(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 202211081303.1 (22)申请日 2022.09.05 (71)申请人 中国长江三峡集团有限公司 地址 100038 北京市海淀区玉渊潭南路1号 (72)发明人 张玮　李梦杰　陈杰　刘志武　 刘攀　刘瑞阔　徐伟峰　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 李静玉 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 113/06(2020.01)G06F 119/06(2020.01) (54)发明名称 一种水风光发电功 率预测模 型构建方法、 装 置及存储介质 (57)摘要 本发明公开了一种水风光发电功率预测模 型构建方法、 装置及存储介质， 该方法包括： 获取 数据集， 数据集包括作为训练样 本的历史气象数 据以及作为标签的功率数据； 利用数据集训练出 多个水电功率预测模型、 多个风电功率预测模型 和多个光伏功率预测模型； 利用多目标模糊决策 方法对每个模 型的预测结果进行联合评价， 确定 最优水电功率预测模型、 最优风电功率预测模块 及最优光伏功率预测模型。 通过实施本发明， 采 用获取的数据集训练得到多个水电功率预测模 型、 风电功率预测模型和光伏功率预测模型， 然 后采用多目标模糊决策方法对多个模型的预测 结果进行联合评价， 从而选出最优的水风光功率 预测模型， 由此可有效提升水风光联合预测的灵 活性和泛化 性。 权利要求书2页 说明书12页 附图3页 CN 115271253 A 2022.11.01 CN 115271253 A 1.一种水风 光发电功率预测模型构建方法， 其特 征在于， 包括： 获取数据集， 所述数据集包括作为训练样本的历史气象数据以及作为标签的水电功率 数据、 风电功率数据和光伏 功率数据； 利用所述数据集训练出多个水电功率预测模型、 多个风电功率预测模型和多个光伏功 率预测模型； 利用多目标模糊决策方法对每个模型的预测结果进行联合评价， 确定最优水电功率预 测模型、 最优风电功率预测模块以及最优光伏 功率预测模型。 2.根据权利要求1所述的水风光发电功率预测模型构建方法， 其特征在于， 利用多目标 模糊决策方法对每个模型 的预测结果进行联合评价， 确定最优水电功率预测模型、 最优风 电功率预测模块以及最优光伏 功率预测模型， 包括： 分别从水电、 风电和光伏的角度利用预设评价指标计算每个模型的预测结果， 得到对 应角度的预设评价指标值； 根据对应角度的预设评价指标值构建决策矩阵， 得到水电决策矩阵、 光伏决策矩阵和 风电决策矩阵； 计算水电决策矩阵、 光伏决策矩阵和风电决策矩阵中各指标值的信息熵和指标权 重； 根据所述信 息熵和指标权重计算的得分确定对应的模型作为最优水电功率预测模型、 最优风电功率预测模块以及最优光伏 功率预测模型。 3.根据权利要求2所述的水风光发电功率预测模型构建方法， 其特征在于， 所述预测评 价指标包括决定系 数、 平均绝对百分比误差以及剩余负荷标准差， 所述剩余负荷标准差采 用如下方式计算： 计算每个水电功率预测模型、 风电功率预测模型和光伏功率预测模型预测功率之和， 得到水风 光发电预测总功率； 根据所述水风光发电预测总功率和对应的总负荷进行标准差计算， 得到剩余负荷标准 差。 4.根据权利要求3所述的水风光发 电功率预测模型构建方法， 其特征在于， 分别从水 电、 风电和光伏的角度利用预设评价指标计算每个模型 的预测结果， 得到对应角度的预设 评价指标值， 包括： 基于水电角度， 计算每个水电功率预测模型预测结果的决定系数、 平均绝对百分比误 差以及固定水电功率预测模型改变风电功率预测模型和 光伏功率预测模型时的剩余负荷 标准差； 基于风电角度， 计算每个风电功率预测模型预测结果的决定系数、 平均绝对百分比误 差以及固定风电功率预测模型改变水电功率预测模型和 光伏功率预测模型时的剩余负荷 标准差； 基于光伏角度， 计算每个光伏功率预测模型预测结果的决定系数、 平均绝对百分比误 差以及固定光伏功率预测模型改变风电功率预测模型和水电功率预测模型时的剩余负荷 标准差。 5.根据权利要求1所述的水风光发电功率预测模型构建方法， 其特征在于， 所述获取数 据集， 包括： 将所述历史气象数据以及对应的水电功率数据、 风电功率数据和光伏功率数据按照季权　利　要　求　书 1/2 页 2 CN 115271253 A 2节进行划分； 按照划分的季节， 从所述历史气象数据中分别提取与水电功率数据、 风电功率数据和 光伏功率数据相关程度大于预设阈值的气象因子； 从水电功率数据、 风电功率数据和光伏功率数据中分别提取所述气象因子对应的目标 水电功率数据、 目标风电功率数据和目标光伏 功率数据； 将气象因子作为训练样本、 目标水电功率数据、 目标风电功率数据和目标光伏功率数 据作为标签。 6.根据权利要求1所述的水风光发电功率预测模型构建方法， 其特征在于， 利用所述数 据集训练出多个水电功率预测模型、 多个风电功率预测模型和多个光伏功率预测模型， 包 括： 初始化若干不同算法的分类模型； 利用历史气象数据和水电功率数据训练每种算法的分类模型， 得到多个水电功率预测 模型； 利用历史气象数据和风电功率数据训练每种算法的分类模型， 得到多个风电功率预测 模型； 利用历史气象数据和光伏功率数据训练每种算法的分类模型， 得到多个光伏功率预测 模型。 7.根据权利要求5所述的水风光发电功率预测模型构建方法， 其特征在于， 在所述将所 述历史气象数据以及对应的水电功 率数据、 风电功 率数据和光伏功 率数据按照季节进 行划 分之前， 还 包括： 将缺失了功率数据的历史气象数据删除； 对出现异常的功率数据利用K近邻互补法进行纠正。 8.一种水风 光发电功率预测模型构建装置， 其特 征在于， 包括： 数据获取模块， 用于获取数据集， 所述数据集包括作为训练样本的历史气象数据以及 作为标签的水电功率数据、 风电功率数据和光伏 功率数据； 模型训练模块， 用于利用所述数据集训练出多个水电功率预测模型、 多个风电功率预 测模型和多个光伏 功率预测模型； 模型筛选模块， 用于利用多目标模糊决策方法对每个模型的预测结果进行联合评价， 确定最优水电功率预测模型、 最优风电功率预测模块以及最优光伏 功率预测模型。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使所述计算机执行如权利要求1 ‑7任一项所述的水风光发电功率 预测模型构建方法。 10.一种电子设备， 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 执行如权利要求1 ‑7任一项所述的水风 光发电功率预测模型构建方法。权　利　要　求　书 2/2 页 3 CN 115271253 A 3