CN118630758B 一种面向气象信息仿真的新能源功率预测方法及系统 （长江三峡集团实业发展(北京)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118630758B(45)授权公告日2025.07.01

(21)申请号202411103040.9

(22)申请日2024.08.13

(65)同一申请的已公布的文献号申请公布号CN118630758A

(43)申请公布日2024.09.10

(73)专利权人长江三峡集团实业发展(北京)有

限公司

地址101100北京市通州区粮市街2号院6

号楼9层905

专利权人中国长江三峡集团有限公司

(72)发明人陈圣哲李卫兵唐博进蒋定国邓友汉余意姚维为陈静

宋子达李雨抒李乐颖汪磊

(74)专利代理机构宜昌市三峡专利事务所

42103

专利代理师刘翠霞

(51)Int.CI.

H02J3/00(2006.01)

HO2J3/38(2006.01)

GO6N3/06(2006.01)

GO6Q50/06(2024.01)

GO6F17/11(2006.01)

GO6F18/213(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN118428754A,2024.08.02

CN118040681A,2024.05.14CN115983481A,2023.04.18审查员周小沫

权利要求书2页说明书7页附图1页

(54)发明名称

一步骤一获取气象数据，对数据预处理步骤二构建智能气象大模型，利用训练后的

一步骤一

获取气象数据，对数据预处理

步骤二

构建智能气象大模型，利用训练后的智能气象大模型进行未来气象条件预测

步骤三

构建新能源发电功率预测模型，输入风速和太阳辐射强度的预测数据，对新能源发电功率进行预测

步骤四

对智能气象大模型和能源发电功率预测模型进行评估

(57)摘要

CN118630758B本发明提供的一种面向气象信息仿真的新能源功率预测方法及系统，包括：获取气象数据，对数据预处理；构建智能气象大模型，根据步骤一获得的气象数据对智能气象大模型进行训练，预测未来气象条件；构建新能源发电功率预测模型；利用历史实测数据对智能气象大模型和能源发电功率预测模型进行回测，评估预测精度。该

CN118630758B

CN118630758B权利要求书1/2页

2

1.一种面向气象信息仿真的新能源功率预测方法，其特征在于，包括以下步骤：

步骤一、获取气象数据，对气象数据预处理；

步骤二、构建智能气象大模型，根据步骤一获得的气象数据对智能气象大模型进行训练，预测未来气象条件；

智能气象大模型采用基于物理信息的神经网络模型，模型架构包括：

输入层，用于输入预处理后的气象数据；

隐藏层，采用多层结构，每层包含多个神经元；

物理约束层，引入气象学中的物理方程作为约束条件，物理方程包括：

1)Navier-Stokes方程，用于描述流体运动，表达式为：

?u/?t+(u·?)u=-?p/ρ+v?2u+f；

其中，u为速度场，t为时间，p为空气密度，p为压力，v为粘性系数，f为外力，▽表示梯

度；

2)质量守恒方程或连续性方程为：

▽·u=0;

该方程描述了流体的不可压缩性；

3)能量守恒方程或热力学方程：

OT/at+u·VT=x▽2T+Q;

其中，T为温度场，k为热扩散系数，Q为热源项；

输出层，用于输出未来气象条件输出结果；

步骤三、构建新能源发电功率预测模型，新能源发电功率预测模型的输入变量为步骤二中智能气象大模型输出的风速和太阳辐射强度预测数据，对新能源发电功率进行预测；

新能源发电功率预测模型包括风电功率预测模型和光伏功率预测模型，其中：

风电功率预测模型：基于风速v预测风电功率Pw,表达式为：

其中，p为空气密度，A为风轮扫风面积，η为效率系数；

光伏功率预测模型：基于太阳辐射强度G预测光伏发电功率Ps,表达式为：

Ps=G×Ap×ηp;

其中，Ap为光伏板面积，np表示光伏板效率系数。

2.根据权利要求1所述的一种面向气象信息仿真的新能源功率预测方法，其特征在于，所述步骤一中，对气象数据预处理包括以下步骤：

S101、数据清洗：去除异常值和填补缺失值；

去除异常值用四分位距方法：

IQR=Q3-Q1,其中Q1是第25百分位数，Q3是第75百分位数；

定义下限和上限，下限=Q1-1