本发明涉及新能源发电功率预测领域，具体涉及一种新能源预测功率的优化方法和系统。
背景技术：
目前风、光等新能源出力具有随机性和波动性，大规模消纳一直是世界性难题。
由于资源禀赋特点、电力系统条件和市场机制问题，消纳新能源面临更大挑战。随着新能源大规模开发，局部地区消纳矛盾逐渐凸显，出现了弃风、弃光问题，引起社会各界的关注。
调度机构在技术和管理等方面进行了积极探索，加强对新能源功率预测的管理，提高预测精度与分辨率，为减少新能源弃风、弃光量提供基础。
未来，新能源发电功率预测将向高精度、高分辨率、中长期时间尺度方向发展，提高新能源发电功率预测精度，提供多时间尺度的预测产品，建立新能源发电计划申报考核制度等。
针对新能源功率预测，现有技术中提出了一种新能源发电系统的功率预测方法(专利申请号201710497175.1)，它对新能源发电系统的历史数据进行归一化处理，并将归一化处理后的新能源发电系统历史数据作为支持向量机的训练样本；再根据支持向量机的训练样本进行支持向量机的训练并利用一种网格蚁群搜索算法进行参数优化，得到参数优化后的新能源发电系统的功率预测模型；接着对新能源发电系统的气象预报数据进行归一化处理；最后将归一化处理后的新能源发电系统的气象预报数据作为参数优化后的发电系统的功率预测模型的输入变量，计算得到发电系统的功率预测值。但该方法的操作性不强，而且，随着支持向量机的训练样本没有详细考虑地域、季节、气候、气象等的长期及短时变化的影响，难以准确预测新能源发电功率。
现有技术中还提出了一种实现功率预测的方法及系统(发明专利申请号201710437884.0)，它通过区域集合预报模式运算获得气象预测数据；在预设的发电功率预测模型中输入需进行发电功率预测的发电设备的设备参数及获得的气象预测数据，分析计算得到发电功率预测结果；将用户用电计划、获得的气象预测数据及其他环境因素信息输入到预设的负荷功率预测模型中，分析计算得到预设时长内的负荷功率；其中，所述其他环境因素包括地理位置、地形特征、季节特征。但该方法，没有参考历史数据，不能对新能源发电功能进行参考反馈，进而优化预测模型。
技术实现要素：
针对现有技术的不足，本发明的目的是提供一种新能源预测功率的优化方法，该方法基于新能源发电与气象信息的高度相关性，提出新能源预测功率的优化方法，并利用该优化方法对新能源预测功率进行优化，从而提升新能源功率预测的精度。
本发明的目的是采用下述技术方案实现的：
本发明提供一种新能源预测功率的优化方法，其改进之处在于，所述方法包括：
根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
优选的，所述根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值，包括：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻的新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
进一步的，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
进一步的，所述各历史时刻新能源预测功率偏差值为各历史时刻新能源预测功率与各历史时刻新能源实际功率的差值。
优选的，所述利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率，包括：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
进一步的，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
本发明提供一种新能源预测功率的优化系统，其改进之处在于，所述系统包括：
确定模块，用于根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
修正模块，用于利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
优选的，所述确定模块，用于：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻的新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
进一步的，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
进一步的，所述各历史时刻新能源预测功率偏差值为各历史时刻新能源预测功率与各历史时刻新能源实际功率的差值。
优选的，所述修正模块，用于：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
进一步的，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
与最接近的现有技术相比，本发明具有的有益效果：
本发明提供的技术方案，根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率；该方案基于新能源发电与气象信息的高度相关性，提出新能源预测功率的优化方法，并利用该优化方法对新能源预测功率进行优化，从而提升新能源功率预测的精度。
附图说明
图1是一种新能源预测功率的优化方法流程图；
图2是一种新能源预测功率的优化系统结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供一种新能源预测功率的优化方法，如图1所示，所述方法包括：
步骤101.根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
步骤102.利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
其中，各历史时刻新能源预测功率以及预测时刻新能源预测功率均采用相同的新能源功率预测模型获取的。
具体的，所述步骤101，包括：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻的新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
在实际应用中，预测时刻与新能源预测功率相关的第i类气象数据并非一个确定的值，而是一个数值区间，本发明中令预测时刻与新能源预测功率相关的第i类气象数据值等于预测时刻与新能源预测功率相关的第i类气象数据数值区间的上限值与下限制之和再除以2。
具体的，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
具体的，所述各历史时刻新能源预测功率偏差值为各历史时刻新能源预测功率与各历史时刻新能源实际功率的差值。
进一步的，所述步骤102，包括：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
具体的，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
本发明提供一种新能源预测功率的优化系统，如图2所示，所述系统包括：
确定模块，用于根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
修正模块，用于利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
具体的，所述确定模块，用于：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻的新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
具体的，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
具体的，所述各历史时刻新能源预测功率偏差值为各历史时刻新能源预测功率与各历史时刻新能源实际功率的差值。
进一步的，所述修正模块，用于：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
具体的，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
1.一种新能源预测功率的优化方法，其特征在于，所述方法包括：
根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
2.如权利要求1所述的方法，其特征在于，所述根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值，包括：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
3.如权利要求2所述的方法，其特征在于，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
4.如权利要求3所述的方法，其特征在于，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
5.如权利要求1所述的方法，其特征在于，所述利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率，包括：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
6.一种新能源预测功率的优化系统，其特征在于，所述系统包括：
确定模块，用于根据各历史时刻新能源预测功率偏差值确定预测时刻新能源预测功率优化值；
修正模块，用于利用预测时刻新能源预测功率优化值修正预测时刻新能源预测功率。
7.如权利要求6所述的系统，其特征在于，所述确定模块，用于：
步骤a.初始化i＝1；
步骤b.若预测时刻与新能源预测功率相关的第i类气象数据和各历史时刻与新能源预测功率相关的第i类气象数据之间的偏差值均在与新能源预测功率相关的第i类气象数据的偏差阈值内，则令i＝i 1，并转至步骤c,否则，令所述预测时刻新能源预测功率优化值为0，并结束操作；
步骤c.若i＝n 1成立，则令预测时刻新能源预测功率优化值为各历史时刻的新能源预测功率偏差值的平均值，并结束操作；否则，返回步骤b，其中，n为与新能源预测功率相关的气象数据类别的总数。
8.如权利要求7所述的系统，其特征在于，当新能源预测功率为风电预测功率时，则所述与新能源预测功率相关的气象数据的类别包括风速数据、风向数据和温度数据；
当新能源预测功率为光伏预测功率时，则所述与新能源预测功率相关的气象数据的类别包括光功率密度数据和温度数据。
9.如权利要求8所述的系统，其特征在于，所述各历史时刻间的时间间隔为0.5h；
所述风向数据的偏差阈值为[-10°～10°]；
所述风速数据的偏差阈值为[-2m/s～2m/s]；
所述光功率密度数据的偏差阈值为[-0.2w/m2～0.2w/m2]；
当新能源预测功率为光伏预测功率时，则所述温度数据的偏差阈值为[-5℃～5℃]；
当新能源预测功率为风电预测功率时，则所述温度数据的偏差阈值为[-10℃～10℃]；
其中，w/m2为瓦/米的平方，℃为摄氏度，m/s为米/秒。
10.如权利要求6所述的系统，其特征在于，所述修正模块，用于：
按下式修正预测时刻t新能源预测功率p*(t)：
p*(t)＝py(t) p(t)
式中，py(t)为预测时刻t新能源预测功率优化值，p(t)为预测时刻t未修正的新能源预测功率。
技术总结