[发明专利]基于蚁群优化的超短期功率预测数据的修正方法及系统在审
申请号: | 202210892552.2 | 申请日: | 2022-07-27 |
公开(公告)号: | CN115081344A | 公开(公告)日: | 2022-09-20 |
发明(设计)人: | 陈勇;孙财新;申旭辉;杨介立;国青;潘霄峰;李冠渊;关何格格 | 申请(专利权)人: | 华能新能源股份有限公司山西分公司;中国华能集团清洁能源技术研究院有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F113/06;G06F111/06;G06F119/02 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 曲进华 |
地址: | 030000 山西省太原市小店区南中环街20*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 优化 短期 功率 预测 数据 修正 方法 系统 | ||
1.一种基于蚁群优化的超短期功率预测数据的修正方法,其特征在于,所述修正方法包括:
获取预设时段内风电场对应的原始超短期功率预测数据、实发功率数据及超短期功率预测数据修正模型;
利用蚁群优化算法确定所述超短期功率预测数据修正模型对应的修正系数;
将所述原始超短期功率预测数据、所述实发功率数据及所述修正系数代入所述超短期功率预测数据的修正模型中,并对所述超短期功率预测数据修正模型进行求解,得到所述原始超短期功率预测数据对应的修正后的超短期功率预测数据。
2.如权利要求1所述的修正方法,其特征在于,所述超短期功率预测数据的修正模型的计算式如下:
Padjust,t=Ppredict,t+β(Preal,t-1-Ppredict,t-1)
式中,Padjust,t为第t个时刻修正后的超短期功率预测数据,Ppredict,t为第t个时刻的原始超短期功率预测数据,β∈[0,1],β为原始超短期功率预测数据对应的修正系数,Preal,t-1为第t-1个时刻的实发功率数据,Ppredict,t-1为第t-1个时刻的原始超短期功率预测数据。
3.如权利要求2所述的修正方法,其特征在于,所述利用蚁群优化算法确定所述超短期功率预测数据修正模型对应的修正系数,包括:
获取所述预设时段内风电场对应的理想折扣率及投资回报率;
以所述预设时段内风电场对应的投资回报率与理想折扣率之和最大为目标,并利用蚁群优化算法确定所述超短期功率预测数据修正模型对应的修正系数。
4.如权利要求3所述的修正方法,其特征在于,所述预设时段内风电场对应的理想折扣率的计算式如下:
式中,IDR为预设时段内风电场对应的理想折扣率,Actual为基于原始超短期功率预测数据计算得到的预设时段的总收益,Ideal为基于实发功率数据计算得到的预设时段的总收益。
5.一种基于蚁群优化的超短期功率预测数据的修正系统,其特征在于,包括:
获取模块,用于获取预设时段内风电场对应的原始超短期功率预测数据、实发功率数据及超短期功率预测数据修正模型;
确定模块,用于利用蚁群优化算法确定所述超短期功率预测数据修正模型对应的修正系数;
修正模块,用于将所述原始超短期功率预测数据、所述实发功率数据及所述修正系数代入所述超短期功率预测数据的修正模型中,并对所述超短期功率预测数据修正模型进行求解,得到所述原始超短期功率预测数据对应的修正后的超短期功率预测数据。
6.如权利要求5所述的修正系统,其特征在于,所述超短期功率预测数据的修正模型的计算式如下:
Padjust,t=Ppredict,t+β(Preal,t-1-Ppredict,t-1)
式中,Padjust,t为第t个时刻修正后的超短期功率预测数据,Ppredict,t为第t个时刻的原始超短期功率预测数据,β∈[0,1],β为原始超短期功率预测数据对应的修正系数,Preal,t-1为第t-1个时刻的实发功率数据,Ppredict,t-1为第t-1个时刻的原始超短期功率预测数据。
7.如权利要求6所述的修正系统,其特征在于,所述确定模块,包括:
获取单元,用于获取所述预设时段内风电场对应的理想折扣率及投资回报率;
确定单元,用于以所述预设时段内风电场对应的投资回报率与理想折扣率之和最大为目标,并利用蚁群优化算法确定所述超短期功率预测数据修正模型对应的修正系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华能新能源股份有限公司山西分公司;中国华能集团清洁能源技术研究院有限公司,未经华能新能源股份有限公司山西分公司;中国华能集团清洁能源技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210892552.2/1.html,转载请声明来源钻瓜专利网。