[發明專利]一種基于市場效益驅動的光伏發電智能預測系統

有效

• 申請號: 202010172953.1
• 申請日: 2020-03-13
• 公開（公告）號: CN111401628B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 湯瑞欣;陳斗;許方園
• 申請（專利權）人: 南京潤北智能環境研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/20;H02J3/00;H02J3/38;H02S50/00;G06F111/06;G06F111/04
• 代理公司: 南京源古知識產權代理事務所(普通合伙) 32300
• 代理人: 鄭宜梅

本發明具體涉及一種基于市場效益驅動的光伏發電智能預測系統，包括：光伏數據收集模塊，機器學習模型，機組優化模塊，電網成本模塊組，光伏發電廠成本模塊組，總成本模塊以及權重更新模塊。其中，電網成本模塊組有后備發電廠建設成本模塊、購買其他能源成本模塊、能源銷售收入模塊和購買太陽能成本模塊；光伏發電成本模塊組有光伏發電廠預測不準確的額外成本模塊和太陽能銷售收入模塊。不僅通過機器學習模型預測光伏時序發電數據，同時還通過電網和光伏發電廠的成本數據以及預測精度數據優化更新機器學習模型的權重，由此實現了光伏發電站在機器學習模型中預測的時序數據對市場效益更大化。

技術領域

本發明涉及電力系統技術領域，具體涉及一種基于市場效益驅動的光伏發電智能預測系統。

背景技術

截止至2018年末，我國光伏累計裝機容量達到1.7億千萬，穩居世界第一位。在緩解能源緊張、改善環境等方面，光伏發電起到了重要作用。伴隨著越來越密集的分布式光伏電站并網發電，需要對光伏發電站發電量進行預測。基于機器學習模型的光伏發電廠的光伏發電預測模型需要預測時序光伏發電數據，現有機器學習方法有前饋神經網絡、循環神經網絡、長短期記憶神經網絡等。通過這些方法，光伏發電站可以利用歷史光伏相關數據(包括歷史光伏時序發電量，紫外線強度，溫度等)，預測未來的光伏發電量，從而有計劃的投入到能源市場中，加入能源調度計劃，一般是采用典型的機組組合數學模型獲得能源調度計劃。

現在的光伏發電預測系統僅僅考慮了預測數據的精度，精度成為了預測系統的唯一目標，雖然一般來說，更好的準確性將實現更好的決策。但這種光伏預測系統是沒有考慮到市場的整體效益，并且預測的準確性并不總是與市場效益同步，因此傳統的光伏發電預測系統對市場效益不是最優的。因此需要一種系統不僅能夠對光伏發電實現預測還能夠同時實現市場效益的預測。

發明內容

1.所要解決的技術問題：

針對上述技術問題，本發明提供一種基于市場效益驅動的光伏發電智能預測系統，能夠考慮光伏預測發電量和市場效益之間的相互影響，實現分析過程的閉環。

2.技術方案：

一種基于市場效益驅動的光伏發電智能預測系統，其特征在于：包括光伏數據收集模塊，機器學習模型，數據處理模塊，機組優化模塊，電網成本模塊組，光伏發電廠成本模塊組，總成本模塊以及權重更新模塊。

所述光伏數據收集模塊與對應的光伏發電廠相連收集統計對應光伏發電廠中的歷史光伏數據，并將光伏數據打包傳遞到機器學習模型中；所述光伏數據包括紫外線強度數據、溫度數據、不同特征空間的歷史光伏時序發電數據集。

所述機器學習模型用于接收權重更新模塊輸出的權重數據以及光伏數據收集模塊輸出的光伏數據，將權重數據與光伏數據帶入機器學習模型，輸出該光伏發電廠的光伏時序預測發電數據；所述機器學習模型為前饋神經網絡、循環神經網絡以及長短期記憶神經網絡中的一種。

數據處理模塊接收來自機器學習模塊輸出的光伏時序預測發電數據與光伏數據收集模塊輸出的光伏時序歷史數據，進而計算出偏移時序誤差數據；根據偏移時序誤差數據計算出平均偏移誤差數據與偏移時序正誤差數據；所述平均偏移誤差數據輸出至權重更新模塊；所述偏移時序正誤差數據輸出至機組優化模塊。

所述機組優化模塊接收數據處理模塊輸出的偏移時序正誤差數據，并通過預設的優化方法獲得并聯輸出機組優化結果；所述機組優化結果包括為對應其他能源發電廠的時序發電數據以及光伏時序預測發電數據的最大發電數據；其中最大發電數據輸出至電網成本模塊組，輸出時序發電數據至光伏發電廠成本模塊組。

電網成本模塊組包括后備發電廠建設成本模塊、購買其他能源成本模塊、能源銷售收入模塊和購買太陽能成本模塊；后備發電廠建設成本模塊用于接收最大發電數據，并計算電網建設一個滿足最大發電量的備用發電廠的成本，輸出備用電廠成本價格；購買太陽能成本模塊用于接收光伏時序歷史數據，并計算電網從光伏發電廠購買太陽能的成本，輸出購買太陽能價格。