(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 202210892555.6 (22)申请日 2022.07.27 (71)申请人 华能新能源股份有限公司山西分公 司 地址 030000 山西省太原市小店区南中环 街200号国际大都会中心广场4幢B单 元19层190 3、 1904号 申请人 中国华能集团清洁能源技 术研究院 有限公司 (72)发明人 李鹏飞　申旭辉　杨介立　孙财新　 李楠　潘霄峰　范文光　关何格格　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 曲进华(51)Int.Cl. G06F 30/20(2020.01) G06F 113/06(2020.01) G06F 119/02(2020.01) (54)发明名称 基于蒙特卡洛法的超短期功率预测数据的 修正方法及系统 (57)摘要 本申请提出基于蒙特卡洛法的超短期功率 预测数据的修正方法及系统， 其中， 所述修正方 法包括： 获取预设时段内风电场对应的原始超短 期功率预测数据、 实发功率数据及超短期功率预 测数据修正模 型； 利用蒙特卡洛法确定所述超短 期功率预测数据修正模型对应的修正系数； 基于 所述原始超短期功率预测数据、 所述实发功率数 据及所述修正系数求解所述超短期功率预测数 据修正模型， 得到所述原始超短期功率预测数据 对应的修正后的超短期功率预测数据。 本申请提 出的技术方案， 利用蒙特卡洛法确定修正系数， 并基于所述修正系数对原始超短期功率预测数 据进行修正， 进而提高了超短期功率预测数据的 精度。 权利要求书2页 说明书8页 附图2页 CN 115099067 A 2022.09.23 CN 115099067 A 1.一种基于蒙特卡洛法的超短期功率预测数据的修正方法， 其特征在于， 所述修正方 法包括： 获取预设时段内风电场对应的原始超短期功率预测数据、 实发功率数据及超短期功率 预测数据修 正模型； 利用蒙特卡洛法确定所述超短期功率预测数据修 正模型对应的修 正系数； 基于所述原始超短期功率预测数据、 所述实发功率数据及所述修正系数求解所述超短 期功率预测数据修正模型， 得到所述原始超短期功 率预测数据对应的修正后的超短期功 率 预测数据。 2.如权利要求1所述的修正方法， 其特征在于， 所述超短期功率预测数据的修正模型的 计算式如下： Padjust,t＝Ppredict,t+β1(Preal,t‑1‑Ppredict,t ‑1)+β2(Preal,t‑2‑Ppredict,t ‑2) 式中， Padjust,t为第t个时刻修正后的超短期功 率预测数据， Ppredict,t为第t个时刻的原始 超短期功率预测数据， β1、 β2∈[0,1]， β1为第t‑1个时刻的原始超短期功率预测数据对应的 修正系数， Preal,t‑1为第t‑1个时刻的实发功率数据， Ppredict,t ‑1为第t‑1个时刻的原始超 短期 功率预测数据， β2为第t‑2个时刻的原始超短期功率预测数据对应的修正系数， Preal,t‑2为第 t‑2个时刻的实 发功率数据， Ppredict,t ‑2为第t‑2个时刻的原 始超短期功率预测数据。 3.如权利要求2所述的修正方法， 其特征在于， 所述利用蒙特卡洛法确定所述超短期功 率预测数据修 正模型对应的修 正系数， 包括： 获取所述预设时段内风电场对应的理想折扣率及投资回报率； 以所述预设时段内风电场对应的投资回报率与理想折扣率之和最大为目标， 并利用蒙 特卡洛法确定所述超短期功率预测数据修 正模型对应的修 正系数。 4.如权利要求3所述的修正方法， 其特征在于， 所述以所述预设时段内风电场对应的投 资回报率与理想折扣率之和最大为目标， 并利用蒙特卡洛法确定所述超短期功 率预测数据 修正模型对应的修 正系数， 包括： 步骤F1:在[0， 1]中进行第n次分别随机抽取β1对应的值及β2对应的值； 步骤F2： 将抽取得的β1的值和β2的值代入所述超短期功率预测数据的修正模型中进行 计算， 得到当前抽取β1及β2值对应的第t个时刻修正后的超短期功率预测数据Padjust,t， 然后 计算所述当前抽取β1及β2值对应的第t个时刻修正后的超短期 功率预测数据与第t个时刻的 实发功率数据间的差值 绝对值； 步骤F3： 令n＝n+1， 并返回步骤F1,直至n＝N时， 进入步骤F4， 其中， N为预设的修正系数 抽取次数； 步骤F4： 对N个所述差值绝对值进行统计分析， 得到该差值绝对值整体的分布， 并将该 差值绝对值进 行从小到大进 行排序， 形成差值序列， 然后选取所述差值序列中的前m个差值 对应的第t个时刻修 正后的超短期功率预测数据； 步骤F5： 分别基于前m个差值对应的第t个时刻修正后的超短期功率预测数据计算所述 预设时段内的风电场对应的投资回报率与理想折扣率之和， 并选取所述之和最大时对应的 β1及β2值， 将选取的所述β1及β2值作为所述超短期功率预测数据修 正模型对应的修 正系数。 5.一种基于蒙特卡洛法的超短期功率预测数据的修 正系统， 其特 征在于， 包括： 获取模块， 用于获取预设时段内风电场对应的原始超短期功率预测数据、 实发功率数权　利　要　求　书 1/2 页 2 CN 115099067 A 2据及超短期功率预测数据修 正模型； 确定模块， 用于利用蒙特卡洛法确定所述超短期功率预测数据修正模型对应的修正系 数； 修正模块， 用于基于所述原始超短期功率预测数据、 所述实发功率数据及所述修正系 数求解所述超短期功 率预测数据修正模型， 得到所述原始超短期功 率预测数据对应的修正 后的超短期功率预测数据。 6.如权利要求5所述的修正系统， 其特征在于， 所述超短期功率预测数据的修正模型的 计算式如下： Padjust,t＝Ppredict,t+β1(Preal,t‑1‑Ppredict,t ‑1)+β2(Preal,t‑2‑Ppredict,t ‑2) 式中， Padjust,t为第t个时刻修正后的超短期功 率预测数据， Ppredict,t为第t个时刻的原始 超短期功率预测数据， β1、 β2∈[0,1]， β1为第t‑1个时刻的原始超短期功率预测数据对应的 修正系数， Preal,t‑1为第t‑1个时刻的实发功率数据， Ppredict,t ‑1为第t‑1个时刻的原始超 短期 功率预测数据， β2为第t‑2个时刻的原始超短期功率预测数据对应的修正系数， Preal,t‑2为第 t‑2个时刻的实 发功率数据， Ppredict,t ‑2为第t‑2个时刻的原 始超短期功率预测数据。 7.如权利要求6所述的修 正系统， 其特 征在于， 所述确定模块， 包括： 获取单元， 用于获取 所述预设时段内风电场对应的理想折扣率及投资回报率； 确定单元， 用于以所述预设时段内风电场对应的投资回报率与理想折扣率之和最大为 目标， 并利用蒙特卡洛法确定所述超短期功率预测数据修 正模型对应的修 正系数。 8.如权利要求7 所述的修 正系统， 其特 征在于， 所述确定单 元用于： 步骤E1:在[0， 1]中进行第n次分别随机抽取β1对应的值及β2对应的值； 步骤E2： 将抽取得的β1的值和β2的值代入所述超短期功率预测数据的修正模型中进行 计算， 得到当前抽取β1及β2值对应的第t个时刻修正后的超短期功率预测数据Padjust,t， 然后 计算所述当前抽取β1及β2值对应的第t个时刻修正后的超短期 功率预测数据与第t个时刻的 实发功率数据间的差值 绝对值； 步骤E3： 令n＝n+1， 并返回步骤E1直至n＝N时， 进入步骤E4， 其中， N为预设的修正系数 抽取次数； 步骤E4： 对N个所述差值绝对值进行统计分析， 得到该差值绝对值整体的分布， 并将该 差值绝对值进 行从小到大进 行排序， 形成差值序列， 然后选取所述差值序列中的前m个差值 对应的第t个时刻修 正后的超短期功率预测数据； 步骤5： 分别基于前m个差值对应的第t个时刻修正后的超短期功率预测数据计算所述 预设时段内的风电场对应的投资回报率与理想折扣率之和， 并选取所述之和最大时对应的 β1及β2值， 将选取的所述β1及β2值作为所述超短期功率预测数据修 正模型对应的修 正系数。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 实现如权利要求1至4中任一项所述的 方法。 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， 该程序被处理器 执行时实现如权利要求1至4中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115099067 A 3