超短期功率预测

为提高互感器误差预测准确度，首先引入对立搜索算子策略、非线性收敛控制因子对传统海鸥算法进行改进，提出一种基于改进海鸥优化算法(improved seagull optimization algorithm, ISOA)优化变分模态分解(variational mode decomposition, VMD)关键参数的方法，实现误差数据自适应分解。然后，基于多头注意力机制(multi-head attention, MHA)对误差影响特征交叉处理，挖掘各特征间关联性，通过强相关性特征与误差间关系建立弱相关特征与误差间深层联系，避免因数据浪费造成预测精度降低。并考虑训练集与测试集间关系，提出考虑样本相似性的长短期记忆神经网络(similar long short-term memory, SLSTM)，动态调整网络权重和偏置。最终构建MHA-CNN- SLSTM预测模型，并将预测值与实际值误差作为训练集再次输入预测模型，生成补偿数据补偿初步预测值，进一步提高预测精度。最后，以某实测互感器数据进行验证，结果表明所提模型具有更高的预测精度和更好的效果。

​11月1日从国网山东省电力公司获悉，9月份，山东新能源超短期预测精度达97.4%，位居国家电网有限公司系统内首位。这得益于国网山东电力于7月份开始应用的新能源超短期功率预测模式。截至目前，新能源超短期功率预测模式已在山东省全部258座风电场、303座光伏电站应用，将超短期预测精度提升1.9个百分点，新能源发电功率预测时间范围由未来4小时延长至未来12小时，为电网安全运行和新能源电力高效消纳提供有力支撑。

项目属于电力系统及其自动化学科，涉及新能源及节能技术领域。 依托国家 863 计划等重大项目，团队历时 7 年产学研联合攻关，针对千万千瓦级新能源调控面临的技术挑战，创新构建适应规模化新能源接入的精细调控技术体系，以气象资源和发电能力预测为基础，针对调控需求定制化功率预测，实现新能源场站精细化调控，有效提升新能源消纳水平。提出基于多气象源的新能源定制化功率预测方法。基于多气象源数据提出多气象源集成并分段建模的风电功率预测方法，针对省调备用优化提出基于预测误差概率分布的短期功率区间预测技术，针对地调有功控制提出计及空间相关性的超短期功率预测技术，提升预测结果调度适用性。提出扩展新能源消纳空间的省级电网多时间尺度调度技术。基于联合概率分布优化中短期旋转备用，基于初始场和气象模式订正动态修正日前发电计划，考虑调峰调频需求滚动优化分钟级控制指令，深度挖掘消纳空间。提出地区电网多层级协同的消纳空间优化分配与控制技术。基于累计均衡指标动态分配和两阶段滚动优化策略，最大化消纳新能源前提下兼顾发电均衡性，通道利用率超 98%，区域弃电率偏差降至 1.9%。提出新能源场站发电设备动态分群的有功功率多模式精确控制方法，场站控制响应时间缩短至 1~3s，控制误差小于 1%，实现电站计划曲线快速精准跟踪和消纳空间尽限利用。 项目授权发明专利 21 项，软件著作权 2 项，发表 SCI/EI 检索论文 20 篇，出版专著 2 本，制定标准 1 项，通过中国电机工程学会鉴定，达到国际先进水平。

本项目的研究成果目前已大规模应用于龙源集团自主研发的风电场功率预测系统产品中，并对风电场短期功率预测、超短期功率预测的预报精度大大提升，提高了龙源集团风电场功率预测系统的产品质量。不仅满足国家能源局对风电并网的管理要求，而且为企业创造了更多的经济效益。截至2013年12月底，已实施功率预测的风电场为55个，上报点总数57个，已考核的上报点数为38个，集中在江苏、河北、天津、甘肃、福建、新疆、吉林等地区，目前已安装系统运行状况良好、预报精度较高，整体效果提高了3%~5%。并获得实用新型专利授权2项，发明专利公开1项。