[发明专利]基于网格气象数据的小水电站发电功率超短期预测方法

说明书

本发明涉及基于网格气象数据的小水电站发电功率超短期预测方法，包括：将水电站所在区域划分为网格，获取网格的降雨量数据；计算水电站历史发电功率与网格历史降雨量的相关系数，筛选发电功率相关性大的网格；采用局部线性嵌入方法对网格的降雨量数据降维，得到降维的网格降雨量数据；建立发电功率预测模型；将降维的历史网格降雨量数据和水电站历史发电功率作为发电功率预测模型的数据集，对预测模型进行训练和测试；采用训练好的发电功率预测模型进行水电站发电功率超短期预测。本发明建立了考虑降雨量时空分布影响的小水电发电功率超短期预测模型，通过对输入数据的降维，降低了预测模型的计算复杂度，提高了预测模型的计算效率和准确率。

技术领域

本发明属于水电站发电功率预测领域，具体涉及一种基于网格气象数据的小水电站发电功率超短期预测方法。

背景技术

小水电作为清洁能源的重要组成部分，对于优化能源结构和节能减排都具有积极的意义，随着我国能源转型道路的向前推进，小水电的装机并网将逐渐增加。然而，小水电存在调节能力差、远离负荷中心等方面的不足，其发电功率受到降雨影响，频繁的出力波动将对电网造成冲击，严重情况下会影响电网调度和挤压输电通道。小水电的发电功率受流域气象条件的影响，而流域的空间分布范围大，流域的来水情况又受地区近期历史降雨的影响，如何从小水电发电功率相关的区域的海量的气象数据中抽取有效特征数据用于小水电的发电功率预测是难点。

采用科学的预测方法提升小水电发电功率的预测准确率，对发电计划制定和促进新能源消纳都具有积极意义。因此，研究基于网格气象数据的小水电发电功率超短期预测方法。

发明内容

本发明的技术问题是小水电普遍远离电网负荷中心，调节能力差，其发电功率易受降雨等气象条件影响，不确定性大，而小水电的地区气象数据庞杂，现有技术缺乏有效利用气象数据进行高精度的水电功率预测的方法。

本发明的目的是针对上述问题，提供一种基于网格气象数据的小水电站发电功率超短期预测方法，以网格气象数据为基础，利用相关性分析筛选空间上与小水电发电功率相关的网格，而后引入局部线性嵌入算法对相关网格气象数据进一步降维，最后将降维后网格气象数据与小水电历史发电功率作为输入代入到长短记忆神经网络训练，构建高精度的考虑降雨量时空分布影响的小水电发电功率超短期预测模型。

本发明的技术方案是基于网格气象数据的小水电站发电功率超短期预测方法，包括以下步骤：

步骤1：将水电站所在区域划分为网格，获取网格的降雨量数据；

步骤2：获取水电站历史发电功率数据，计算水电站历史发电功率与各个网格历史降雨量的相关系数，筛选水电站发电功率相关性大的网格；

步骤3：采用局部线性嵌入方法对网格的降雨量数据降维，得到降维的网格降雨量数据；

步骤4：采用长短期记忆人工神经网络(Long Short-Term Memory，LSTM)建立发电功率预测模型，发电功率预测模型的输入为降维的网格降雨量数据，发电功率预测模型的输出为水电站发电功率；

步骤5：将降维的历史网格降雨量数据和水电站历史发电功率作为发电功率预测模型的数据集，设置发电功率预测模型参数，利用数据集对发电功率预测模型进行训练和测试，使其达到预测精度要求；

步骤6：采用训练好的发电功率预测模型进行水电站发电功率超短期预测。

进一步地，步骤2具体包括：

步骤2.1：采用皮尔森相关系数度量水电站发电功率与各个网格降雨量之间的相关性；

将水电站所在区域划分为网格，水电站所在地区的网格降雨量数据采用矩阵X表示，