[發明專利]一種多能源聯合發電系統的功率預測模型構建及預測方法有效
| 申請號: | 202211059975.2 | 申請日: | 2022-08-31 |
| 公開(公告)號: | CN115425680B | 公開(公告)日: | 2023-07-18 |
| 發明(設計)人: | 張瑋;李夢杰;劉攀;劉瑞闊;陳杰;劉志武;翟然;王良友;傅廣澤 | 申請(專利權)人: | 中國長江三峽集團有限公司 |
| 主分類號: | H02J3/38 | 分類號: | H02J3/38;H02J3/46;G06Q10/04;G06Q10/067;G06N3/0442;G06N3/09;G06Q50/06 |
| 代理公司: | 北京三聚陽光知識產權代理有限公司 11250 | 代理人: | 王娜 |
| 地址: | 100038 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 多能 聯合 發電 系統 功率 預測 模型 構建 方法 | ||
1.一種多能源聯合發電系統的功率預測模型構建方法,其特征在于,包括如下步驟:
獲取多能源聯合發電系統中每一種發電方式的歷史發電功率數據以及對應于歷史發電功率數據的氣象因子,所述氣象因子表征影響發電功率的氣象因素;
將所述每一種發電方式的歷史發電功率數據以及對應于歷史發電功率數據的氣象因子輸入預設網絡模型,使得所述預設網絡模型按照預設相關性計算方法計算得到多種發電方式中任意兩種發電方式之間的發電功率相關性,所述預設相關性計算方法利用下式的第一關系式表示:
式中,r表示兩種不同發電方式(y1、y2)之間的發電功率相關性;n表示每一種發電方式的歷史發電功率數據的樣本總數;y1(i)、y2(i)分別表示兩種不同發電方式的歷史發電功率數據中第i個樣本的功率數據;分別表示兩種不同發電方式的歷史發電功率數據的平均值;
以所述任意兩種發電方式之間的發電功率相關性以及每一種發電方式對應的納什效率系數構建損失函數、以所述每一種發電方式的歷史發電功率數據以及對應于歷史發電功率數據的氣象因子作為訓練數據,對所述預設網絡模型進行訓練直至滿足預設訓練條件并得到對應的多能源聯合發電系統的功率預測模型,包括:
通過下式的第二關系式計算每一種發電方式對應的納什效率系數:
式中,T表示用于模型訓練的每一種發電方式的歷史發電功率數據的樣本總數;y1(t)表示用于模型訓練的每一種發電方式的歷史發電功率數據中第t個樣本的功率數據;表示用于模型訓練的每一種發電方式的歷史發電功率數據中第t個樣本的預測功率數據;通過實際獲取的發電功率數據y1(t)與預測功率數據進行運算比較來計算納什效率系數,可以驗證模型預測結果的好壞;
通過下式的第三關系式構建所述損失函數:
L=lossNSE+lossr
式中,lossNSE表示納什效率系數對應的損失函數;lossr表示任意兩種發電方式之間的發電功率相關性對應的損失函數。
2.根據權利要求1所述的方法,其特征在于,將所述每一種發電方式的歷史發電功率數據以及對應的歷史發電功率數據的氣象因子輸入預設網絡模型之前,所述方法還包括:
對獲取到的所述歷史發電功率數據進行異常數據和/或缺失數據的識別操作;
對識別到的歷史發電功率異常數據和歷史發電功率缺失數據進行異常處理。
3.根據權利要求2所述的方法,其特征在于,對獲取到的所述歷史發電功率數據進行缺失數據的識別操作,包括:
當獲取的任意兩個相鄰的所述歷史發電功率數據對應的時間間隔大于預設時長,判定所述兩個相鄰的歷史發電功率數據為歷史發電功率缺失數據。
4.根據權利要求2所述的方法,其特征在于,對識別到的歷史發電功率異常數據和歷史發電功率缺失數據進行異常處理,包括:
在獲取到的歷史發電功率數據中刪除所述歷史發電功率缺失數據并利用預設監督學習方法對所述歷史發電功率異常數據進行處理。
5.根據權利要求1所述的方法,其特征在于,所述多能源聯合發電系統包括水能發電系統。
6.根據權利要求5所述的方法,其特征在于,獲取多能源聯合發電系統中每一種發電方式的歷史發電功率數據,包括:
獲取水電站歷史數據并根據所述水電站歷史數據計算對應的水能歷史發電功率數據。
7.一種多能源聯合發電系統的功率預測方法,其特征在于,包括如下步驟:
獲取待預測多能源聯合發電系統中每一種發電方式的發電功率數據對應的氣象因子;
將所述每一種發電方式的發電功率數據對應的氣象因子輸入如權利要求1-6任一項所述的多能源聯合發電系統的功率預測模型構建方法構建得到的多能源聯合發電系統的功率預測模型,得到所述待預測多能源聯合發電系統的功率。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國長江三峽集團有限公司,未經中國長江三峽集團有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211059975.2/1.html,轉載請聲明來源鉆瓜專利網。





