一种微电网发电量预测方法、装置及存储介质与流程

本发明涉及电力系统，尤其是涉及一种微电网发电量预测方法、装置及存储介质。

背景技术：

1、对于网侧而言，偏远农村区域存在地理位置偏远、居民居住分散等特性，主网延伸供电工程建设存在一定的困难，且建设成本较高。其次，配电网结构多为单辐射网络，较为薄弱，以风、光为主的分布式可再生能源等直接接入将影响配电网运行的安全性，进而影响可再生能源的消纳水平。对于负荷侧而言，偏远农村区域的负荷多为居民用电负荷，例如照明用电、电视、电饭煲、洗衣机等相关家庭用电设备，而在农作物种植和收获季节，将会存在抽水灌溉和稻谷剥壳等设备的用电需求，因此该区域负荷用电具有一定的季节相关性。其次，由于居民居住较为分散以及人口密度相对较小，因此偏远农村区域的用电负荷存在分布广、密度小的特性。最后，根据居民用电习惯，负荷主要集中在夜间，在农作物收获或种植期间，白天用电量也可能会增大。如何合理的对偏远农村区域的电力资源协同规划，是目前亟需解决的问题。

2、微电网发电量预测是微电网能量管理系统的重要组成部分，是对分布式电源，如风电、光伏、微燃气轮机、柴油机及储能等可控微源进行优化调度的基础，预测结果将直接影响微电网运行策略与电能交易。相对于大电网环境，微电网进行短期发电量预测的难度更高，负荷的随机性强，历史负荷曲线相似度低，再加上用户容量有限，各用户间负荷特征相互平滑作用较小，负荷总体波动较大。

3、现有的微电网发电量预测方法通常是采用bp-nn预测方法进行预测，但是现有的微电网发电量预测方法没有全面考虑对发电量的影响因素，导致发电量的预测精度较低。

技术实现思路

1、本发明提供一种微电网发电量预测方法、装置及存储介质，以解决现有的微电网发电量预测方法没有全面考虑对发电量的影响因素，导致发电量的预测精度较低的技术问题。

2、本发明的一个实施例提供了一种微电网发电量预测方法，包括：

3、采集微电网运行过程中的分布式能源分布数据，并根据所述分布式能源分布数据构建相应的发电特性模型；

4、获取偏远农村微电网历史发电数据和历史天气数据，并根据所述发电机特性模型计算得到各类发电机的发电量所占比例；

5、将所述历史天气数据和各类发电机的发电量所占比例作为输入，将影响各类发电机输出功率的天气影响因子作为输出，进行模型训练，得到各类发电机组所对应的神经网络模型；

6、获取未来某天的天气预报信息，解析所述天气预报信息得到天气因素数值；

7、将所述天气因素数值输入到所述神经网络模型中，得到各类发电机的预测发电量。

8、进一步的，所述发电特性模型包括燃气轮机发电出力模型、燃料电池发电出力模型、风电机组发电出力模型、光伏机组发电出力模型和小水电机组发电出力模型。

9、进一步的，所述燃气轮机发电出力模型为：

10、

11、其中，pmt(t)为t时段燃气轮机输出电功率；αc为燃气轮机电转换效率；mb(t)为t时段燃烧的生物质量；ηb为生物质能燃烧转化率；fncvb为生物质能净热值；

12、所述燃料电池发电出力模型为：

13、

14、pfc(t)＝ηfc·xng·vfc(t)

15、其中，ηfc为燃料电池制电效率；α1、β1、γ1为燃料电池的效率系数；pfc(t)为t时段燃料电池输出电功率；vfc(t)为燃料电池t时段消耗天然气量；

16、所述风电机组发电出力模型为：

17、

18、其中，pr为风电机组额定功率；vwr(t)为t时刻风电机组叶片风速；vmax、vmin为风电机组工作状态中风速上下极限；vr为风电机组额定功率对应的最小风速；

19、所述光伏机组发电出力模型为：

20、

21、其中，ppv(t)为t时刻光伏机组出力；ηpv为太阳能电池板效率；s为电池板面积；为光伏机组单位面积光照辐射强度；

22、所述小水电机组的出力模型为：

23、

24、其中，phydro(t)为t时刻机组出力；q(t)为t时刻水流量；为小水电机组出力上下限；k为机组出力系数；h为机组工作水头，此处取其额定水头；qmax、qmin为小水电机组引用流量上下限；qwater(t)为机组所在流域t时刻自然来水流量；pabandon(t)为t时刻弃水电量。

25、进一步的，各类所述发电机包括燃气轮机、燃料电池、风电机组、光伏机组发电和小水电机组。

26、进一步的，所述天气因素包括雾霾指数、温度、风速、光照辐射强度和降雨量等数据。

27、进一步的，所述获取未来某天的天气预报信息，解析所述天气预报信息得到天气因素数值，包括：

28、获取未来某天以小时为颗粒度的天气预报信息，对所述天气预报信息进行解析得到天气因素数值。

29、进一步的，所述将影响各类发电机输出功率的天气影响因子作为输出，包括：

30、在训练燃气轮机对应的神经网络时，设定雾霾指数所占权重最大，确定影响燃气轮机的输出功率的第一天气影响因子；

31、在训练燃料电池对应的神经网络时，设定温度所占权重最大，确定影响燃料电池的输出功率的第二天气影响因子；

32、在训练风电机组对应的神经网络时，设定风速所占权重最大，确定影响风速机组的输出功率的第三天气影响因子；

33、在训练光伏机组对应的神经网络时，设定光照辐射强度所占权重最大，确定影响光伏机组的输出功率的第四天气影响因子；

34、在训练降小水电机组对应的神经网络时，设定降雨量所占权重最大，确定影响小水电机组的输出功率的第五天气影响因子。

35、本发明的一个实施例提供了一种微电网发电量预测装置，包括：

36、发电特性模型构建模块，用于采集微电网运行过程中的分布式能源分布数据，并根据所述分布式能源分布数据构建相应的发电特性模型；

37、模型训练数据获取模块，用于获取偏远农村微电网历史发电数据和历史天气数据，并根据所述发电机特性模型计算得到各类发电机的发电量所占比例；

38、模型训练模块，用于将所述历史天气数据和各类发电机的发电量所占比例作为输入，将影响各类发电机输出功率的天气影响因子作为输出，进行模型训练，得到各类发电机组所对应的神经网络模型；

39、天气因素数值解析模块，用于获取未来某天的天气预报信息，解析所述天气预报信息得到天气因素数值；

40、发电量预测模块，用于将所述天气因素数值输入到所述神经网络模型中，得到各类发电机的预测发电量。

41、本发明的一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的微电网发电量预测方法。

42、本发明实施例通过将天气因素和发电量占比与相应的天气影响因子进行关联，进行模型训练得到神经网络模型，再解析得到未来某天的天气因素数值，将天气因素数值输入到神经网络模型中，从而能够预测得到不同发电机组各自的发电量，综合考虑了不同天气因素对发电机组输出功率的影响，能够有效提高微电网中各个发电机组的发电量预测准确性。

43、进一步的，本发明实施例将以小时为颗粒度的天气预报信息进行解析得到的天气因素数值输入到神经网络中，从而能够各类发电机组以每小时为单位的预测发电量，进一步提高微电网中各个发电机组的发电量预测准确性。