[发明专利]一种考虑天气的区域短期能源功率预测方法及系统

说明书

本发明公开了一种考虑天气的区域短期能源功率预测方法及系统，包括：通过网络获取未来设定时间内每一时刻的气象数据；从历史数据库中分别提取符合每一时刻相对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据；得到历史总误差数据；获得实时气象误差；得到气象总误差数据；将获取的未来设定时间内每一时刻的气象数据与每一时刻的气象总误差数据进行结合，得到气象预测数据；根据气象预测数据，得到功率预测数据；根据得到的功率预测数据优化系统能源发电计划。本发明既降低了网络天气预报自身存在的不准确性，同时克服天气变化存在较大的随机性历史数据无法预知的困难。

技术领域

本发明涉及短期能源预测技术领域，尤其涉及一种考虑天气的区域短期能源功率预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

环境污染与能源紧缺给社会带来巨大压力，使得环保意识逐渐深入人心，越来越多地区鼓励发展新能源产业，促使新能源发展提上日程，新能源发电将成为一个重要发展方向。光伏与风力发电系统成为现代新能源发电主要表现形式，而系统能源功率极大的受到温度、湿度、气压、太阳辐射量、风速和风向等天气数据影响，并且天气变化存在极大的不确定性与随机性，会导致新能源发电系统无法稳定运行。这种波动严重影响电网的稳定性，并不利于电网发电计划的安排。为减少新能源发电系统的并网不稳定因素的影响，并对新能源系统后续发电计划进行运行优化，预测系统的准确性显得尤为重要。

发明人发现，在进行系统能源功率计算与区域负荷计算中，通常会将天气预测数值代入数学模型进行计算，所以天气预测数值的准确度会较大影响功率与负荷预测的准确度。目前主要有两种预测方法，一种是直接利用天气预报，将天气预报带入模型进行计算。这种方法简单易操作，但天气预报数据仅仅是对整个区域天气数据的预测，而对于某一固定点位的天气数据的预测精度并不精确，并且一个天气数值存在较大的误差就会影响整个预测系统的准确性。另一种方法是通过人工智能的方法，将大量历史数据输入神经网络进行计算，筛选得到未来对应的天气数据，这种方法运用大量历史数据，方法复杂，对历史数据质量要求太高，并且天气变化存在随机性，历史数据计算准确度偏低。

发明内容

为了解决上述问题，本发明提出一种考虑天气的区域短期能源功率预测方法及系统，结合实测天气与网络天气误差权重分配，通过结合多种天气数据，克服天气预报的误差与波动带来预测准确度降低的问题，并将历史数据与天气预报结合，利用天气预报趋势解决单纯历史数据对预测未来天气存在不确定性的问题。

在一些实施方式中，采用如下技术方案：

一种考虑天气的区域短期能源功率预测方法，包括：

通过网络获取未来设定时间内每一时刻的气象数据；

根据获取的气象数据，从历史数据库中分别提取符合每一时刻相对应气象情况条件的设定时间段内的历史气象站气象数据、历史网络API气象数据以及实测历史发电功率数据；

根据提取到的历史数据确定每一时刻的历史误差数据以及权重系数，进而得到历史总误差数据；

分别获取网络实时气象数据与气象站实时监测数据，获得实时气象误差；

根据历史总误差与实时气象误差得到气象总误差数据；

将获取的未来设定时间内每一时刻的气象数据与每一时刻的气象总误差数据进行结合，得到气象预测数据；根据气象预测数据，得到功率预测数据；

根据得到的功率预测数据优化系统能源发电计划。

在另一些实施方式中，采用如下技术方案：

一种考虑天气的区域短期能源功率预测系统，包括：

用于通过网络获取未来设定时间内每一时刻的气象数据的装置；