一种风电功率预测后可信评估的方法及系统与流程

本发明涉及新能源发电功率预测，具体公开了一种风电功率预测后可信评估的方法及系统。

背景技术：

1、风电功率预测是通过技术手段提前预判风电场在未来一段时间内的发电能力，其核心价值在于弥补风电“靠天吃饭”的固有缺陷。由于风力具有波动性和不确定性，大规模并网可能对电网的安全稳定运行造成冲击，而精准的预测能够协助电网提前制定调度计划，维持电力供需平衡，并促进风电更好地融入整体能源系统。风电场运行系统通常同步接收日前风功率预测、气象预报、超短期预测，并持续采集scada实测功率及气象观测数据。为减小已部署预测产品的系统性偏差，可采用模型输出统计、线性回归、树模型或时序模型等方法进行预测后处理。

2、各类数据流在不同时间点到达。对于同一目标时刻，日前发布的预测只能依赖发布时间前已获取的信息，而日内更新则可使用目标日临近时段的实际功率数据；事后诊断还可结合目标时刻的实测风速、限电状态或事件标签。若在日前模型的训练或测试过程中引入了发布时间之后才可获得的数据，将引发未来信息泄露，导致模型误差被不真实地压低。

3、风电场数据普遍存在预测产品未及时发布、通信中断、无效哨兵值、工程量程异常以及局部数据缺失等问题。部分后处理模型仅在辅助数据有效时方可生成预测，另一些模型则能在全部目标时刻输出预测结果。若在不同的记录子集上分别计算误差，即使模型本身保持不变，评价结果也会因评分分母的变动而发生偏移。

4、目前的预测评估主要关注误差指标、参考预测服务及时间顺序验证；而生产环境中的数据质量工具则侧重于字段类型、取值范围和分布异常检测。二者均难以同时回应以下关键问题：某一特征在预测发布时是否实际可用、缺失数据采取何种回退机制、各模型实际覆盖哪些记录、多个模型是否基于相同样本进行评分，以及被剔除记录的原因是否具备可追溯性。

5、为此，本发明旨在提供一种风电功率预测后可信评估的方法及系统，以解决上述问题。

技术实现思路

1、本发明的目的在于提供一种风电功率预测后可信评估的方法及系统，通过采集风电场功率预测数据、实际功率数据、气象数据等相关数据，根据目标预测类型对相关数据进行追踪、筛选，并根据筛选后的内容对预测功率进行修正，解决了评估过程中特征可用时刻不一致导致的信息向前渗透或不恰当使用问题；

2、具体方案如下：

3、一种风电功率预测后可信评估的方法，所述方法包含以下步骤：

4、s1、采集风电场的多源数据和历史多源数据；

5、s2、根据目标风电功率预测类型和风电功率预测后处理模型的种类，结合预设评估协议，确定与目标风电功率预测类型对应的任务时间区域、参考预测服务、回退策略和评价指标，并从多源数据中筛选出必需数据流、标签数据流和候选特征；

6、s3、通过必需数据流、候选特征和标签数据流，生成原生有效性掩码、可准入特征集、预测支持集、标签支持集和评分支持集；

7、s4、将可准入特征集输入至风电功率预测后处理模型，对功率预测数据进行修正，并在共同评分支持集上与参考预测服务进行成对比较；

8、s5、根据上述评估过程和修正结果生成预测评估报告。

9、进一步的，对于任意候选特征，对未处于任务时间区域的进行剔除，根据经剔除后的候选特征构建可准入特征集，并根据剔除的特征构建不可准入特征集和剔除日志。

10、进一步的，所述必需数据流根据预设有效性规则计算原生有效性掩码及原生支持集：

11、

12、其中为必需数据流在目标时间记录索引上的值，为示性函数，

13、

14、其中，为必需数据流中的元素；

15、所述原生支持集和必需数据流结合回退策略构建预测支持集，此时在预设有效性规则的条件下，该必需数据流原生无效：

16、

17、构建标签支持集，再根据预测支持集和标签支持集构建评分支持集：

18、

19、

20、其中，为标签数据流中的元素。

21、进一步的，若目标风电功率预测类型不存在对应的回退策略，则原生支持集即为预测支持集，

22、若目标风电功率预测类型存在对应的回退策略，且在根据回退策略构建预测支持集时，在预设有效性规则的条件下必需数据流原生无效，则触发回退策略中的输入级回退：从历史多源数据中筛选出满足目标风电功率预测类型、预设有效性规则和回退策略的数据作为回退输入替代该必需数据流构成预测支持集；

23、当输入级回退满足触发条件，但无法触发，则触发回退策略中的服务级回退：根据参考预测服务或调用回退模型服务构成预测支持集，并记录构建过程。

24、进一步的，计算该必需数据流的数据覆盖率为：

25、

26、原生支持集的数据覆盖率为：

27、

28、预测支持集的数据覆盖率为：

29、

30、其中为目标风电功率预测类型对应的时间索引；

31、当所述预测支持集能覆盖全部时，将预测支持集对应的预测服务标记为全支持服务；否则标记为条件服务，并记录未覆盖的时间索引及原因；

32、当目标风电功率预测类型不存在对应的回退策略，且低于预设覆盖服务阈值时，将对应的预测支持集对应的预测服务标记为受限服务。

33、进一步的，将可准入特征集输入风电功率预测后处理模型中，计算功率预测数据的残差：

34、

35、其中，为多源数据中风电场的实际功率，为多源数据中风电场的预测功率；

36、根据残差对预测功率进行修正，得到修正预测功率：

37、

38、

39、其中，为风电功率预测后处理模型在训练时，目标时间记录索引的可准入特征向量，其中与一一配对。

40、根据标签支持集、预测支持集和参考预测服务计算共同评分支持集：

41、

42、其中，为参考预测服务构建的预测支持集，、...、为第1个风电功率预测后处理模型对应的预测支持集到第个风电功率预测后处理模型的预测支持集；

43、根据共同评分支持集计算误差指标：

44、

45、其中，为个风电功率预测后处理模型中第个被评价的风电功率预测后处理模型；为被评价的风电功率预测后处理模型的修正预测功率；

46、并计算风电功率预测后处理模型与参考预测服务在同一共同评分支持集上的绝对误差及平均损失差：

47、

48、

49、其中，为参考预测服务的修正预测功率，为同一目标时间记录索引上的配对绝对误差，为风电功率预测后处理模型相对参考预测服务的平均损失差，根据平均损失差对风电功率预测后处理模型与参考预测服务的修正预测功率进行评价。

50、进一步的，当不可准入特征集超过预设剔除阈值，共同评分支持集的数据覆盖率低于预设最低覆盖阈值，或风电功率预测后处理模型的修正预测功率超过预设误差阈值时，以参考预测服务或调用回退模型服务的修正预测功率作为全支持服务的输出结果。

51、进一步的，将所述共同评分支持集根据季节风险分层、预测风速风险分层和功率爬坡风险分层划分为若干风险子集，分别计算若干风险子集对应的数据覆盖率、共同评分支持子集、误差指标和平均损失差：

52、风险分层条件索引集合为：

53、

54、其中，为季节风险分层、预测风速风险分层或功率爬坡风险分层，

55、则共同评分支持子集为：

56、为季节风险共同评分支持子集、预测风速风险共同评分支持子集或功率爬坡风险共同评分支持子集；

57、对应的数据覆盖率：

58、其中，为集合的元素数量；

59、对应的误差指标为：

60、

61、对应的平均损失差为：

62、

63、

64、根据平均损失差计算风险子集的区间，当区间上界低于预设同量纲阈值最小值，则该风险子集标为低风险子集，当区间下界高于预设同量纲阈值最大值，则该风险子集标为高风险子集。

65、进一步的，根据修正预测功率生成预测评估报告，所述预测评估报告还包括与目标风电功率预测类型对应的任务时间区域、参考预测服务、回退策略和评价指标，并从多源数据中筛选出必需数据流、候选特征、可准入特征集、预测支持集、标签支持集和评分支持集，以及剔除日志、服务标记记录和回退记录。

66、本发明还涉及一种风电功率预测后可信评估的系统，所述系统可执行上述所述的一种风电功率预测后可信评估的方法；

67、所述系统包含采集模块、目标输入识别模块、数据处理模块、后验模块和评估输出模块；

68、所述采集模块采集风电场的多源数据和历史多源数据；

69、所述目标输入识别模块设有预设评估协议，所述预设评估协议根据目标风电功率预测类型，确定与目标风电功率预测类型对应的任务时间区域、参考预测服务、回退策略和评价指标，并从多源数据中筛选出必需数据流、标签数据流和候选特征；

70、所述数据处理模块结合预设评估协议确定的数据，生成原生有效性掩码、可准入特征集、预测支持集、标签支持集、评分支持集和共同评分支持集，并通过风电功率预测后处理模型对功率预测数据进行修正；

71、所述后验模块通过计算功率预测数据的损失差，对风电功率预测后处理模型的修正结果进行评估，并在共同评分支持集上与参考预测服务进行成对比较；

72、所述评估输出模块对若干模块数据处理、计算及评估过程进行记录，并生成预测评估报告。

73、与现有技术相比，本方案的有益效果：

74、1.本发明分别记录原生支持集、回退后的预测支持集、标签支持集和评分支持集，并记录剔除、替代及回退原因，使评分样本分母和处理过程可追溯，减少因不同模型使用不同评分样本而产生的比较偏差，提升了数据相关性，扩展了数据覆盖范围，增强了性能评估结论的可靠性；

75、2.本发明根据目标风电功率预测类型，在评估体系建立之初界定出统一评估目标框架下的任务时间区域、特征知识时间、参考预测服务、回退策略和评价指标，提升了不同模型预测结果与参考预测服务对比评估的一致性与可比性，降低未来信息混入和跨任务直接排名的风险。