极端气候下新能源功率预测方法、电子设备和存储介质与流程

本发明涉及新能源发电，具体涉及一种极端气候下新能源功率预测方法、电子设备和存储介质。

背景技术：

1、随着全国新能源装机规模日益增加，新能源发电的间歇性、随机性、波动性对电网稳定性的冲击愈发明显，电力调度对功率预测准确率的要求日趋严格。尤其是对于极端气候下在台风、寒潮、强对流等极端气候发生时，新能源出力预报除了需要对风速、辐照度、云量、温度的气象要素的精准预报，还要针对台风、寒潮和强对流等极端气候进行新能源出力的高精度预测甚至预警。

2、因此，如何在极端气候下对新能源的功率进行高精度预测甚至预警成为亟待解决的技术问题。

技术实现思路

1、本技术实施例提供一种极端气候下新能源功率预测方法、电子设备和存储介质，以解决相关技术中存在的如何在极端气候下对新能源的功率进行高精度预测甚至预警的技术问题。

2、根据本技术的第一方面，提供一种极端气候下新能源功率预测方法，包括：获取极端气候下气候观测数据和新能源场站数值模式预报结果；提取所述极端气候下气候观测数据和新能源场站数值模式预报结果中的气象要素和出力变化特征；基于所述所述气象要素和所述出力变化特征对所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果；将所述多模式集成预报结果作为输入，采用确定性预报模型进行确定性预报，得到确定性预报结果；将所述极端气候下气候观测数据和所述确定性预报结果输入概率预测模型，得到气象概率预报结果；基于所述气象概率预报结果对新能源功率进行预测。

3、可选地，所述提取所述极端气候下气候观测数据和新能源场站数值模式预报结果中的气象要素和出力变化特征包括：对所述极端气候下气候观测数据和新能源场站数值模式预报结果进行数据质控和均一性校验，得到有效气象数据和偏差因子；提取所述有效气象数据中的时间特性特征、空间特性特征和垂直特性特征作为所述气象要素；基于对所述气象要素进行统计分析，得到出力变化规律数据；基于所述偏差因子和所述出力变化规律数据确定所述出力变化特征。

4、可选地，所述基于所述所述气象要素和所述出力变化特征对所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果包括：获取所述气象要素和所述出力变化特征的类型；基于所述气象要素和所述出力变化特征的类型优化所述多模式集成预报中各个模式成员的集成权重；基于所述集成权重对所述所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果。

5、可选地，所述基于所述集成权重对所述所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果包括：对所述新能源场站数值模式预报结果进行数值模式动力降尺度，得到气象要素预报结果；对所述极端气候下气候观测数据进行标准化，得到标准化观测数据；对所述标准化数据和所述气象要素预报结果进行显著因子相关分析，得到显著因子分析结果；对所述显著因子分析结果进行主成分分析，得到主分量；基于基于所述主分量采用统计降尺度方法对所述新能源场站数值模式预报结果进行订正，得到订正后的数值预报结果；将订正后的数值预报结果基于集成权重进行多模式集成预报，得到多模式集成预报结果。

6、可选地，所述将所述多模式集成预报结果作为输入，采用确定性预报模型进行确定性预报，得到确定性预报结果包括：使用自注意力模块提取不同模式预报结果的特征信息；将提取到的特征信息通过残差的连接方式进行融合；利用预测单元网络生成预测要素序列作为所述确定性预报结果。

7、可选地，所述将所述极端气候下气候观测数据和所述确定性预报结果输入概率预测模型，得到气象概率预报结果包括：基于所述将所述极端气候下气候观测数据和所述确定性预报结果构建原始气象序列；对所述原始气象序列进行分解，得到多个气象子序列；利用多个不同类型的概率预测方法构建的概率预测模型对所述气象子序列进行概率预测，得到联合气象概率预报结果，所述概率预测方法包括时序残差概率混合预测方法，多源高斯集合核拟合预测方法，深度学习和分位数回归的融合预测方法、相关系数数据融合预测方法和基于粒子群优化的gru模型预测方法中的至少两种。

8、可选地，所述利用多个不同类型的概率预测方法构建的概率预测模型对所述气象子序列进行概率预测，得到联合气象概率预报结果包括：基于归一化平均宽度、平均覆盖误差、累计偏差和预测区间覆盖的可靠程度和宽度指标分别对每一算法的预测结果进行评价，得到综合评价值；基于所述综合评价值确定每一概率预测方法的联合权重，其中，所述综合评价值与所述联合权重成正相关；基于所述联合权重构建所述概率预测模型。

9、根据第二方面，本技术实施例提供了一种极端气候下新能源功率预测装置，包括：获取模块，用于获取极端气候下气候观测数据和新能源场站数值模式预报结果；特征提取模块，用于提取所述极端气候下气候观测数据和新能源场站数值模式预报结果中的气象要素和出力变化特征；集成预报模块，用于基于所述所述气象要素和所述出力变化特征对所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果；确定性预报模块，用于将所述多模式集成预报结果作为输入，采用确定性预报模型进行确定性预报，得到确定性预报结果；概率预报模块，用于将所述极端气候下气候观测数据和所述确定性预报结果输入概率预测模型，得到气象概率预报结果；功率预测模块，用于基于所述气象概率预报结果对新能源功率进行预测。

10、根据本技术的第三方面，提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一项所述的极端气候下新能源功率预测方法。

11、根据本技术的第四方面，提供一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如上述任意一项所述的极端气候下新能源功率预测方法。

12、本技术实施例提供一种极端气候下新能源功率预测方法，获取极端气候下气候观测数据和新能源场站数值模式预报结果；提取所述极端气候下气候观测数据和新能源场站数值模式预报结果中的气象要素和出力变化特征；基于所述所述气象要素和所述出力变化特征对所述极端气候下气候观测数据和新能源场站数值模式预报结果进行多模式集成预报，得到多模式集成预报结果；将所述多模式集成预报结果作为输入，采用确定性预报模型进行确定性预报，得到确定性预报结果；将所述极端气候下气候观测数据和所述确定性预报结果输入概率预测模型，得到气象概率预报结果；基于所述气象概率预报结果对新能源功率进行预测；在多模式集合确定性天气预报预报和实测气象数据历史预测误差的深入分析的基础上，结合模态分解方法、完全自适应噪声集合经验模态等方法，对气象要素进行分解，利用拟合残差成分采用核密度估计建立概率预测模型，对每个序列建立pso优化的gru预测模型后再对各分量进行叠加实现多步区间预测；使用卷积神经网络和长短记忆神经网络提取气象特征，进行分位数回归等概率预测，实现新能源电站和格点位置的概率/不同置信度区间预测，进而实现极端气候下新能源功率的进准预测。通过分析极端气候相应的气象预警特征指标和预警门槛值，进行极端天气类型/事件分类，分别针对台风、寒潮和强对流等极端气候建立新能源出力的高精度预测预警模型，开展对新能源出力的气象风险分析评估与预警技术研究，提示对新能源出力的影响。