新能源功率预测技术

关注

联系合作

成果单位：华北电力大学

合作方式：技术转让技术许可技术入股合作开发

所处阶段：其他

关键词：电站管理电力市场电网调度储能系统虚拟电厂AI预测混合模型特征挖掘滚动预测

成果评价

总得分（满分100）

资本强度（满分0）

该成果得分：0

小果解读

核心问题

新能源发电，如风电和光伏，因其高波动性和随机间歇性，给大规模并网带来了显著挑战。这种不确定性使得电网的优化调度变得极为复杂，难以确保电力供需的平衡与稳定。因此，准确可靠的新能源功率预测成为电网优化调度的重要依据，也是推动构建新型电力系统的关键手段。当前，尽管人工智能方法在功率预测中已展现出一定潜力，但在特征信息挖掘、提取与学习、特征选择及模型优化等方面仍存在改进空间，亟待更为高效和精确的预测技术以提升预测准确性。

解决方案

为解决新能源功率预测中的核心问题，本研究提出了一项基于人工智能的新能源功率预测方案。该方案具体包含以下几个关键部分：

实时数据采集与处理：
通过先进的传感器和数据处理技术，实时采集新能源电场的相关数据，为后续预测提供准确、全面的信息基础。
特征信息挖掘与构建：
深入挖掘数据中的特征信息，构建能够反映新能源发电特性的特征集，为模型提供丰富的输入。
特征信息提取与学习：
利用先进的机器学习方法，如深度学习网络，对特征信息进行高效提取和学习，捕捉数据中的复杂模式。
特征选择辅助策略：
采用智能特征选择算法，筛选出对预测结果影响最大的特征，提高模型的泛化能力和预测精度。
模型优化与滚动预测：
对预测模型进行持续优化，实现滚动预测，确保预测结果能够实时反映新能源发电的动态变化。

竞争优势

本研究所提出的新能源功率预测方案具有显著的竞争优势和创新性：

预测精度提升：
通过综合运用先进的机器学习和数据处理技术，显著提升了风功率预测的精度。超短期、短期和中期预测的RMSE指标均有显著改进，分别可达3%-10%、3%-6%和3%-6%，为企业调度提供了更为可靠的决策依据，有效降低了经济成本。
计算效率优化：
方案通过优化模型结构和训练过程，显著减少了模型训练时间，每百轮次可降低至少20%，同时降低了计算资源的占用，提高了预测的效率。
迁移应用能力强：
该方案具有良好的泛化能力，能够迁移应用于不同的新能源电场，为新能源电站运行管理、电力市场交易、电网调度与运行以及储能与虚拟电厂等多个场景提供有力的技术支持。
原始创新属性：
作为一项原始创新技术，本方案在新能源功率预测领域取得了突破性进展，为构建新型电力系统提供了重要手段，具有广阔的应用前景和市场价值。

成果描述

成果公开日期

20250721

所属产业领域

电力、热力、燃气及水生产和供应业

转化现有基础

创新点1：特征信息的挖掘与构建
针对特征构建和信息挖掘给出的策略：引入改进的因果滑窗机制和常规滑窗机制分别处理训练集和测试集来降低相邻输入样本间的重复信息并大幅减少模型训练时间。通过特征变换手段，发掘数据内在特征信息。通过特征组合和重构来构建新的数据输入。
创新点2：特征信息提取与学习
针对特征信息提取和学习的策略：在编译码器结构中设计特定加权注意力机制，以提高网络关键信息的获取能力。
创新点3：特征选择辅助策略
针对特征选择问题，优化解决方案从以下四个角度给出：特征选择、最佳输入维度、特征简化、特征组合筛选。
创新点4：模型优化策略
引入特定搜索算法对模型参数进行寻优，大幅度减少调参时间，提供一种自适应式的参数调优策略。

转化合作需求

寻找应用场景和示范项目
目标合作投融资机构
寻找孵化资源：资金、场地、实验条件、团队等
资源对接

转化意向范围

仅限国内转让

转化预期效益

根据市场研究机构的分析和预测，未来几年新能源功率预测技术市场规模将持续增长。随着新能源发电市场规模的扩大和电力市场改革的深入推进，新能源功率预测技术的需求将不断增加。除了传统的风电和光伏领域外，新能源功率预测技术还将拓展至其他新能源领域（如生物质能、地热能等）以及储能与虚拟电厂等新兴领域。这些领域的拓展将为新能源功率预测技术提供更多的市场机会和发展空间。随着技术的不断进步和市场的不断发展，新能源功率预测技术将与其他相关技术（如物联网、大数据、人工智能等）进行深度融合和跨界合作。这种融合与合作将推动新能源功率预测技术的不断创新和应用拓展。
新能源功率预测技术正面临着日益增长的市场需求。随着全球新能源发电装机容量的不断扩大，特别是风电和光伏等波动性可再生能源的大规模并网，电力系统对新能源发电功率预测的准确性和实时性要求日益提高。电力市场改革、储能与虚拟电厂的兴起以及政策推动与环保需求的增加，都进一步推动了新能源功率预测技术的市场需求。
新能源功率预测技术的经济效益显著。通过准确预测新能源发电功率，该技术能够优化电力调度，提高电力系统的稳定性和安全性，降低运行成本。同时，还能促进新能源的消纳，提高新能源利用率，为新能源发电企业带来更高的经济效益。

项目课题来源

北京市昌平区人民政府

摘要

新能源发电的高波动性和随机间歇性给其大规模并网带来了挑战，准确可靠的功率预测是电网优化调度的重要依据，也是构建新型电力系统的重要手段。近年来，人工智能方法在功率预测任务中越来越受重视，前期研究发现，混合模型比传统的单一模型对功率进行预测具有更好的预测效果，目前依托神经网络模型的人工智能的方法仍在以下几个方面存在改进需求：特征信息的挖掘与构建、特征信息提取与学习、特征选择辅助策略以及模型优化。针对上述需求和为进一步提高功率预测的准确性，提出基于人工智能的新能源功率预测方案。
（1）所提方案能应用于实际的新能源功率预测场景，能够通过实时采集的数据来预测未来时间段的风电功率产出，能够在实际的应用场景下实现滚动预测。
（2）通过所提方案提升风功率预测的精度，明显节约企业调度的经济成本。
超短期预测：预计 RMSE 指标改进 3%-10%。
短期预测：预计 RMSE 指标改进 3%-6%。
中期预测：预计 RMSE 指标改进 3%-6%。
（3）依托所提方案能够显著减少模型训练的时间，至少每百轮次降低20%；并借助数据处理方法减少计算资源的占用。
（4）所提方案能够迁移应用不同的新能源电场。
应用场景
新能源电站运行管理、电力市场交易、电网调度与运行、储能与虚拟电厂。