一种新能源场站的发电量与电费预测系统及方法与流程

本发明涉及新能源发电，具体涉及一种新能源场站的发电量与电费预测系统及方法。

背景技术：

1、近年来，随着我国新能源发电行业建设的快速发展，各类新能源发电场站不断兴起，节能降碳需求与日俱增，而国家对的双碳目标实现重视程度也越来越高，基于当前现状，新能源发电场站的建设数量增长迅速，且相应的发电量与电费量也随之持续增加，因此，国家电网公司对各地区各集团发电项目的有序管理需要有必要的。

2、目前国家各地制定下达的电价补贴政策导致新能源发电场站规模迅速扩大，对于发电项目的管控，发电量的管理与预测仍缺乏技术手段，尤其是针对新能源场站发电量与电费预测估算偏差较大的问题。

技术实现思路

1、本发明的目的就是针对现有技术的缺陷，提供一种新能源场站的发电量与电费预测系统及方法，通过利用bp神经网络算法构建一个发电场站发电量与电费金额预测模型，实现新能源云系统数据深度挖掘，保证了数据模型的合理性，进而达到业务管理的升级。

2、本发明提供一种新能源场站的发电量与电费预测系统，包括：

3、预测模块，用于将新能源场站的当前发电量和电费数据输入预测模型，在预测模型中通过误差修正法得到未来发电量和电费数据的预测值。

4、进一步的，还包括：

5、数据获取模块，用于获取新能源场站的历史发电量和电费数据；

6、数据处理模块，用于将历史发电量和电费数据的时间按照日期先后顺序划分为两个日期不重合时间窗口t，并令两个日期不重合时间窗口t中日期较早的一个时间窗口t的发电量和电费数据为训练集，令两个日期不重合时间窗口t中日期较晚的一个时间窗口t的发电量和电费数据为测试集；

7、预测模型建立模块，用于建立bp神经网络并输入训练集，再将结果和测试集比较得到误差修正权值，根据误差修正权值建立预测模型。

8、进一步的，预测模型建立模块中，所述建立bp神经网络并输入训练集，再将结果和测试集比较得到误差修正权值，根据误差修正权值建立预测模型的具体方法为：

9、建立训练集ti＝{(x1,y1),(x2,y2),…,(xi,yi)}，其中，xi为训练集中的发电量，yi为训练集中的发电量xi对应的电费数据，建立测试集di＝{(x′1,y′1),(x′2,y′2),…,(x′i,y′i)}，x′i为测试集中的发电量，yi为测试集中的发电量x′i对应的电费数据，i为样本数量；

10、在bp神经网络中，由输入层经过隐藏层到输出层的信号正向传播函数如下：

11、ti＝∑ri×h

12、其中，ri为输出样本集合rj，ri＝{(x1,y1),(x2,y2),…,(xi,yi)}，xi为输出发电量，yi为输出电费，h为模型训练权值；

13、将输出样本集合ri中的每一个数据点(xi,yi)与测试集di中的每一个数据点(x′i,y′i)对比，得到每一个数据点的误差ei表示为：

14、ei＝di-ri

15、总计误差e表示为：

16、

17、误差修正权值m的计算公式如下：

18、

19、其中，λ为误差调节系数，符号δ表示偏移量；

20、根据误差修正权值，建立预测模型，其中：

21、发电量预测值计算公式为：

22、b＝(1+m)×p×h

23、b为预测发电量，p为当前装机容量，h为当前有效发电时间；

24、电费预测值计算公式为：

25、y＝(1+m)×b×p

26、y为预测电费，p为当前上网电价。

27、进一步的，预测模型建立模块，还用于对误差修正权值进行优化，具体方法为：

28、令

29、其中，u为梯度变量，为局部梯度，为梯度误差权值比，令

30、其中θ的优化方法如下：

31、选择sigmoid函数为激励函数f(x)，则：

32、

33、其中，e为常数，a为系数，c为自变量，将梯度变量u带入激励函数f(x)，并对公式进行求导，得到：

34、f’(u)＝a×u×(1-u)

35、再令

36、其中，k为误差变量，y为传递系数，ej为误差偏移量和误差变量比，k与y为相反数，得到θ的最优解公式如下：

37、θ＝ej×f’(u)

38、最终得到误差修正权值m的计算公式如下：

39、

40、一种新能源场站的发电量与电费预测方法，包括：

41、将当前新能源场站的发电量和电费数据输入预测模型，在预测模型中通过误差修正法得到未来发电量和电费数据的预测值。

42、进一步的，还包括：

43、获取新能源场站的历史发电量和电费数据；

44、将历史发电量和电费数据的时间按照日期先后顺序划分为两个日期不重合时间窗口t，并令两个日期不重合时间窗口t中日期较早的一个时间窗口t的发电量和电费数据为训练集，令两个日期不重合时间窗口t中日期较晚的一个时间窗口t的发电量和电费数据为测试集；

45、建立bp神经网络并输入训练集，再将结果和测试集比较得到误差修正权值，根据误差修正权值建立预测模型。

46、进一步的，所述建立bp神经网络并输入训练集，再将结果和测试集比较得到误差修正权值，根据误差修正权值建立预测模型的具体方法为：

47、建立训练集ti＝{(x1,y1),(x2,y2),…,(xi,yi)}，其中，xi为训练集中的发电量，yi为训练集中的发电量xi对应的电费数据，建立测试集di＝{(x′1,y′1),(x′2,y′2),…,(x′i,y′i)}，x′i为测试集中的发电量，yi为测试集中的发电量x′i对应的电费数据，i为样本数量；

48、在bp神经网络中，由输入层经过隐藏层到输出层的信号正向传播函数如下：

49、ti＝∑ri×h

50、其中，ri为输出样本集合rj，ri＝{(x1,y1),(x2,y2),…,(xi,yi)}，xi为输出发电量，yi为输出电费，h为模型训练权值；

51、将输出样本集合ri中的每一个数据点(xi,yi)与测试集di中的每一个数据点(x′i,y′i)对比，得到每一个数据点的误差ei表示为：

52、ei＝di-ri

53、总计误差e表示为：

54、

55、误差修正权值m的计算公式如下：

56、

57、其中，λ为误差调节系数，符号δ表示偏移量；

58、根据误差修正权值，建立预测模型，其中：

59、发电量预测值计算公式为：

60、b＝(1+m)×p×h

61、b为预测发电量，p为当前装机容量，h为当前有效发电时间；

62、电费预测值计算公式为：

63、y＝(1+m)×b×p

64、y为预测电费，p为当前上网电价。

65、进一步的，对误差修正权值进行优化，具体方法为：

66、令

67、其中，u为梯度变量，为局部梯度，为梯度误差权值比，令

68、其中θ的优化方法如下：

69、选择sigmoid函数为激励函数f(x)，则：

70、

71、其中，e为常数，a为系数，x为自变量，将梯度变量u带入激励函数f(x)，并对公式进行求导，得到：

72、f’(u)＝a×u×(1-u)

73、再令

74、其中，k为误差变量，y为传递系数，ej为误差偏移量和误差变量比，k与y为相反数，得到θ的最优解公式如下：

75、θ＝ej×f’(u)

76、最终得到误差修正权值m的计算公式如下：

77、

78、一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序在运行时执行上述新能源场站的发电量与电费预测方法。

79、一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行上述新能源场站的发电量与电费预测方法。

80、一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现上述新能源场站的发电量与电费预测方法。

81、本发明的有益效果为：

82、1.对于预测模型中的误差修正权值，使用bp神经网络不断修正误差权值，将当前装机容量、当前有效发电时间和当前上网电价赋予误差修正权值以预测它们未来的数值，通过这种误差修正法提高了预测精度。

83、2.在bp神经网络中通过扩展偏移量，细化了误差计算过程，降低了计算误差，进而进一步提高了预测精度。