一种光伏功率日前预测方法、系统、电子设备和存储介质与流程

摘要: 本技术涉及功率预测领域,特别是涉及一种光伏功率日前预测方法、系统、电子设备和存储介质。背景技术:1、随着分布式光伏在电网中渗透率的持续攀升,其固有的强波动性和高...
一种光伏功率日前预测方法、系统、电子设备和存储介质与流程

本技术涉及功率预测领域,特别是涉及一种光伏功率日前预测方法、系统、电子设备和存储介质。

背景技术:

1、随着分布式光伏在电网中渗透率的持续攀升,其固有的强波动性和高度随机性对电力系统的日前调度计划和电网消纳带来挑战。传统日前光伏预测方法在应对复杂气象条件时,存在以下三个互为制约的技术瓶颈:

2、其一,对数值天气预报(nwp)预报不确定性的量化评估缺失。现有方法通常将nwp数据作为无差别特征输入,未能在模型前级建立天气不确定性量化机制。在强对流、多云、冷锋过境等气象转变期,nwp预报误差呈非线性上升趋势;若模型无法动态感知当日nwp预报可信度,在波动天气下会导致功率预测出现非线性偏差。

3、其二,多模型融合权重固定,缺乏动态演变感知能力。行业内通常采用固定权重或按月更新的静态权重以融合多源nwp数据。该种方式割裂预报误差随时空动态演变的物理连续性,在面临突发性气象冲突时,无法根据双源预报的实时分歧趋势动态调整信任门控,导致系统难以自适应纠偏。

4、其三,各站点独立建模导致数据孤岛与冷启动困境。传统独立建模范式重度依赖单站历史样本的长周期累积。对于新建站、小容量分布式站或历史数据大量缺失的边缘站点,直接训练高维非线性模型易引发过拟合问题。现有技术未能有效跨站共享区域内相邻成熟电站的云况时空演变共性知识。

技术实现思路

1、本技术实施例提供了一种光伏功率日前预测方法、系统、电子设备和计算机可读存储介质,以至少解决相关技术中功率预测结果准确性低的问题。

2、第一方面,本技术实施例提供了一种光伏功率日前预测方法,所述方法包括:

3、根据同一气象区域内多个光伏电站的历史实测发电数据与历史多源数值天气预报数据,构建分布式光伏站点的联合历史相似场景检索库;

4、获取待预测日的两种独立的日前数值天气预报源数据,提取清晨观测窗口内的预报冲突值进行加权计算,生成综合分歧指数评分;

5、利用预测日的预报气象时序特征,在所述联合历史相似场景检索库中进行站内检索及跨站检索,并通过空间距离指数衰减函数动态调配跨站样本的贡献权重,提取历史经验中心估计特征;

6、将所述综合分歧指数评分与所述历史经验中心估计特征组合为不确定性感知特征集,将所述不确定性感知特征集输入预先训练的梯度提升树模型进行拟合残差和基于基准预报底座的物理还原,得到目标光伏电站的日前功率预测曲线。

7、在其中一些实施例中,根据同一气象区域内多个光伏电站的历史实测发电数据与历史多源数值天气预报数据,构建分布式光伏站点的联合历史相似场景检索库包括:

8、基于太阳运动轨迹与几何辐射模型计算各光伏电站历史时点的理论晴空辐照度;

9、利用所述理论晴空辐照度将所述历史实测发电数据转化为实测晴空比,并将所述历史多源数值天气预报数据转化为预报云况指数;

10、以预设滑动窗口对所述预报云况指数序列进行滑动截取,分别计算各滑动窗口内预报云况指数的均值、标准差及一阶趋势斜率,作为对应窗口的时序演变特征;

11、以所述滑动窗口内提取的时序演变特征作为检索特征,并以该滑动窗口末尾时点对应的实测晴空比为效果标签,将两者映射关联以构建所述联合历史相似场景检索库。

12、在其中一些实施例中,获取待预测日的两种独立的日前数值天气预报源数据,提取清晨观测窗口内的预报冲突值进行加权计算,生成综合分歧指数评分包括:

13、截取所述待预测日清晨时段的清晨观测窗口,在所述清晨观测窗口中提取第一预报源与第二预报源在短波辐射、总云量以及相对湿度上的平均绝对差值,得到预报冲突分量;

14、以历史第一预报源的全天实际预报绝对平均误差为目标变量,通过正约束多元线性回归学习各个所述预报冲突分量的权重系数;

15、基于所述权重系数对各预报冲突分量进行加权计算,并经归一化及截断处理后,输出量化全天天气置信度的综合分歧指数评分。

16、在其中一些实施例中,在生成所述综合分歧指数评分之后,所述方法还包括:

17、通过一阶多项式拟合所述清晨观测窗口内的综合分歧指数评分序列,获取分歧演变斜率;

18、将所述分歧演变斜率与所述综合分歧指数评分共同输出至所述不确定性感知特征集中,以在所述不确定性感知特征集中表征天气预报分歧的动态发展趋势。

19、在其中一些实施例中,通过空间距离指数衰减函数动态调配跨站样本的贡献权重包括:

20、计算目标光伏电站与跨站检索的候选电站之间的经纬度欧氏距离;

21、依据目标气象区域的气象相关性经验衰减系数及所述经纬度欧氏距离,通过指数衰减函数确定候选电站样本的空间权重,并将所述空间权重作为所述跨站样本的贡献权重,其中,所述空间权重随所述经纬度欧氏距离的增加而发生指数级衰减。

22、在其中一些实施例中,所述梯度提升树模型在拟合残差时,其内部决策树节点的路径分裂规则包括:

23、当所述综合分歧指数评分低于设定下限阈值时,决策树路径优先向依赖基准数值天气预报特征的节点进行分裂;

24、当所述综合分歧指数评分高于设定上限阈值时,决策树路径自适应向依赖所述历史经验中心估计特征的防御性节点进行分裂。

25、在其中一些实施例中,将所述不确定性感知特征集输入预先训练的梯度提升树模型进行拟合残差和基于基准预报底座的物理还原包括:

26、以历史实测晴空比与基准预报云况指数之间的差值作为残差学习目标,进行所述梯度提升树模型的迭代训练;

27、将所述梯度提升树模型输出的晴空比残差预测值叠加至基准预报云况指数上,经截断处理得到最终晴空比预测值;

28、将所述最终晴空比预测值与对应电站的理论晴空最高发电功率相乘,得到所述目标光伏电站的日前功率预测曲线。

29、第二方面,本技术实施例提供了一种光伏功率日前预测系统,所述系统包括:构建模块、计算模块、提取模块和还原模块,其中:

30、所述构建模块,用于根据同一气象区域内多个光伏电站的历史实测发电数据与历史多源数值天气预报数据,构建分布式光伏站点的联合历史相似场景检索库;

31、所述计算模块,用于获取待预测日的两种独立的日前数值天气预报源数据,提取清晨观测窗口内的预报冲突值进行加权计算,生成综合分歧指数评分;

32、所述提取模块,用于利用预测日的预报气象时序特征,在所述联合历史相似场景检索库中进行站内检索及跨站检索,并通过空间距离指数衰减函数动态调配跨站样本的贡献权重,提取历史经验中心估计特征;

33、所述还原模块,用于将所述综合分歧指数评分与所述历史经验中心估计特征组合为不确定性感知特征集,将所述不确定性感知特征集输入预先训练的梯度提升树模型进行拟合残差和基于基准预报底座的物理还原,得到目标光伏电站的日前功率预测曲线。

34、第三方面,本技术实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。

35、第四方面,本技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的方法。

36、相比于相关技术,本技术实施例提供的一种光伏功率日前预测方法、系统、电子设备和计算机可读存储介质,主要解决单站建模数据孤岛、数值天气预报可信度评估缺失及多源融合权重固定的技术问题。基于联合历史相似场景检索库,实现区域气象知识跨站共享与新建站冷启动支持;通过提取双源预报冲突值生成综合分歧指数评分,主动量化天气不确定性;融合综合分歧指数评分与跨站历史经验特征,驱动梯度提升树模型自适应路径分裂以专门拟合非线性残差。上述方案弥补了传统模型对气象不确定性感知不足的缺陷,实现在突发天气转变场景下日前功率预测精度的自适应修正。