[发明专利]一种小水电群出力预测方法和系统

说明书

本发明涉及一种小水电群出力预测方法和系统。所述预测方法中，对初始样本进行预处理，一定程度上避免了坏数据对预测准确度的干扰，并使模型更容易收敛至最优解；利用深度卷积生成对抗网络生成小水电出力数据以补充原始样本数据，有效改善因中雨、大雨等样本数据缺乏而导致预测准确率下降的问题；将样本数据归一化还原后，根据轻梯度提升机的特点合理重构样本数据集，便于训练预测模型，提高轻梯度提升机的预测准确度；采用轻梯度提升机模型输出预测数据，与传统神经网络预测方法相比，该模型拥有支持并行化学习、内存占用率低、训练过程可视化、训练效率高、准确率高等优点，且可处理海量数据，能更快更好的运用于工业实践。

技术领域

本发明涉及水电群出力预测领域，特别是涉及一种考虑数据样本不足情况下的小水电群出力预测方法和系统。

背景技术

水电是市场公认的清洁可再生能源，中国西南地区水资源丰富，近些年该地区水电开发有迅猛发展的趋势。该地区的径流式水电站装机占比占较大比重，由于小水电站蓄水能力弱，当来水很多时，全部机组投入运行，水电站大量发电，而本地用户的消纳能力不强，对电力的需求量远远小于发电量；当水流较小时，部分机组因缺水而不被利用。可见小水电站基本处于有水则发的状态，自身调节能力弱，出力受降雨等因素影响，具有很强的不确定性，实际出力常严重偏离计划出力，这不仅造成严重的资源浪费，同时还影响电网的安全稳定运行，亟需对小水电发电能力进行准确的预测。

中国的小水电站大多管理薄弱、信息采集能力弱，缺乏相关气象、水文观测站，导致用于预测的历史水文、气象数据资料不足且历史发电小时数据也有缺失，预测难度很大。目前在小水电出力预测领域，提出了一些有一定成效的方法，如考虑到多个小水电站群的地区互相关性，按照地区相似程度加权建模；参考当地大水电站的预测数据来推算小水电站群的发电能力等，但这些方法都无法很好解决小水电站群历史数据严重不足的问题。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种考虑数据样本不足情况下的小水电群出力预测方法和系统。

为实现上述目的，本发明提供了如下方案：

一种小水电群出力预测方法，包括：

对原始样本数据进行预处理；所述原始样本数据包括：降雨数据、气温、小水电所处流域以及历史出力数据；

基于所述原始样本数据采用深度卷积生成对抗网络生成小水电出力数据，并将所述小水电出力数据补充到所述原始样本数据中；

将补充后的所述原始样本数据进行归一化还原处理得到样本数据集，并根据轻梯度提升机的特点重构所述样本数据集；

采用重构后的所述样本数据集训练搭建好的轻梯度提升机模型；所述轻梯度提升机模型以小水电的特征标签为输入，以小水电的出力为输出；

采用训练好的所述轻梯度提升机模型，根据待预测日某一时刻小水电的特征标签得到小水电的出力。

优选地，所述对原始样本数据进行预处理，具体包括：

对所述原始样本数据进行确实数据去除和剔除异常数据处理，得到负荷数据；

对所述负荷数据进行归一化处理；

将归一化后的所述负荷数据按日期进行分组，并将当日该小水电所处流域进行独热编码，将当日降雨情况进行量化编码。

优选地，所述采用深度卷积生成对抗网络生成小水电出力数据，并将所述小水电出力数据补充到所述原始样本数据中，具体包括：

搭建深度卷积生成对抗网络；所述深度卷积生成对抗网络包括：生成器和判别器；所述生成器由输入层、反卷积层和输出层构成；所述判别器由输入层、卷积层和输出层构成；