(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 202111427537.2 (22)申请日 2021.11.25 (71)申请人 中国南方电网有限责任公司 地址 510670 广东省广州市黄埔区科 学城 科翔路11号 申请人 南方电网科 学研究院有限责任公司 (72)发明人 袁泉　张蔷　邹金　卓映君　 王子强　卢斯煜　王巍　李豹　 周毓敏　姚海成　周鑫　卢伟辉　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 麦小婵 (51)Int.Cl. G06F 17/18(2006.01) G06Q 10/04(2012.01)G06Q 50/06(2012.01) (54)发明名称 风光资源未来预测误差求解方法、 装置、 设 备及存储介质 (57)摘要 本发明公开了风光资源未来预测误差求解 方法、 装置、 设备及存储介质， 该方法包括： 基于 风光预测误差回归模型， 根据历史风光出力数 据， 分别获得预设历史时段中每一个季节的昼、 夜时段的历史风电、 光伏装机占比和历史风光预 测误差标幺值的绝对平均值， 然后进行参数回归 拟合， 获得每一个季节的昼、 夜时段的风电、 光伏 装机影响因子； 然后根据预设的未来风光出力数 据和风电、 光伏装机影响因子， 获得预设未来时 段中每一个季节的昼、 夜时段的未来预测误差 值； 本发明进行风光资源未来预测误差值求解时 考虑了风光 资源的季节性差异与 昼夜差异， 以及 风电装机数和光伏装机数对风光资源预测误差 的影响， 从而获得准确的未来预测误差值。 权利要求书4页 说明书9页 附图1页 CN 114238856 A 2022.03.25 CN 114238856 A 1.一种风 光资源未来预测误差求 解方法， 其特 征在于， 包括： 基于预先获取的风光预测误差回归模型， 根据预先获取的历史风光出力数据， 分别获 得预设历史时段中每一个季节的昼、 夜时段 的历史风电装机占比、 历史光伏装机占比和历 史风光预测误差标幺值的绝对平均值； 基于所述风光预测误差回归模型， 分别根据所述预设历史时段中每一个季节的昼、 夜 时段的历史风电装机占比、 历史光伏装机占比和历史风光预测误差标幺值的绝对平均值进 行参数回归拟合， 获得每一个季节的昼、 夜时段的风电装机影响因子和光伏装机影响因子； 基于所述风光预测误差回归模型， 根据预设的未来风光出力数据、 所述风电装机影响 因子和所述光伏装机影响因子， 获得预设未来时段中每一个季节的昼、 夜时段的未来预测 误差值； 其中， 所述历史风光出力数据包括所述预设历史时段的历史风电总装机数、 历史光伏 总装机数、 历史风电出力预测误差和历史光伏出力预测误差； 所述未来风光出力数据包括所述预设未来时段的未来风电总装机数和未来光伏总装 机数。 2.如权利要求1所述的风光资源未来预测误差求解方法， 其特征在于， 所述方法具体通 过如下步骤预 先获取所述风光预测误差回归 模型： 根据如下表达式构建所述 风光预测误差回归 模型： 其中， Cw为风电总装机数， Cp为光伏总装机数， X为风电装机占比， Y为光伏装机占比， Pwei 为i时段风电出力 预测误差， Ppei为i时段光伏出力预测误差， N为时段总数， Z为各时段风光 预测误差标幺值的绝对平均值， a为 风电装机影响因子， b为 光伏装机影响因子， c为常数项。 3.如权利要求2所述的风光资源未来预测误差求解方法， 其特征在于， 所述基于预先获 取的风光预测 误差回归模型， 根据预先获取 的历史风光出力数据， 分别获得预设历史时段 中每一个季节的昼、 夜时段的历史风电装机占比、 历史光伏装机占比和历史风光预测误差 标幺值的绝对平均值， 具体包括： 基于预先获取的风光预测误差回归模型， 根据预先获取的历史风光出力数据， 获得预 设历史时段中每一个季节的昼时段的第一历史风电装机占比、 第一历史光伏装机占比和 第 一历史风 光预测误差标幺值的绝对平均值； 基于所述风光预测误差回归模型， 根据所述预设历史时段的历史风电总 装机数和历史权　利　要　求　书 1/4 页 2 CN 114238856 A 2风电出力预测 误差， 获得预设历史时段中每一个季节的夜时段的第二历史风电装机占比、 第二历史光伏装机占比和第二历史风光预测误差标幺值的绝对平均值， 其中， 所述第二历 史光伏装机占比为 零。 4.如权利要求3所述的风光资源未来预测误差求解方法， 其特征在于， 所述基于所述风 光预测误差回归模型， 根据预设的未来风光出力数据、 所述风电装机影响因子和所述光伏 装机影响因子， 获得预设未来时段中每一个季节的昼、 夜时段的未来预测误差值， 具体包 括： 基于所述风光预测误差回归模型， 根据预设的未来风光出力数据， 分别获得所述预设 未来时段中每一个季节的昼、 夜时段的未来 风电装机占比和未来 光伏装机占比； 基于所述风光预测误差回归模型， 根据 所述未来风电装机占比、 未来光伏装机占比、 所 述风电装机影响因子和所述光伏装机影响因子， 获得预设未来时段中每一个季节的昼、 夜 时段的未来预测误差值。 5.一种风 光资源未来预测误差求 解装置， 其特 征在于， 包括： 数据获取模块， 用于基于预先获取的风光预测误差回归模型， 根据预先获取的历史风 光出力数据， 分别获得预设历史 时段中每一个季节的昼、 夜时段的历史风电装机占比、 历史 光伏装机占比和历史风 光预测误差标幺值的绝对平均值； 参数回归拟合模块， 用于基于所述风光预测误差回归模型， 分别根据所述预设历史时 段中每一个季节的昼、 夜时段的历史风电装机占比、 历史光伏装机占比和历史风光预测误 差标幺值的绝对平均值进行参数回归拟合， 获得每一个季节的昼、 夜时段的风电装机影响 因子和光伏装机影响因子； 未来预测误差值获取模块， 用于基于所述风光预测误差回归模型， 根据预设的未来风 光出力数据、 所述风电装机影响因子和所述光伏装机影响因子， 获得预设未来时段中每一 个季节的昼、 夜时段的未来预测误差值； 其中， 所述历史风光出力数据包括所述预设历史时段的历史风电总装机数、 历史光伏 总装机数、 历史风电出力预测误差和历史光伏出力预测误差； 所述未来风光出力数据包括所述预设未来时段的未来风电总装机数和未来光伏总装 机数。 6.如权利要求5所述的风光资源未来预测误差求解装置， 其特征在于， 还包括风光预测 误差回归 模型获取模块， 用于： 根据如下表达式构建所述 风光预测误差回归 模型：权　利　要　求　书 2/4 页 3 CN 114238856 A 3