[发明专利]一种清洁能源电量分解预测方法

说明书

本发明公开了一种清洁能源电量分解预测方法。设定多项清洁能源电量参数；将历史的清洁能源电量分为稳定电量和波动电量；采用神经网络算法进行预测，获得类清洁能源电量参数预测数据；将清洁能源电量参数预测数据结合进行精度计算，并将预测精度E作为精度判断标准，不断调整参数使得预测所用的神经网络满足精度要求，并作为预测模型，计算预测结果。本发明综合考虑清洁能源本身的历史规律和非能源因素对请清洁能源波动的影响，将两类因素分开预测，也历史数据本身的特性趋势，将多类的电量参数同时考虑入预测精度，提高精度预测的准确性。

技术领域

本发明涉及了一种清洁能源电量分解预测方法，涉及在预测中的充分考虑清洁能源特性的电量预测方法。

背景技术

电力系统的基本作用是尽可能经济地为各类用户提供可靠且合乎标准要求的电能，适应实际负荷需求和变化。由于电能的生产、输送、分配和消费是同时完成的，难以大量储存，这就要求发电系统要随时紧跟系统负荷变化以达到动态平衡，否则就会影响供用电质量，甚至危及电力系统的安全与稳定。因此，科学的电量预测就成为电力系统中一项重要工作，同时是电力系统自动化领域中一项重要内容。

电力系统清洁能源电量预测是以准确的统计数据和调查资料为依据，从用电量的历史和现状出发，在充分考虑一些重要的系统运行特性、增容决策，自然条件与社会影响的条件下，研究或利用一套系统地处理过去与未来负荷的数学方法。在满足一定精度要求的意义下，确定未来某特定时刻的电量数值。

清洁能源电量预测的目的就是提供负荷的发展状况和水平，为电力生产部门和管理部门制订生产计划和发展规划提供依据，确定各供电地区的供电电量，生产规划等等。

清洁能源电量的结果除了由清洁能源本身的历史规律决定外，还受众多非能源因素的影响，同时和所应用的预测理论、采用的预测方法直接相关。多年来，许多学者对这一课题进行了深入研究，提出了许多方法。

现有技术的缺点：

1.现有技术大多数为综合考虑清洁能源本身的历史规律和非能源因素对请清洁能源波动的影响，没有将两类因素分开考虑。

2.现有技术的预测算法的精确度验证都是通过历史数据的真实值与预测值进行误差对比来验证，而没有充分考虑历史数据本身的特性趋势。

3.有技术的预测算法的精确度验证都是通过已知数据的真实值与预测值进行误差对比来验证，耗时且过程繁琐。

发明内容

为了解决背景技术中存在的问题，本发明提出了一种清洁能源电量分解预测方法。

如图1所示，本发明的技术方案包括如下步骤：

第一步：设定多项清洁能源电量参数；

第二步：根据历史清洁能源电量数据，将历史清洁能源电量分为历史清洁能源稳定电量和历史清洁能源波动电量；

第三步：从电力数据中提取第一历史电量数据和第二历史电量数据，将第一历史电量数据和第二历史电量数据均分为历史清洁能源稳定电量和历史清洁能源波动电量，构建神经网络的预测模型采用神经网络算法进行预测，获得历史清洁能源稳定电量和历史清洁能源波动电量各自的清洁能源电量参数预测数据；

第四步：分别针对历史清洁能源稳定电量和历史清洁能源波动电量，

将第三步预测得到的各类清洁能源电量参数预测数据分别与历史清洁能源稳定电量和历史清洁能源波动电量进行精度计算，

并将预测精度E作为精度判断标准，不断调整预测模型中神经网络内部的参数使得预测精度E大于等于90％，则认为得到的神经网络满足精度要求，神经网络作为最终预测模型；

第五步：用第四步获得的预测模型进行针对待测的当前的清洁能源电量参数输入进行预测，计算获得预测结果。