NWP多维特征拟合的新能源小时间尺度功率预测方法

技术领域

本发明涉及数据处理技术领域，尤其涉及一种NWP多维特征拟合的新能源小时间尺度功率预测方法。

背景技术

目前，我国新能源场站功率预测精度较低。因此，时间尺度小、预测频率高的高精度新能源功率预测有待开展。

现有技术中，可以借助数值天气预报实现新能源功率的短期预测。但是数值天气预报的时间尺度通常比较大，数值天气预报的数据采集间隔通常为15分钟，要做到小时间尺度的天气预报需要极高的成本，不适合大批量的新能源功率预测。基于上述原因，目前亟待实现小时间尺度、特别是5分钟级别的高精度新能源功率预测。

发明内容

本发明实施例提供了一种NWP多维特征拟合的新能源小时间尺度功率预测方法，以提高新能源超短期功率预测的分辨率，提高新能源功率预测的准确度。

本发明提供了一种NWP多维特征拟合的新能源小时间尺度功率预测方法，该方法包括：

在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报；

依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报；其中，所述第一时长间隔大于所述第二时长间隔；

将所述多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与所述多个待使用数值天气预报相对应的多个新能源场站预测功率；

反馈所述多个新能源场站预测功率。

可选的，所述小时间尺度功率预测指令是基于定时任务生成的、基于用户的触发操作生成的、和/或采集到了多个所述待处理数值天气预报。

可选的，所述获取预测时间段内第一时长间隔的多个待处理数值天气预报，包括：

获取以当前时刻为起始点未来预设时长内每个时间切片所对应的多个待处理数值天气预报；

其中，所述未来预设时长与所述预测时间段的时间长度相一致，所述第一时长间隔对应于所述时间切片的长度。

可选的，所述依据预设插值方法对所述多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，包括：

依据所述多个待处理数值天气预报的预测时刻，确定预测时刻相邻的两个待处理数值天气预报；

依据三次条样插值法和/或最近邻插值法对相邻的两个待处理数值天气预报插值处理，得到多个待选择数值天气预报；

依据预先设置的第二时长间隔和所述多个待选择数值天气预报的插值时间戳，确定所述多个待使用数值天气预报。

可选的，所述方法还包括：

训练得到所述新能源小时间尺度功率预测模型；

所述训练得到所述新能源小时间尺度功率预测模型，包括：

获取当前新能源场站的历史数值天气预报，以及所述新能源场站的历史功率；

从目标历史时刻为采集起点，依据所述第一时长间隔对所述历史数值天气预报采样处理，得到多个离散历史数值天气预报；以及，以所述目标历史时刻为采集起点，依据所述第二时长间隔对所述历史功率采样处理，得到多个离散历史功率；

基于所述多个离散历史数值天气预报以及所述多个离散历史功率，确定训练样本；

基于所述训练样本对待训练小时间尺度功率预测模型进行训练，得到所述小时间尺度功率预测模型；

其中，所述第一时长间隔为15min，所述第二时长间隔为5min，所述预测时间段所对应的时间长度为4个小时。

可选的，所述基于所述多个离散历史数值天气预报以及所述多个离散历史功率，确定训练样本，包括：

对所述多个离散历史数值天气预报插值处理，得到多个待使用历史数值天气预报；

依据所述第二时长间隔从多个所述待使用历史数值天气预报抽值处理，得到多个待训练历史数值天气预报；

根据预先设置的预测时间段所对应处理时长，将所述待使用历史数值天气预报和多个所述离散历史功率划分为多组，得到所述训练样本。

可选的，所述将所述待使用历史数值天气预报和多个所述离散历史功率划分为多组，得到所述训练样本，包括：

依据所述多个离散历史功率所对应的采集时刻获取所述待使用历史数值天气预报；

基于所述预测时间段所对应的时间长度，对对齐后的待使用历史数值天气预报和离散历史功率进行划分，确定每个历史时间段内的多个待使用历史数值天气预报和多个离散历史功率；其中，所述历史时间段和所述预测时间段所对应的时间长度相同；

基于每个历史时间段内的多个待使用历史数值天气预报和多个离散历史功率，确定训练样本。

可选的，所述基于所述训练样本对待训练小时间尺度功率预测模型进行训练，得到所述小时间尺度功率预测模型，包括：

将当前训练样本中的多个待使用历史数值天气预报输入至待训练新能源小时间尺度功率预测模型中，输出多个预测功率；

基于所述多个离散历史功率和所述多个预测功率，确定损失值，以基于所述损失值对所述待训练小时间尺度功率预测模型中的模型参数进行修正；

将所述待训练小时间尺度功率预测模型中的损失函数收敛作为训练目标，得到待使用小时间尺度功率预测模型；

基于多个验证样本对所述待使用小时间尺度功率预测模型进行验证，得到所述待使用小时间尺度功率预测模型的准确率；

在所述准确率大于预设准确率阈值时，将所述待使用小时间尺度功率预测模型作为所述小时间尺度功率预测模型。

可选的，所述基于多个验证样本对所述待使用小时间尺度功率预测模型进行验证，得到所述待使用小时间尺度功率预测模型的准确率，包括：

将各验证样本输入至所述待使用小时间尺度功率预测模型中，得到与各验证样本所对应的新能源预测功率；

基于各验证样本中的离散历史功率、相应的新能源预测功率以及准确率预测函数，确定所述待使用小时间尺度功率预测模型的准确率。

可选的，所述准确率预测函数为：

其中，r

本发明实施例提供的技术方案，在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报，随后，依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，其中，第一时长间隔大于第二时长间隔，进而将多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与多个待使用数值天气预报相对应的多个新能源场站预测功率，并反馈多个新能源场站预测功率。本发明提高了新能源超短期功率预测的分辨率，提高了新能源功率预测的效率和准确度。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的一种NWP多维特征拟合的新能源小时间尺度功率预测方法的流程图；

图2为本发明实施例二提供的另一种NWP多维特征拟合的新能源小时间尺度功率预测方法的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一预设条件”、“第二预设条件”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种NWP多维特征拟合的新能源小时间尺度功率预测方法的流程图，本实施例可适用于对新能源场站功率进行预测的情形。该方法可以由小时间尺度功率预测装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可以配置在计算机设备上，该计算机设备可以是笔记本、台式计算机以及智能平板等。如图1所示，该方法包括：

S110、在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报。

其中，小时间尺度功率预测指令为用于执行获取待处理数值天气预报数据任务的触发条件。预测时间段为预先设定的时间段，例如，预测时间段为4个小时。第一时间间隔为预先设定的时间长度，例如，第一时间间隔为15分钟。

其中，数值天气预报(numerical weatherprediction，NWP)是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象，从而得到一系列表征天气的数据值。数值天气预报数据中包含多种维度的特征数据，例如，包括湿度维度数据、温度维度数据、风向维度数据等。待处理数值天气预报为即将用于预测新能源场站预测功率的数值天气预报。

可选的，小时间尺度功率预测指令是基于定时任务生成的、基于用户的触发操作生成的、和/或采集到了多个待处理数值天气预报。

在本实施例中，触发小时间尺度功率预测指令的情形包括以下三种情形中的至少一种。第一种情形：预先设定定时任务，根据定时任务，周期性的确定多个待处理数值天气预报，周期性对应的周期时长为设定值。例如，可以依据预先设置的定时任务，每隔15分钟，获取未来4个小时内的多个待处理数值天气预报。第二种情形：预先设定数据获取触发控件，当用户触发该数据获取触发控件时，获取多个待处理数值天气预报。第三种情形：预先设定数量阈值，当检测到采集的数值天气预报达到数量阈值时，获取多个待处理数值天气预报。

具体的，获取预测时间段内第一时长间隔的多个待处理数值天气预报，包括：获取以当前时刻为起始点未来预设时长内每个时间切片所对应的多个待处理数值天气预报。

其中，未来预设时长与预测时间段的时间长度相一致。例如，预测时间段为4小时，则未来预测时长为4小时。第一时长间隔对应于时间切片的长度。例如，第一时长间隔为15分钟，则一个时间切片对应的长度也为15分钟。

示例性的，未来预设时长4小时，当前时刻t0为4：00，每个时间切片为15分钟，则未来预设时长内各时间切片对应的时刻为：t3为4：15时刻、t6为4：30时刻、t9为4：45时刻、t12为5：00时刻、t15为5：15时刻、t18为5：30时刻、t21为5：45时刻、t24为6：00时刻、t27为6：15时刻、t30为6：30时刻、t33为6：45时刻、t36为7：00时刻、t39为7：15时刻、t42为7：30时刻、t45为7：45时刻和t48为8：00时刻。基于此，所获取的多个待处理数值天气预报为未来4小时之内的16个数据天气预报。

S120、依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报。

其中，预设插值方法为预先设定的插值处理方法，例如，预设插值方法包括但不限于三次条样插值法和/或最近邻插值法。第一时长间隔和第二时长间隔均为预先设定的时间长度，第一时长间隔大于第二时长间隔，例如，第一时长间隔为15分钟，第二时长间隔为5分钟。待使用数值天气预报为即将用于预测新能源场站预测功率的数据。多个待使用数值天气预报中，每两个相邻的待使用数值天气预报之间的时间间隔为第二时长间隔。

可选的，依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，具体包括以下步骤：

S1201、依据多个待处理数值天气预报的预测时刻，确定预测时刻相邻的两个待处理数值天气预报。

在本实施例中，各个待处理数值天气预报对应的预测时刻是可以直接获取到的，根据各预测时刻的先后顺序，可以确定多组两两相邻的待处理数值天气预报。

示例性的，3个待处理数值天气预报分别为NWP1、NWP2、NWP3，NWP1对应的预测时刻为4：15，NWP2对应的预测时刻为4：30、NWP3对应的预测时刻为4：45，则NWP1与NWP2为预测时刻相邻的一组待处理数值天气预报，NWP2与NWP3为预测时刻相邻的一组待处理数值天气预报。

S1202、依据三次条样插值法和/或最近邻插值法对相邻的两个待处理数值天气预报插值处理，得到多个待选择数值天气预报。

在本实施例中，对每组相邻的两个待处理数值天气预报，可以采用三次条样插值法进行插值处理，得到多个待选择数值天气预报；可以采用最近邻插值法进行插值处理，得到多个待选择数值天气预报；还可以是分别采用三次条样插值法和最近邻插值法进行插值处理，根据三次条样插值法确定的多个第一待选择数值天气预报，以及，最近邻插值法确定的多个第二待选择数值天气预报，共同确定多个待选择数值天气预报。

在上述示例性的基础上，以相邻的两个待处理数值天气预报NWP1与NWP2为例，若插值处理得到的多个待选择数值天气预报为：插值时间戳为4：15的NWP00、插值时间戳为4：16的NWP01、插值时间戳为4：17的NWP02、插值时间戳为4：18的NWP03、插值时间戳为4：19的NWP04、插值时间戳为4：20的NWP05、插值时间戳为4：21的NWP06、插值时间戳为4：22的NWP07、插值时间戳为4：23的NWP08、插值时间戳为4：24的NWP09、插值时间戳为4：25的NWP10、插值时间戳为4：26的NWP11、插值时间戳为4：27的NWP12、插值时间戳为4：28的NWP13、插值时间戳为4：29的NWP14、插值时间戳为4：30的NWP15。

S1203、依据预先设置的第二时长间隔和多个待选择数值天气预报的插值时间戳，确定多个待使用数值天气预报。

在本实施例中，若预设第二时长间隔为5分钟，则多个待使用数值天气预报之间的时间间隔为5分钟。

在上述示例性的基础上，由相邻的两个待处理数值天气预报NWP1与NWP2所确定的多个待使用数值天气预报分别是：插值时间戳为4：15的NWP00、插值时间戳为4：20的NWP05、插值时间戳为4：25的NWP10以及插值时间戳为4：30的NWP15。即多个待使用数值天气预报之间的时间间隔为第二预设时长。

S130、将多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与多个待使用数值天气预报相对应的多个新能源场站预测功率。

其中，一个风力发电厂可以被认为是一个新能源场站，一个光伏发电厂也可以被认为是一个新能源场站。新能源场站预测功率为新能源小时间尺度功率预测模型基于多个待使用数值天气预报输出的预测功率。

在上述示例性的基础上，若需要预测未来4小时的新能源场站预测功率，当前时刻为4：10，则输入至小时间尺度功率预测模型中的多个数值天气预报为：4：15时刻的NWP11、4：20时刻的NWP22、4：25时刻的NWP33、…8：10时刻的NWPss，共计48个数值天气预报数据。新能源小时间尺度功能预测模型的输出量为48个新能源场站预测功率，分别为4：15时刻、4：20时刻、4：25时刻、…以及8：10时刻对应的新能源场站预测功率。

S140、反馈多个新能源场站预测功率。

在本实施例中，在得到多个新能源场站预测功率的基础上，将多个新能源场站预测功率及时反馈至工作人员所对应的控制设备中。以使工作人员及时调整新能源生产设备，达到保证电网的安全稳定运行，减少调峰机组等备用资源的投资，提高风光等新能源的消纳水平，提高经济效益和社会效益的目的。

特别的，在实际生产环境中，并非每个时刻都会记录到数值天气预报，数值天气预报的采集时间戳是固定的，例如，只有在每天的5：00、5：15、5:30、…等时刻才会记录到数值天气预报，在5：05、5：10这样的时刻不会记录到数值天气预报。在这种实际生产环境中，可以适应性的补充一个数值天气预报。

本发明实施例提供的技术方案，在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报，随后，依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报，其中，第一时长间隔大于第二时长间隔，进而将多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与多个待使用数值天气预报相对应的多个新能源场站预测功率，并反馈多个新能源场站预测功率。本发明提高了新能源超短期功率预测的分辨率，提高了新能源功率预测的效率和准确度。

实施例二

图2为本发明实施例二提供的另一种NWP多维特征拟合的新能源小时间尺度功率预测方法的流程图，本发明实施例在上述实施例的基础上，详细介绍新能源小时间尺度功率预测模型的训练过程，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，新能源小时间尺度功率预测方法包括如下步骤：

S210、获取当前新能源场站的历史数值天气预报，以及新能源场站的历史功率。

在本实施例中，新能源小时间尺度功率预测模型是预先训练得到的，在具体生产环境中，当需要预测新能源功率时，直接调用要训练好的新能源小时间尺度功率预测模型即可。

其中，当前新能源场站为任意一个将要进行功率预测的新能源场站。历史数值天气预报为当前时刻之前的数值天气预报。历史功率为当前时刻之前新能源场站的实际功率。

示例性的，当前时刻为2020年3月1日9：00，则获取2020年3月1日9：00之前所能够得到的数值天气预报作为历史数值天气预报。获取2020年3月1日9：00之前新能源场站已经产生的实际功率作为历史功率。

S220、从目标历史时刻为采集起点，依据第一时长间隔对历史数值天气预报采样处理，得到多个离散历史数值天气预报；以及，以目标历史时刻为采集起点，依据第二时长间隔对历史功率采样处理，得到多个离散历史功率。

其中，目标历史时刻可以是距离当前时刻历史时间段之前的任意时刻。

示例性的，第一时长间隔为15分钟，第二时长间隔为5分钟，当前时刻是2020年3月2日9：00，则以2020年3月1日9：00为目标历史时刻。以2020年3月1日9：00为采集起点，每隔15分钟对历史数值天气预报进行一次采样处理，从而得到多个离散历史数值天气预报；以2020年3月1日9：00为采集起点，每隔5分钟对历史功率进行一次采样处理，从而得到多个离散历史功率。

S230、基于多个离散历史数值天气预报以及多个离散历史功率，确定训练样本。

在本实施例中，为了得到预测准确率高的新能源小时间尺度功率预测模型，需要基于大量的历史数据对初始新能源小时间尺度功率预测模型进行训练，因此，确定模型训练样本是至关重要的。

可选的，确定训练样本具体包括以下步骤：

(1)对多个离散历史数值天气预报插值处理，得到多个待使用历史数值天气预报。

在本实施例中，可以依据多个离散历史数值天气预报的预测时刻，确定预测时刻相邻的两个待处理历史数值天气预报，依据三次条样插值法和/或最近邻插值法对相邻的两个待处理历史数值天气预报进行插值处理，得到多个待使用历史数值天气预报。

(2)依据第二时长间隔从多个待使用历史数值天气预报抽值处理，得到多个待训练历史数值天气预报。

在本实施例中，依据预先设置的第二时长间隔以及多个待使用历史数值天气预报的插值时间戳，确定多个待训练历史数值天气预报。例如，第二时长间隔为5分钟，则所确定的多个待训练历史数值天气预报之间的时间间隔也是5分钟。

(3)根据预先设置的预测时间段所对应处理时长，将待使用历史数值天气预报和多个离散历史功率划分为多组，得到训练样本。

具体的，确定训练样本包括：依据多个离散历史功率所对应的采集时刻获取待使用历史数值天气预报；基于预测时间段所对应的时间长度，对对齐后的待使用历史数值天气预报和离散历史功率进行划分，确定每个历史时间段内的多个待使用历史数值天气预报和多个离散历史功率。

其中，历史时间段和预测时间段所对应的时间长度相同。例如，历史时间段和预测时间段均为4小时。

示例性的，多个离散历史功率所对应的采集时刻分别为9：05、9：10、9：15、9：20、…等，则分别获取插值时间戳为9：05、9：10、9：15、9：20、…等的待使用历史数值天气预报。进一步的，将9：05时刻的离散历史数值天气预报与9：05时刻的待使用历史数值天气预报对齐，将9：10时刻的离散历史数值天气预报与9：10时刻的待使用历史数值天气预报对齐，…以此类推。若待使用历史数值天气预报和离散历史功率为当前时刻之前24小时至当前时刻的历史数据，若当前时刻为2020年3月2日9：00，则离散历史功率和待使用历史数值天气预报为2020年3月1日9：00至2020年3月2日9：00这一时间段内对应的历史数据。每个历史时间段为4小时，则可以将获取到的历史数据划分为6个样本数据，一个样本数据中包含4小时内的多个待使用历史数值天气预报和多个离散历史功率。

在本实施例中，训练样本包括多组训练样本集，每组训练样本集中包括一个历史时间段内的多个离散历史数值天气预报和多个离散历史功率。例如，每组训练样本集中包括4个小时内的48个待使用历史数值天气预报和48个离散历史功率。

特别的，本实施例将三分之二的训练样本集作为训练集；将三分之一的训练样本集作为测试集，用于后续测试训练完成的新能源小时间尺度功率预测模型。

S240、基于训练样本对待训练小时间尺度功率预测模型进行训练，得到小时间尺度功率预测模型。

其中，待训练新能源小时间尺度功率预测模型为模型参数是初始参数的新能源小时间尺度功率预测模型。例如，待训练新能源小时间尺度功率预测模型可以是LSTM、BLSTM或GRU算法模型。

在本实施例中，在得到训练样本的基础上，基于训练样本对待训练新能源小时间尺度功率预测模型进行训练，确定新能源小时间尺度功率预测模型，具体包括以下步骤：

(1)将当前训练样本中的多个待使用历史数值天气预报输入至待训练新能源小时间尺度功率预测模型中，输出多个预测功率。

其中，当前训练样本可以是任意一组训练样本。

在本实施例中，将当前训练样本中的多个待使用历史数值天气预报输入至待训练新能源小时间尺度功率预测模型中，待训练新能源小时间尺度功率预测模型可以输出与每个待使用历史数值天气预报相对应的预测功率。

(2)基于多个离散历史功率和多个预测功率，确定损失值，以基于损失值对待训练小时间尺度功率预测模型中的模型参数进行修正。

在本实施例中，基于多个离散历史功率与对应的多个预测功率之间的差值确定多个损失值。从而基于多个损失值，对待训练新能源小时间尺度功率预测模型中的模型参数进行修正。

(3)将待训练小时间尺度功率预测模型中的损失函数收敛作为训练目标，得到待使用小时间尺度功率预测模型。

在本实施例中，当待训练新能源小时间尺度功率预测模型的损失函数收敛时，将此时对应的新能源小时间尺度功率预测模型作为待使用新能源小时间尺度功率预测模型。

(4)基于多个验证样本对待使用小时间尺度功率预测模型进行验证，得到待使用小时间尺度功率预测模型的准确率。

可选的，确定待使用小时间尺度功率预测模型的准确率，具体包括以下内容：将各验证样本输入至待使用小时间尺度功率预测模型中，得到与各验证样本所对应的新能源预测功率；基于各验证样本中的离散历史功率、相应的新能源预测功率以及准确率预测函数，确定待使用小时间尺度功率预测模型的准确率。

在本实施例中，将各个验证样本输入至待使用新能源小时间尺度功率预测模型中，待使用新能源小时间尺度功率预测模型可以输出与各验证样本所对应的新能源预测功率。进一步的，基于各验证样本中的离散历史功率、相应的新能源预测功率带入准确率预测函数，从而得到待使用新能源小时间尺度功率预测模型的准确率。

可选的，准确率预测函数为：

其中，r

示例性的，将48个时间间隔为5分钟的待使用历史数值天气预报输入至待使用新能源小时间尺度功率预测模型，待使用新能源小时间尺度功率预测模型输出48个时间间隔为5分钟的新能源预测功率。进一步的，将时间间隔为5分钟的离散历史功率、相应的新能源预测功率代入至准确率预测函数中，便可以得到待使用新能源小时间尺度功率预测模型对应的准确率。

(5)在准确率大于预设准确率阈值时，将待使用小时间尺度功率预测模型作为小时间尺度功率预测模型。

在本实施例中，预先设定预设准确率阈值，例如，预设准确率阈值为90％，当准确率大于90％时，将此时的待使用小时间尺度功率预测模型作为小时间尺度功率预测模型。

S250、在接收到小时间尺度功率预测指令时，获取预测时间段内第一时长间隔的多个待处理数值天气预报。

S260、依据预设插值方法对多个待处理数值天气预报插值处理，得到第二时长间隔的多个待使用数值天气预报。

S270、将多个数值天气预报输入至预先训练好的小时间尺度功率预测模型中，得到与多个待使用数值天气预报相对应的多个新能源场站预测功率。

S280、反馈多个新能源场站预测功率。

本发明实施例提供的技术方案，在基于新能源小时间尺度功率预测模型进行新能源功率预测之前，预先构建训练样本，并基于训练样本对待训练新能源小时间尺度功率预测模型进行训练，得到新能源小时间尺度功率预测模型。具体样本构建和模型训练过程为：获取当前新能源场站的历史数值天气预报，以及新能源场站的历史功率；从目标历史时刻为采集起点，依据第一时长间隔对历史数值天气预报采样处理，得到多个离散历史数值天气预报；以及，以目标历史时刻为采集起点，依据第二时长间隔对历史功率采样处理，得到多个离散历史功率；基于多个离散历史数值天气预报以及多个离散历史功率，确定训练样本；基于训练样本对待训练小时间尺度功率预测模型进行训练，得到小时间尺度功率预测模型；其中，第一时长间隔为15min，第二时长间隔为5min，预测时间段所对应的时间长度为4个小时。本发明实施例，本发明提高了新能源超短期功率预测的分辨率，提高了新能源功率预测的效率和准确度。