(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210965528.7 (22)申请日 2022.08.12 (71)申请人 南方电网数字电网研究院有限公司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 陈炎森　马溪原　姚森敬　李鹏　 陈元峰　张子昊　周长城　李卓环　 包涛　周悦　程凯　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 聂榕 (51)Int.Cl. G06F 30/20(2020.01) G06Q 50/06(2012.01) G06F 113/04(2020.01)G06F 119/02(2020.01) (54)发明名称 一种支持新能源发电功率高精度预测的高 效算法框架 (57)摘要 本申请涉及一种支持新能源发电功率高精 度预测的高效算法框架、 发电功率预测方法、 计 算机设备、 存储介质和计算机程序产品。 所述框 架包括： 多源数据层、 数据清洗加工服务层、 存储 层以及大型分布式并行计算框架层； 多源数据 层， 用于获取多源的预报气象数据； 数据清洗加 工服务层， 用于确定预报气象数据的数据特征， 以及对预报气象数据进行加工处理， 得到预报气 象加工数据； 存储层， 用于存储功率预测模型； 大 型分布式并行计算框架层， 用于根据数据特征确 定数据存储层中的功率预测模型， 并基于功率预 测模型， 对预报气象加工数据进行功率预测， 预 测新能源场站的发电功率。 采用本框架能够提高 发电功率的预测精度。 权利要求书3页 说明书14页 附图3页 CN 115358060 A 2022.11.18 CN 115358060 A 1.一种支持新能源发电功率高精度预测的高效算法框架， 其特征在于， 所述框架包括： 多源数据层、 数据清洗加工服 务层、 存储层以及大 型分布式并行计算框架层； 所述多源数据层， 用于从预设的多个渠道获取多源的预报气象数据， 所述多源的预报 气象数据包括多时效的预报气象数据， 多时间分辨率的预报气象数据以及多空间分辨率的 预报气象数据中的至少一种； 所述数据清洗加工服务层， 用于确定所述预报气象数据的预报数据特征， 以及对所述 预报气象数据进行加工处 理， 得到符合功率预测模型需求的预报气象加工数据； 所述存储层， 用于存 储预先训练获得的多个最高预测精度的功率预测模型； 所述大型分布式并行计算框架层， 用于基于所述预报气象数据的预报数据特征， 从所 述存储层中获取与所述预报数据特征匹配的功率预测模型， 并基于所述功率预测模型， 对 所述预报气象加工数据进行功率预测， 预测所述 新能源场站的发电功率。 2.根据权利要求1所述的支持新能源发电功率高精度预测的高效算法框架， 其特征在 于， 所述数据清洗加工服务层为微服务架构； 所述微服务架构根据微服务架构下各处理服 务器的处理压力； 将所述预报气象数据发送至所述微服务架构下 处理压力最小的处理服务 器， 由所述处理服务器对所述气象数据进 行降噪处理后， 再从时效、 时间和空间中的至少一 个维度进行 数据清洗处 理， 得到符合所述功率预测模型需求的预报气象加工数据。 3.根据权利要求1所述的支持新能源发电功率高精度预测的高效算法框架， 其特征在 于， 所述框架还 包括模型训练层； 所述模型训练层， 用于获取各新能源场站 的历史气象数据以及对应的实 际发电功率， 确定所述历史气象数据的历史数据特征； 对所述历史气象数据进行处理， 得到历史气象加 工数据； 将所述历史气象加工数据利用各初始功率预测模型进行训练， 确定与各所述初始 功率预测模型关联最大的历史数据特征， 并确定各所述关联最大历史数据特征对应的最高 预测精度的初始功 率预测模型； 构建每个新能源场站的所述初始功 率预测模型与所述历史 数据特征的映射关系， 所述历史数据特征包括历史气象特征和历史时间特征中的至少一 种。 4.一种发电功率预测方法， 应用于如权利要求1 ‑3所述的支持新能源发电功率高精度 预测的高效算法框架， 其特 征在于， 所述方法包括： 响应预测请求， 获取 预报气象数据； 确定所述预报气象数据的预报数据 特征， 所述预报数据 特征为预报气象特征和预报时 间特征中的至少一种； 获取与所述预报数据特征匹配的功率预测模型； 其中， 所述功率预测模型是预先训练 得到的符合所述预报数据特 征且功率预测精度最高的模型； 对所述预报气象数据进行处理， 得到质量符合所述功率预测模型需求的预报气象加工 数据； 将所述预报气象加工数据输入所述功率预测模型， 通过所述功率预测模型利用所述预 报气象加工数据预测所述 新能源场站的发电功率。 5.根据权利要求 4所述的方法， 其特 征在于， 所述获取 预报气象数据， 包括： 从预设的多个渠道获取多源的预报气象数据， 所述多源的预报气象数据包括多时效的 预报气象数据， 多时间分辨率的预报气象数据以及多空间分辨率的预报气象数据中的至少权　利　要　求　书 1/3 页 2 CN 115358060 A 2一种。 6.根据权利要求4所述的方法， 其特征在于， 所述对所述预报气象数据进行处理， 得到 质量符合所述功率预测模型需求的预报气象加工数据， 包括： 获取微服务架构下 各处理服务器的处 理压力； 将所述预报气象数据发送至微服务架构下处理压力最小的处理服务器， 由所述处理服 务器对所述气象数据进行降噪处理后， 再从时效、 时间和空间中的至少一个维度进行数据 清洗处理， 得到符合所述功率预测模型需求的预报气象加工数据。 7.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 获取各新 能源场站的历史气象数据以及对应的实际发电功率， 确定所述历史气象数据 的历史数据特 征； 对所述历史气象数据进行处 理， 得到历史气象加工数据； 将所述历史气象加工数据利用各初始功率预测模型进行训练， 确定与 各所述初始功率 预测模型关联最大的历史数据特征， 并确定各所述关联最大历史数据特征对应的最高预测 精度的功率预测模型； 构建每个新能源场站的所述功率预测模型与所述历史数据 特征的映射关系， 所述历史 数据特征包括历史气象特 征和历史时间特 征中的至少一种。 8.根据权利要求7所述的方法， 其特征在于， 所述将所述历史气象加工数据利用各初始 功率预测模型进行训练， 确定与各所述初始功率预测模型关联最大 的历史数据特征， 并确 定各所述关联最大的历史数据特 征对应的最高预测精度的功率预测模型， 包括： 将各所述历史气象加工数据， 输入到各所述初始功率预测模型， 得到各所述初始功率 预测模型 预测的该新能源场站的预测发电功率； 根据所述预测发电功率和所述实际发电功率， 确定与 各所述初始功率预测模型关联最 大的历史数据特 征； 基于确定了关联最大的历史数据特征的初始功率预测模型， 对各所述初始功率预测模 型的模型参数和权重进行调整， 直到满足训练结束条件， 得到各所述关联最大 的历史数据 特征的最高预测精度的功率预测模型。 9.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括以下至少一项： 第一项， 当获取到接收方的预测请求时， 将所述预测请求分配给多个处理服务器， 由多个处理 服务器响应所述预测请求； 当接收到处理服务器反馈的预测的发电功率 时， 将预测的所述发电功率推送至指定的 接收方， 所述预测功率用于新能源场站的并 网发电调度； 第二项， 获取预设时间段内的特定气象特 征数据； 将所述特定气象特征数据输入至各初始功率预测模型， 确定与 所述特定气象特征数据 匹配的初始 功率预测模型； 调整与所述特定气象特征数据匹配的初始功率预测模型的模型参数和权重， 确定所述 特定气象特 征数据对应的最高预测精度的初始 功率预测模型； 第三项，权　利　要　求　书 2/3 页 3 CN 115358060 A 3