[發明專利]一種基于迭代訂正的新能源發電超短期功率預測方法及系統

有效

• 申請號: 202011227869.1
• 申請日: 2020-11-06
• 公開（公告）號: CN112036672B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 李登宣;程序;周海;崔方;吳驥;陳衛東;秦昊;居蓉蓉;朱想;丁煌;胡東平;秦放;叢從
• 申請（專利權）人: 中國電力科學研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明公開了一種基于迭代訂正的新能源發電超短期功率預測方法及系統，所述方法包括：獲取預測時刻及當前時刻前若干時刻的短期預測功率與理論發電功率的絕對誤差和相對誤差，以及所述短期預測功率與實際發電功率間的絕對誤差和相對誤差；基于所述短期預測功率與理論發電功率的絕對誤差和相對誤差、所述短期預測功率與實際發電功率間的絕對誤差和相對誤差，以及按時序迭代得到的權重系數計算組合加權絕對誤差和組合加權相對誤差；基于所述組合加權絕對誤差或所述組合加權相對誤差訂正獲取的預測時刻的短期預測功率值，得到所述預測時刻的超短期預測功率值。通過組合加權誤差的實時在線迭代訂正方法預測超短期預測功率值，提高新能源發電超短期功率預測精度。

技術領域

本發明涉及新能源發電技術領域，具體涉及一種基于迭代訂正的新能源發電超短期功率預測方法及系統。

背景技術

新能源發電的超短期功率預測是指未來15分鐘到4小時的功率預測，可為新能源實時調度提供決策支持，也可為新能源場站有功功率控制、電力市場實時交易提供參考。基于神經網絡的新能源發電超短期功率預測方法是目前最常見的新能源發電超短期功率預測方法，其具有較強的容錯性以及自組織和自適應能力，對非線性問題的求解十分有效。由于神經網絡方法種類繁多，下面以LSTM神經網絡為例，對基于LSTM的新能源發電超短期功率預測方法進行說明：

（1）LSTM神經網絡算法

LSTM為時間上的深度神經網絡，其內部包含輸入層、隱含層、輸出層、遺忘門、輸入門和輸出門，及代表長期記憶的信息流，構成了一個輸入x和狀態輸出s的一個黑箱，即cell，具體結構如圖1所示。其中，x_t表示當前輸入，h_t / h_t-1表示t/t-1時刻的隱含層輸出之比，c_t / c_t-1表示t/t-1時刻的長期記憶狀態，f_t為遺忘門的輸出信號，i_t表示輸入門的輸出信號，c_t為當前要輸入到長期記憶c中的預備信息，o_t為輸出門的輸出信號，h_t為t時刻隱含層的狀態值。

式中：s (.)表示神經元的激活函數；W_xf表示從網絡輸入層到遺忘門的網絡權重值，W_hf表示從第t-1時刻記憶模塊的輸出值到當前遺忘門的網絡系數權重b_f表示當前遺忘門的偏差向量。

式中：W_xi表示從網絡輸入層到當前輸入門的網絡權重值；W_hi表示從第t-1時刻記憶模塊的輸出值到當前輸入門的網絡權重值；b_i表示當前輸入門的偏差向量。