一种虚拟电厂实时电价预测系统

1.本技术涉及电力系统技术领域，特别是涉及一种虚拟电厂实时电价预测系统。


背景技术：

2.近年来，以可再生能源发电的分布式电源迅速发展，然而，分布式电源容量小、数量多、接入分散、出力间歇性的特点限制了其大规模的发展。以虚拟电厂形式聚合可再生能源，通过能量管理系统控制各聚合单元，能实现聚合单元的协调优化运行，从而提高虚拟电厂的稳定性和参与电力市场时的竞争力，并获得规模经济的效益。虚拟电厂可参与的电力市场包括日前市场、实时市场、双边合同市场和辅助服务市场等，参与平衡市场能帮助虚拟电厂平抑可再生能源的波动，降低可再生能源出力预测不准确的风险，并获得更大经济效益。
3.目前，在公开电力市场，实时电价竞价预测模型的应用尚不普及。附属于电网的电力调度系统多采用人工参与的经验法来调整电力供应与需求的匹配。
4.电力市场公开化是各省市电网管理的趋势，其中虚拟电厂实时电价预测系统整合了可再生能源的电网电价竞价预测。通过拓展，也可应用于智能电网或是微电网的实时电力市场价格和能源需求的预测。
5.虚拟电厂实时电价预测系统整合过程需要对公开电力市场有深入的了解。在国外，德国的nextkraftwerke已经建立了基于发电资源聚合的虚拟电厂解决方案(saas)。目前，国内公开电力市场尚未建立，基本处于前期试点研究阶段。而这个行业内的商业公司缺乏完整的测试先例，测试平台与技术积累。
6.德国的nextkraftwerke，提供一种“软件即服务”(saas)的系统化解决方案。该公司根据用户提供的发电，储能，负载设备的信息，为用户提供优化方案。但是该公司的技术庞大且昂贵，难以适用于我国市场。其完整的解决方案只能为大型发电企业或电网系统提供咨询。但因为其高度整合的特性，无法为去中心化的零散发电，储能，可调度负载提供决策依据。


技术实现要素：

7.本发明针对上述问题，提供了一种虚拟电厂实时电价预测系统，通过结合较前沿的机器学习算法，即用于时序预测和自然语言处理的决策树算法，实现对电网实时竞价的预测。
8.本发明的一种虚拟电厂实时电价预测系统，所述系统包括事件驱动信息子系统和实时预测子系统，其中事件驱动信息子系统包括实时数据处理器，用于实时下载历史电价数据进行处理后发送给实时预测子系统，所述事件驱动信息子系统还接收所述实时预测子系统反馈的预测完成信息，并将预测完成信息发送给下游用户共享；所述实时预测子系统收到所述事件驱动信息子系统的数据信息，将收集到的数据进行处理后输入机器学习模型中预测实时电价或电力需求，同时将预测的实时电价或电力需求反馈给所述事件驱动信息
子系统。
9.本发明的进一步技术方案是：所述历史电价数据包括能源市场运营商发布的历史电价、天气历史数据、实时天气预测数据以及能源历史价格数据。
10.本发明的进一步技术方案是：所述实时预测子系统将收集到的数据进行处理，具体包括：对非数字数据进行标签化、数字数据标准化、数字数据正则化、对丢失的数据进行回填以及多数据流的对齐。
11.本发明的进一步技术方案是：所述机器学习模型对处理后的数据特征进行提取，所述数据特征具体包括：电价或电力需求特征、天气特征、能源价格特征以及时间特征。
12.本发明的进一步技术方案是：所述机器学习模型还包括对提取的数据特征进行筛选，具体为：使用了xgboost算法对数据的特征和结果进行回归运算用于建立两者的联系。
13.本发明的进一步技术方案是：所述机器学习模型还包括利用收集到的数据对模型进行权重修正，修正完成后预测未来24小时的电价。
14.本发明提供的一种虚拟电厂实时电价预测系统，其适用于高度市场化的公开电力市场电价预测，以达到电网管理能效最大化的目的。本发明的有益效果是：解决了供给端发电资源的聚合和管理问题，通过对市场电价的精准预测，实现虚拟电厂的低买高卖，盈利与能效优化；整合了硬件系统的虚拟电厂，微电网系统可以允许企业、居民等用户参与电力市场交易。
附图说明
15.图1是本发明实施例中虚拟电厂实时电价预测系统结构示意图；
16.图2是本发明实施例中实时预测子系统实施方法示意图。
具体实施方式
17.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅出示了与本发明相关的部分而非全部结构。
18.在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
19.本发明实施例针对一种虚拟电厂实时电价预测系统，提供了如下实施例：
20.参见图1所示，为本发明实施例1的一种虚拟电厂实时电价预测系统100，包括事件驱动信息子系统101和实时预测子系统102，其中事件驱动信息子系统101包括实时数据处理器，用于实时下载历史电价数据进行处理后发送给实时预测子系统102，所述事件驱动信息子系统101还接收所述实时预测子系统102反馈的预测完成信息，并将预测完成信息发送给下游用户共享(图1中发电侧系统共享数据)；所述实时预测子系统102收到所述事件驱动信息子系统101的数据信息，将收集到的数据进行处理后输入机器学习模型中预测实时电价或电力需求，同时将预测的实时电价或电力需求反馈给所述事件驱动信息子系统101。
21.参见图1-2所示，所述发电侧收集到的历史电价数据包括能源市场运营商发布的历史电价、天气历史数据、实时天气预测数据以及能源历史价格数据。
22.参见图1-2所示，所述实时预测子系统102将发电侧收集到的历史电价数据进行处理，具体包括：对非数字数据进行标签化、数字数据标准化、数字数据正则化、对丢失的数据进行回填以及多数据流的对齐。
23.参见图1-2所示，所述机器学习模型对处理后的数据特征进行提取，所述数据特征具体包括：电价或电力需求特征、天气特征、能源价格特征以及时间特征。
24.参见图1-2所示，所述机器学习模型还包括对提取的数据特征进行筛选，具体为：使用了xgboost算法对数据的特征和结果进行回归运算用于建立两者的联系。
25.参见图1-2所示，所述机器学习模型还包括利用收集到的数据对模型进行权重修正，修正完成后预测未来24小时的电价。
26.具体实施过程中，实时预测子系统102是与事件驱动信息子系统101相结合以达到自动化读取模型相关数据并预测实时电力市场的电价和电力需求。事件驱动信息子系统101负责等候发电侧信息的到达。当发电侧信息指示有新的数据更新时，事件驱动信息子系统101则根据此信息指示的内容下载更新的数据。接下来，事件驱动子系统101对新下载的数据进行处理，并发送处理后的数据给实时预测子系统102，让其进行预测。当预测完成后，实时预测子系统102反馈预测完成信息给事件驱动子系统101，并由事件驱动子系统101发送预测完成信息给下游模块。
27.更具体地，事件驱动子系统101所接收的信息包括历史电价，天气状况，气温，季节变化，工作节假日等数据的更新通知。事件驱动子系统101所下载的数据包括历史电价，天气状况，气温，季节变化，工作节假日等数据。事件驱动子系统101对其所下载的数据更新进行了空缺填补，标签整理操作。当实时预测子系统102完成了预测任务，由事件驱动子系统101向下游用户发送预测完成信息。
28.实时预测子系统102首先收到来自事件驱动子系统101的数据更新通知(信息)，该信息触发了实时预测子系统102的数据载入功能。在读取了数据之后，实时预测子系统102对数据进行了标准化，降噪，编码，矩阵化处理，并输入到机器学习模型中进行权重修正(训练)和结果预测。在模型的训练过程中，具体地，机器学习模型使用了xgboost算法对输入数据的特征和结果进行回归运算(regression)，以建立两者的联系，达到“监督学习”的目的。经由历史数据对机器学习模型的训练，实时预测子系统102的输出结果为未来半小时至二十四小时的电价或电力需求量的预测值。由于数据的实时性，实时预测子系统102总是根据新载入的数据进行训练和权重调整。在模型权重更新之后，实时预测子系统102会预测未来24小时的电价作为输出，并将预测后的数据进行储存。此时，事件驱动子系统101向下游用户发送通知(预测完成信息)，并由下游用户决定是否读取预测数据。由此，本系统完成了由信息/数据读取，处理，发送信息/数据的全过程自动化流程。下游用户包括微电网，虚拟电厂等决策程序或决策者，由于其需要对微电网进行电力供求调配，或对外进行供电竞价投标，未来电价的波动情况为其决策提供了必要的指导。
29.综合上述实施例提供的一种虚拟电厂实时电价预测系统，其适用于高度市场化的公开电力市场电价预测，以达到电网管理能效最大化的目的。本发明的有益效果是：解决了供给端发电资源的聚合和管理问题，通过对市场电价的精准预测，实现虚拟电厂的低买高
卖，盈利与能效优化；整合了硬件系统的虚拟电厂，微电网系统可以允许企业、居民等用户参与电力市场交易。
30.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。