2.如权利要求1所述的新能源发电功率预测系统，其特征在于，数据模块，包含：
3.如权利要求2所述的新能源发电功率预测系统，其特征在于，融合数据集子模块，包含：
4.如权利要求1所述的新能源发电功率预测系统，其特征在于，预测模型构建模块，包含：
5.如权利要求4所述的新能源发电功率预测系统，其特征在于，特征提取子模块，包含：
6.如权利要求1所述的新能源发电功率预测系统，其特征在于，预测模型构建模块，包含：
7.如权利要求6所述的新能源发电功率预测系统，其特征在于，优化子模块，包含：
8.如权利要求1所述的新能源发电功率预测系统，其特征在于，测试评估模块，包含：
9.如权利要求8所述的新能源发电功率预测系统，其特征在于，计算评估子模块中，发电功率预报准确率在发电预报误差|Fi-Oi|小于等于2的百分比，平均误差计算式正负误差相互抵消。
10.新能源发电功率预测方法，其特征在于，包含以下步骤：
【技术特征摘要】
1.新能源发电功率预测系统，其特征在于，包含：
2.如权利要求1所述的新能源发电功率预测系统，其特征在于，数据模块，包含：
3.如权利要求2所述的新能源发电功率预测系统，其特征在于，融合数据集子模块，包含：
4.如权利要求1所述的新能源发电功率预测系统，其特征在于，预测模型构建模块，包含：
5.如权利要求4所述的新能源发电功率预测系统，其特征在于，特征提取子模块，包含：
6.如权利要求1所述的新能源发电功率预测系统...
【专利技术属性】
技术研发人员：李旭炯，
申请(专利权)人：兰州资源环境职业技术大学，
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。