一种实现功率预测的方法及系统

摘要

一种实现功率预测的方法及系统，包括：通过区域集合预报模式运算获得气象预测数据；在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；其中，所述其他环境因素包括地理位置、地形特征、季节特征。本发明实施例通过计算获得的负荷功率及发电功率预测结果，降低了气象预测结果存在的误差对发电及负荷功率预测的影响，提高了功率预测的准确性，提高了新能源发电和负荷需求的平衡。

权利要求

1.一种实现功率预测的方法，其特征在于，包括：通过区域集合预报模式运算获得气象预测数据；

在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；

其中，所述其他环境因素包括地理位置、地形特征、季节特征，所述通过区域集合预报模式运算获得气象预测数据包括：使用四维变分方法同化气象观测数据；

利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

2.根据权利要求1所述的方法，其特征在于，所述气象观测数据包括：气象监测站数据、卫星数据、辐照度数据、测风塔数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型；

通过历史气象数据、历史实际负荷功率数据、及其他数据信息，调整所述负荷功率预测模型；

其中，所述其他数据信息包括地理位置、地形特征、季节特征。

4.一种实现功率预测的系统，其特征在于，包括：气象预测单元、发电功率预测单元、负荷功率预测单元；其中，气象预测单元用于：通过区域集合预报模式运算获得气象预测数据；

发电功率预测单元用于：在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

负荷功率预测单元用于：将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；

其中，所述其他环境因素包括地理位置、地形特征、季节特征，所述气象预测单元具体用于：

使用四维变分方法同化气象观测数据；

利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

5.根据权利要求4所述的系统，其特征在于，所述气象观测数据包括：气象监测站数据、卫星数据、辐照度数据、测风塔数据。

6.根据权利要求4所述的系统，其特征在于，所述系统还包括调整单元，调整单元用于：通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型；

通过历史气象数据、历史实际负荷功率数据、及其他数据信息，调整所述负荷功率预测模型；

其中，所述其他数据信息包括地理位置、地形特征、季节特征。

说明书

一种实现功率预测的方法及系统

技术领域

[0001] 本文涉及但不限于新能源技术，尤指一种实现功率预测的方法及系统。

背景技术

[0002] 新能源是包括风能、太阳能、地热能与海洋能等非常规能源，相较传统能源的资源有限和环境污染等特点，具有资源丰富可再生性等优势，使得新能源开发与利用不断发展。风能、太阳能等新能源装机容量以及并网比重逐年上升，截至2015年底，风力、太阳能等新能源发电约1.72亿千瓦。

[0003] 随着新能源发电行业的发展，新能源并网规模越来越大，且伴随着新能间歇不稳定性、反调峰、和受天气等自然环境因素影响大等特点；同时，由于新能源发展还处于起步阶段，新能源开发规划与消纳市场的矛盾、新能源发电预测与实际负荷电量的偏差，导致光伏产能过剩、电网的波动性和调峰容量余度增大等问题突出。

[0004] 为了实现新能源资源优化配置，使新能源发电和负荷需求的波动在远距离之间实现平衡，需要建立稳定、高效率和高精确度的新能源发电与负荷功率预测系统。

发明内容

[0005] 以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

[0006] 本发明实施例提供一种实现功率预测的方法及系统，能够提高发电与负荷功率预测的准确性，提升新能源发电与负荷需求的平衡。

[0007] 本发明实施例提供了一种实现功率预测的方法，包括：

[0008] 通过区域集合预报模式运算获得气象预测数据；

[0009] 在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

[0010] 将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；

[0011] 其中，所述其他环境因素包括地理位置、地形特征、季节特征。可选的，[0012] 所述通过区域集合预报模式运算获得气象预测数据包括：

[0013] 使用四维变分方法同化气象观测数据；

[0014] 利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

[0015] 对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。可选的，所述气象观测数据包括：

[0016] 气象监测站数据、卫星数据、辐照度数据、测风塔数据。

[0017] 可选的，所述方法还包括：

[0018] 通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型。

[0019] 通过历史的气象数据、历史实际负荷功率数据及其他数据信息，调整所述负荷功率预测模型；

[0020] 其中，所述其他数据信息包括地理位置、地形特征、季节特征。

[0021] 另一方面，本发明实施例还提供一种实现发电功率预测的系统，包括：

[0022] 气象预测单元、发电功率预测单元、负荷功率预测单元；其中，气象预测单元用于：通过区域集合预报模式运算获得气象预测数据；

[0023] 发电功率预测单元用于：在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

[0024] 负荷功率预测单元用于：将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；

[0025] 其中，所述其他环境因素包括地理位置、地形特征、季节特征。可选的，所述气象预测单元具体用于：

[0026] 所述气象预测单元具体用于：

[0027] 使用四维变分方法同化气象观测数据；

[0028] 利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

[0029] 对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

[0030] 可选的，所述气象观测数据包括：

[0031] 气象监测站数据、卫星数据、辐照度数据、测风塔数据。

[0032] 可选的，所述系统还包括调整单元，调整单元用于：

[0033] 通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型；

[0034] 通过历史气象数据、历史实际负荷功率数据、及其他数据信息，调整所述负荷功率预测模型；

[0035] 其中，所述其他数据信息包括地理位置、地形特征、季节特征。

[0036] 与相关技术相比，本申请技术方案包括：

[0037] 通过区域集合预报模式运算获得气象预测数据；在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；其中，所述其他环境因素包括地理位置、地形特征、季节特征。本发明实施例通过计算获得的负荷功率及发电功率预测结果，降低了气象预测结果存在的误差对发电及负荷功率预测的影响，提高了功率预测的准确性，提高了新能源发电和负荷需求的平衡。

[0038] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

[0039] 附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

[0040] 图1为本发明实施例实现功率预测的方法的流程图；

[0041] 图2为本发明实施例实现功率预测的装置的结构框图；

[0042] 图3为本发明实施例一实现功率预测的系统的硬件组成结构框图；

[0043] 图4为本发明实施例再一实现功率预测的系统的软件组成结构框图。

具体实施方式

[0044] 为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

[0045] 在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

[0046] 图1为本发明实施例实现功率预测的方法的流程图，如图1所示，包括：

[0047] 步骤100、通过区域集合预报模式运算获得气象预测数据；

[0048] 需要说明的是，区域集合预报模式可以根据相关技术中的天气预报模式(WRF)搭建获得，搭建方式可以基于本发明实施例需要获得的气象预测数据，由本领域技术人员通过现有的处理方式实现，在此不作赘述。

[0049] 步骤101、在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

[0050] 需要说明的是，本发明实施例发电功率预测模型可以是通过神经网络方法训练得到的统计预测模型，训练统计预测模型为本领域技术人员的惯用技术手段，在此不做赘述。

[0051] 步骤102、将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率。

[0052] 其中，所述其他环境因素包括地理位置、地形特征、季节特征。

[0053] 需要说明的是，本发明实施例负荷功率预测模型可以是通过神经网络方法训练得到的统计预测模型，训练统计预测模型为本领域技术人员的惯用技术手段，在此不做赘述。另外，本发明实施例获得的气象预测数据可以是三天到七天的气象预测数据，相应的三天到七天的发电功率和负荷功率预测结果；本发明实施例获得的气象预测数据也可以是一天左右的气象预测数据，相应的一天左右的发电功率和负荷功率预测结果；还可以是若干个小时(例如、4个小时)的气象预测数据、发电功率和负荷功率预测结果；

[0054] 本发明实施例通过上述预测系统提供高质量、精细化的发电功率与负荷功率预测结果，能够为发电、电网调度及用电需求提供指导，有利于实现新能源发电与负荷需求的平衡。

[0055] 可选的，本发明实施例通过区域集合预报模式模拟运算获得气象预测数据包括：使用四维变分方法同化气象观测数据；

[0056] 需要说明的是，本发明实施例同化可以使用四维变分同化方法，是通过天气预报模式WRF中的资料同化(WRFDA)实现；本发明实施例通过同化处理可以获得更为准确的输入数据，供气象预测过程使用。

[0057] 利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

[0058] 需要说明的是，集合预报成员作业的预报是基于WRF模式，各预报成员通过模式的物理参数、输入数据源的不同得到并列的预报组，每个预报成员的运行结果通过统计分析获得均值。

[0059] 对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

[0060] 需要说明的是，本发明实施例降尺度计算可以借用计算流体动力学(CFD)软件，比如fluent(fluent是目前国际上比较流行的商用CFD软件包，凡是和流体、热传递和化学反应等有关的工业均可使用)，将WRF预测的气象数据，结合测风塔数据和地形数据得到更高分辨率的气象预测数据。

[0061] 可选的，本发明实施例气象观测数据包括：

[0062] 气象监测站数据、卫星数据、辐照度数据、测风塔数据。

[0063] 需要说明的是，本发明实施例方法还可以包括获取和/或存储：气象观测数据、设备参数、气象预测数据、发电功率预测结果、历史实际负荷功率数据、历史实际发电功率预测数据、用户用电计划数据、环境因素信息等。本发明实施例还可以对获取的或存储的数据与相关技术中已有的数据处理方式进行处理，例如、参照相关数据对获取的气象预测数据进行过滤。

[0064] 可选的，本发明实施例方法还包括：

[0065] 通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型；

[0066] 通过历史气象数据、历史实际负荷功率数据、及其他数据信息等，调整所述负荷功率预测模型。

[0067] 需要说明的是，功率影响因素可以是本领域技术人员分析确定的相关参数；通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整发电功率预测模型可以包括：通过仿真方式对发电功率预测模型的权重系数或校正参数进行修正，可以采用相关技术中已有的实现方式实施。

[0068] 与相关技术相比，本申请技术方案包括：通过区域集合预报模式运算获得气象预测数据；在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；其中，所述其他环境因素包括地理位置、地形特征、季节特征。本发明实施例通过计算获得的负荷功率及发电功率预测结果，降低了气象预测结果存在的误差对发电及负荷功率预测的影响，提高了功率预测的准确性，提高了新能源发电和负荷需求的平衡。

[0069] 图2为本发明实施例实现功率预测的系统的结构框图，如图2所示，包括：气象预测单元、发电功率预测单元、负荷功率预测单元；其中，

[0070] 气象预测单元用于：通过区域集合预报模式运算获得气象预测数据；

[0071] 需要说明的是，区域集合预报模式可以根据相关技术中的天气预报模式(WRF)搭建获得，搭建方式可以基于本发明实施例需要获得的气象预测数据，由本领域技术人员通过现有的处理方式实现，在此不作赘述。

[0072] 可选的，所述气象预测单元具体用于：

[0073] 使用四维变分方法同化气象观测数据；

[0074] 利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

[0075] 对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

[0076] 发电功率预测单元用于：在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；

[0077] 需要说明的是，本发明实施例发电功率预测模型可以是通过神经网络方法训练得到的统计预测模型，训练统计预测模型为本领域技术人员的惯用技术手段，在此不做赘述。

[0078] 负荷功率预测单元用于：将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；

[0079] 其中，所述其他环境因素包括地理位置、地形特征、季节特征。

[0080] 需要说明的是，本发明实施例负荷预测模型可以是通过神经网络方法训练得到的统计预测模型，训练统计预测模型为本领域技术人员的惯用技术手段，在此不做赘述。另外，本发明实施例获得的气象预测数据可以是三天到七天的气象预测数据，相应的三天到七天的发电功率预测结果和负荷功率；本发明实施例获得的气象预测数据也可以是一天左右的气象预测数据，相应的一天左右的发电功率预测结果和负荷功率；还可以是如干个小时(例如、4个小时)的气象预测数据、发电功率预测结果和负荷功率；

[0081] 可选的，气象观测数据包括：

[0082] 气象监测站数据、卫星数据、辐照度数据、测风塔数据。

[0083] 可选的，本发明实施例所述气象预测单元具体用于：

[0084] 使用四维变分方法同化气象观测数据；

[0085] 利用预设的集合预报模式及同化气象观测数据的背景场，运行十个或十个以上预报成员作业，统计平均各预报成员预测结果；

[0086] 对统计平均获得的各预报成员的预测结果进行降尺度计算，并通过后处理得到各发电站对应的气象预测数据。

[0087] 需要说明的是，本发明实施例方法还可以包括获取和/或存储：气象观测数据、设备参数、气象预测数据、发电功率预测结果、历史负荷数据、用户用电计划数据、环境因素信息等。本发明实施例还可以对获取的或存储的数据与相关技术中已有的数据处理方式进行处理，例如、参照相关数据对获取的气象预测数据进行过滤。

[0088] 可选的，本发明实施例系统还包括系统还包括调整单元，调整单元用于：

[0089] 通过历史气象数据、历史实际发电功率数据、发电设备的设备参数、和/或功率影响因素调整所述发电功率预测模型；

[0090] 通过历史气象数据、历史实际负荷功率数据、及其他数据信息，调整所述负荷功率预测模型；

[0091] 其中，所述其他数据信息包括地理位置、地形特征、季节特征。

[0092] 图3为本发明实施例一实现功率预测的系统的硬件组成结构框图，如图3所示，系统中的计算节点包括：中央处理器(CPU)胖节点、CPU瘦节点以及图形处理器(GPU)节点；其中，CPU节点采用高主频与核心密集的节点，通过高带宽、低延迟的无限带宽技术(Infiniband)网络将各计算节点连接到共享文件系统中，使得该预测系统的应用性能达到最优，通过以太网建立用户端与服务器平台间的联系，在组成结构框图中还包括：管理节点、登录节点和存储节点。在此对硬件设备的具体型号不做限定。

[0093] 图4为本发明实施例再一实现功率预测的系统的软件组成结构框图，如图4所示，可以包括管理中心、数据中心、气象预测单元、发电功率预测单元和负荷功率预测单元；其中，

[0094] 管理中心控制各单元的正常运行，通过发送指令给数据中心，控制数据中心向其他单元发送和收集数据。气象预测单元、发电功率预测单元和负荷功率预测单元分别对接收到的数据进行分析处理。

[0095] 本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的每个模块/单元可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明不限制于任何特定形式的硬件和软件的结合。

[0096] 虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。