(19)中华 人民共和国 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 202111622927.5 (22)申请日 2021.12.28 (71)申请人 南京聚润信息科技有限公司 地址 211599 江苏省南京市六合区雄州街 道陈吕路21号 (72)发明人 郭苏　郑堃　阿依努尔 　刘群明　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 张鹏 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06N 3/00(2006.01)G06K 9/62(2022.01) (54)发明名称 一种水光出力联合预测方法 (57)摘要 本发明公开了一种水光出力联合预测方法， 属于水光联合发电技术领域。 本发 明的方法包括 如下步骤： S10、 采集光伏电站数据； S20、 光伏电 站出力预测； S30、 采集梯级水电站数据； S40、 梯 级水电站出力优化； S50、 构建水光出力联合模 型。 本发明的水光出力联合预测方法， 通过预测 目标预测日光伏电站的出力， 然后采用粒子群优 化算法， 相应优化各目标梯级水电站的出力， 最 终构建的水光出力联合模型对梯 级水电站、 光伏 电站联合系统的发电计划有着指导价值， 能有效 减轻光伏并网对电网产生的冲击， 促进光伏的消 纳， 降低了弃光 率。 权利要求书4页 说明书12页 附图2页 CN 114386681 A 2022.04.22 CN 114386681 A 1.一种水光出力联合预测方法， 其特 征在于， 包括如下步骤： S10、 采集光伏电站数据， 采集目标光伏电站历史N1年中与目标预测日相同日期所处区 间N2天， 共N1×N2＝n天的日光伏功率曲线数据及日辐照量数据， 并获取 目标光伏电站的出 力上限PPV， max； S20、 光伏电站出力预测， 利用步骤S10采集的数据进行目标预测日光伏电站出力预测， 得到预测结果PPV(t)； S30、 采集梯级水电站数据， 采集各目标梯级水电站历史年中平水年与目标预测日相同 日期的区间径流量数据， 作为对应目标梯级水电站目标预测日的区间径流量， 并获取各目 标梯级水电站的参数信息； S40、 梯级水电站出力优化， 利用步骤S30采集的数据及步骤S20的预测结果PPV(t)， 通过 粒子群优化算法， 优化 各目标梯级水电站的出力， 得到优化 结果Pi″(t)， i″＝1， 2， ...， d， d为 目标梯级水电站个数； S50、 构建水光出力联合模型， Ptotal(t)＝P1(t)+P2(t)+…Pi″(t)+…+Pd(t)+PPV(t)， 其中， Ptotal(t)为t时刻各目标梯级水电站与目标光伏电站的总出力， P1(t)、 P2(t)、 ...、 Pi″(t)、 ...、 Pd(t)分别为 各目标梯级水电站t时刻的出力， PPV(t)为目标光伏电站t时刻的出 力。 2.根据权利要求1所述的一种水光出力联合预测方法， 其特征在于， 所述步骤S30要采 集的数据如下： 第i″个梯级水电站的水头 Hi； 第i″个梯级水电站的发电效率 ηi； 梯级水电站群中目标梯级电站的个数d； 第i″个梯级水电站的出力上限Pi″， max； 第i″个梯级水电站的允许发电流 量上限 第i″个梯级水电站的允许发电流 量下限 第i″个梯级水电站第t时刻的区间径流 量 第i″个梯级水电站的初始库容Vi″， 1； 第i″个梯级水电站的最小库容Vi″， min； 第i″个梯级水电站的最大库容Vi″， max。 3.根据权利要求2所述的一种水光出力联合预测方法， 其特征在于， 所述步骤S40梯级 水电站出力优化的具体步骤为： S41、 构建目标函数mi n(F)， 其中， 权　利　要　求　书 1/4 页 2 CN 114386681 A 2式中， Ptotal(t)为第t时刻光伏电站与各梯级水电站联合的总出力， Paver为整个调度周 期内光伏电站与各梯级水电站联合的每小时平均出力， 为第i″个梯级水电站第 t时刻的 发电流量， Pi″(t)为第i ″个梯级水电站第t时刻的出力； S42、 建立约束， 0≤PPV， t≤PPV， max； 0≤Pi″(t)≤Pi″， max； Vi″， min≤Vi″， t≤Vi″， max； 式中， Vi″， t为第i″个梯级水电站第t时刻的库容； S43、 设置粒子群参数， 将 设为未知变量， 粒子群算法维数D＝d， 随机产生粒子总数M＝100， 最大迭代次数T ′max＝500， 学习因子c1＝c2＝1.2， 初始优化权重 ω＝0.9； S44、 开始优化， (1)在t时刻第z个粒子的位置为 其中 分别对应各 未知变量； 在t时刻第z个粒子的速度为 在t时刻的第z个粒子的最优位置为 在t时刻种群搜索的全局最优位置为 使用rand函数对粒子进行初始化， 确定初始粒子位置和速度； (2)将粒子位置带入目标函数min(F)， 求得的值为粒子适应度， 并以此作 为粒子个体最 优值， 将粒子个体最优值在全局范围内做比较， 数值最小的粒子个体最优值作为全局 最优 值， 并记录其对应的粒子位置； (3)按照如下模型对粒子位置和速度进行更新， 更新过程中相关参数要符合S42的约 束， 模型为， 其中， c1＝c2＝1.2， r1和r2是两个相互独立的随机数， 取值范 围(0， 1)， ω＝0.9； 是t 时刻第个z粒子的个体最优值； 是t时刻z粒子的全局最优值； 为更新后的粒子速度， 为更新后的粒子位置； (4)将更新后的粒子位置带入目标函数min(F)， 重复步骤(2)～(3)， 迭代T ′max次后， 结 束迭代， 以此时全局最优值对应的粒子位置的值为各未知变量的最优解， 由此得到 的最优值； S45、 获取梯级水电站最优出力， 将步骤S44获得的最优 的值代入式 得到 的Pi″(t)值即为第i ″个梯级水电站第t时刻的最优出力。 4.根据权利要求1所述的一种水光出力联合预测方法， 其特征在于， 所述步骤S10 中， 与权　利　要　求　书 2/4 页 3 CN 114386681 A 3