(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 202211545864.2 (22)申请日 2022.12.05 (71)申请人 南方电网数字电网研究院有限公司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 周长城　马溪原　程凯　包涛　 李卓环　周悦　张子昊　陈炎森　 潘世贤　胡旭东　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 陈金普 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/215(2019.01) G06F 16/2458(2019.01)G06Q 50/06(2012.01) (54)发明名称 一种AI与TSD结合的新能源中期功率组合预 测方法 (57)摘要 本申请涉及一种AI与TSD结合的新能源中期 功率组合预测方法。 所述方法包括： 基于新能源 场站对应的历史数值天气预报数据和历史功率 数据， 获取第一预处理数据和第二预处理数据； 根据第一预处理数据对第一预测模型进行模型 训练， 得到预训练预测模型， 将第二预处理数据 输入至预训练预测模型， 得到第一新能源功率预 测结果； 基于时间序列分解第一新能源功率预测 结果与历史功率数据的拼接结果， 得到目标时序 分量； 根据目标时序分量构建的第二预测模型得 到第二新能源功率预测结果； 将第一新能源功率 预测结果和第一新能源功率预测结果进行拼接 组合， 得到新能源中期功率预测结果。 采用本方 法能够实现新能源中期功率预测， 提升了预测精 度。 权利要求书2页 说明书15页 附图9页 CN 115545362 A 2022.12.30 CN 115545362 A 1.一种AI与TS D结合的新能源中期功率组合预测方法， 其特 征在于， 所述方法包括： 基于新能源场站对应的历史数值天气预报数据和历史功率数据， 获取第 一预处理数据 和第二预处 理数据； 根据所述第一预处理数据对第一预测模型进行模型训练， 得到预训练预测模型， 将所 述第二预处 理数据输入至所述预训练预测模型， 得到第一 新能源功率预测结果； 将所述第一新能源功率预测结果与所述历史功率数据的拼接结果， 作为目标输入数 据， 并基于时间序列分解所述目标输入数据， 得到目标时序分量； 根据所述目标时序分量构建第 二预测模型， 基于所述第 二预测模型得到第 二新能源功 率预测结果； 将所述第一新能源功率预测结果和所述第 二新能源功率预测结果进行拼接组合， 得到 新能源中期功率预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于新 能源场站对应的历史数值天气 预报数据和历史功率数据， 获取第一预处 理数据和第二预处 理数据， 包括： 获取所述新能源场站对应的历史数值天气预报数据， 对解析后的历史数值天气预报数 据进行数据补齐和数据清洗， 得到处 理后历史气象数据； 获取所述新能源场站对应的历史功率数据， 对所述历史功率数据进行数据清洗， 得到 处理后历史功率数据； 对齐所述处理后历史气象数据和所述处理后历史功率数据， 并根据对齐结果得到所述 第一预处 理数据和所述第二预处 理数据。 3.根据权利要求1所述的方法， 其特征在于， 所述第 一预测模型包括多个预设的候选预 测模型， 所述根据所述第一预处理数据对第一预测模型进行模型训练， 得到预训练预测模 型， 包括： 获取所述第一预处 理数据对应的特 征筛选结果， 作为模型训练输入数据； 根据所述模型训练输入数据和目标预测模型参数， 对各所述候选预测模型进行模型训 练， 得到多个训练完成的候选预测模型； 从多个所述训练完成的候选预测模型中确定出目标预测模型， 作为所述预训练预测模 型。 4.根据权利要求1所述的方法， 其特征在于， 在所述将所述第 二预处理数据输入至所述 预训练预测模型， 得到第一 新能源功率预测结果的步骤之前， 所述方法还 包括： 获取预测模型配置信 息； 所述预测模型配置信 息包括所述预训练预测模型的保存位置 信息； 采用所述预测模型配置信息加载 得到所述预训练预测模型。 5.根据权利要求1所述的方法， 其特征在于， 所述目标输入数据包括多个时段对应的时 间序列数据， 所述基于时间序列分解所述目标输入数据， 得到目标时序分量， 包括： 从所述目标输入数据中去除指定时段对应的时间序列数据， 得到去除后时间序列数 据； 根据预设周期性分量信 息和所述去除后时间序列 数据进行分解处理， 得到所述目标时 序分量。 6.根据权利要求1所述的方法， 其特征在于， 所述目标时序分量包括周期性分量、 趋势权　利　要　求　书 1/2 页 2 CN 115545362 A 2分量、 残差分量， 所述 根据所述目标时序分量构建第二预测模型， 包括： 基于所述周期性分量构建多层感知机模型， 并基于所述趋势分量构建循环神经网络模 型； 确定所述残差分量对应的输出 结果随机信息； 结合所述多层感知机模型、 所述循环神经网络模型， 以及所述输出结果随机信 息， 得到 所述第二预测模型。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述将所述第一新能源功率预 测结果和所述第二新能源功率预测结果进行拼接组合， 得到新能源中期功率预测结果， 包 括： 将所述第一新能源功率预测结果和所述第 二新能源功率预测结果进行拼接组合， 得到 拼接组合数据； 对所述拼接组合数据进行 预测结果 修正处理， 得到所述 新能源中期功率预测结果。 8.一种AI与TS D结合的新能源中期功率组合预测装置， 其特 征在于， 所述装置包括： 预处理数据获取模块， 用于基于新 能源场站对应的历史数值天气预报数据和历史功率 数据， 获取第一预处 理数据和第二预处 理数据； 第一功率预测结果得到模块， 用于根据所述第 一预处理数据对第 一预测模型进行模型 训练， 得到预训练预测模型， 将所述第二预 处理数据输入至所述预训练预测模型， 得到第一 新能源功率预测结果； 时间序列分解模块， 用于将所述第 一新能源功率预测结果与 所述历史功率数据的拼接 结果， 作为目标输入数据， 并基于时间序列分解所述目标输入数据， 得到目标时序分量； 第二功率预测结果得到模块， 用于根据所述目标时序分量构建第二预测模型， 基于所 述第二预测模型 得到第二 新能源功率预测结果； 中期功率预测结果确定模块， 用于将所述第 一新能源功率预测结果和所述第 一新能源 功率预测结果进行拼接组合， 得到新能源中期功率预测结果。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115545362 A 3