您所在的位置: 成果库 基于数据驱动的可再生能源不确定性建模技术

基于数据驱动的可再生能源不确定性建模技术

发布时间: 2025-08-07

基本信息

合作方式： 技术转让
成果类型： 发明专利
行业领域：
电子信息技术,计算机及网络技术
成果介绍
可再生能源出力的随机性、波动性和不确定性给电网运行带来了挑战，如何对其进行准确预测是关键问题。传统方法难以全面建模可再生能源出力不确定性，大数据和人工智能技术提供了新途径。但多源异构化数据和多样化需求下对可再生能源的精确建模仍是痛点问题。因此，亟需探索合理使用多源化数据的可再生能源建模方法，提升预测精度，为可再生能源参与电网调度和市场调节提供技术支撑。 1、多源数据驱动的可再生能源不确定性建模方法 本成果在风电/光伏功率预测的方案中融合了多源化的数据，其中包含发电场站的功率量测数据、气象量测数据、数值天气预报数据、地理空间数据等。并融合深度学习模型提取关键特征信息，在多源数据驱动下实现对可再生能源出力在超短期/短期尺度上的高精度建模。 2、基于用户需求的可再生能源不确定性建模方案 本项成果通过多种深度神经网络模块可以输出多样化的建模结果，以满足不同的用户需求，包含传统点预测结果（中位数预测、期望值预测），概率预测（分位数预测，概率密度函数预测）以及时序场景生成结果。
成果亮点
1、高精度的可再生能源预测 相较于单一数据源，多源数据能够提供更全面的观测，从而更准确地描述可再生能源的特征和变化。其还能有效应对可再生能源场站数据不足或缺失的情况，提高预测精度的可靠性，以满足可再生能源场站功率预报的考核。不仅如此，引入多源数据的同时，充分提取了时空特性，进一步突破了现有预测精度水平。 2、满足不同用户的需求 该项成果具有定制化的特点，可以根据不同用户的需求提供相应的预测结果。在保留相关核心模块的情况下，通过替换输出模块即可实现相应功能的定制化。这意味着能够根据用户的特定需求，灵活地调整和适配预测模型，以满足不同用户群体的需求。无论是电力系统运营商、可再生能源开发商等，都能够根据他们的具体要求，提供量身定制的预测结果和解决方案。这种定制化的能力将大大提升用户的满意度和使用效果，为不同领域的用户提供高度个性化的服务和支持。
团队介绍
北京航空航天大学（Beihang University），简称北航（BUAA），位于中国首都北京市，隶属于中华人民共和国工业和信息化部，中央直管高校，中国第一所航空航天高等学府，具有航空、航天和信息领域的发展比较优势。是国家重点建设的高校、全国第一批16所重点高校之一、211工程、985工程建设高校、国家“双一流”建设高校。
成果资料