技术特征：
1.一种区域分布式电源发电功率预测方法，其特征在于，包括：构建区域的天气预测模型，根据所述天气预测模型获取所述区域的预测气象数据；构建所述区域内的每个分布式电源的功率预测模型，根据所述预测气象数据和每个所述分布式电源的功率预测模型获取每个所述分布式电源的预测功率；将所述区域内的所有所述分布式电源虚拟为一个新能源厂站，构建所述新能源厂站的功率预测模型，获取所述新能源厂站的预测功率；根据每个所述分布式电源的预测功率和所述新能源厂站的预测功率获得所述区域的预测功率。2.如权利要求1所述的区域分布式电源发电功率预测方法，其特征在于，所述构建区域的天气预测模型，根据所述天气预测模型获取所述区域的预测气象数据包括：从气象局获取所述区域的天气预报数据；获取所述区域内的每个所述分布式电源的实测气象数据；根据所述天气预报数据和所述实测气象数据，构建所述天气预测模型；通过所述天气预测模型预测所述区域未来的大气运动状态和天气现象。3.如权利要求2所述的区域分布式电源发电功率预测方法，其特征在于，所述获取所述区域内的每个所述分布式电源的实测气象数据包括：将所述区域内的每个所述分布式电源的本地气象站组成区域气象监测网络；所述区域气象监测网络将每个所述分布式电源的本地气象站采集的气象数据上传云端；在所述云端对所述气象数据进行筛选和校验得到所述实测气象数据。4.如权利要求3所述的区域分布式电源发电功率预测方法，其特征在于，所述构建所述区域内的每个分布式电源的功率预测模型，根据所述预测气象数据和每个所述分布式电源的功率预测模型获取每个所述分布式电源的预测功率包括：采集所述区域内的每个所述分布式电源的历史功率数据；基于机器学习算法，根据每个所述分布式电源的历史气象数据与所述历史功率数据，构建每个所述分布式电源的功率预测模型；向每个所述分布式电源的功率预测模型输入所述预测气象数据，获得每个所述分布式电源未来的输出功率；对每个所述分布式电源的功率预测模型进行循环训练。5.如权利要求4所述的区域分布式电源发电功率预测方法，其特征在于，所述将所述区域内的所有所述分布式电源虚拟为一个新能源厂站，构建所述新能源厂站的功率预测模型，获取所述新能源厂站的预测功率包括：获取所述新能源厂站的历史输出功率；基于机器学习算法，根据所述区域的历史气象数据与所述新能源厂站的历史输出功率，构建所述新能源厂站的功率预测模型；向所述新能源厂站的功率预测模型输入所述预测气象数据，获得所述新能源厂站的预测功率；对所述新能源厂站的功率预测模型进行循环训练。6.如权利要求5所述的区域分布式电源发电功率预测方法，其特征在于，所述获取所述
新能源厂站的历史输出功率包括：将每个所述分布式电源的历史功率加总得到所述新能源厂站的历史输出功率。7.如权利要求1所述的区域分布式电源发电功率预测方法，其特征在于，所述根据所述每个所述分布式电源的预测功率和所述新能源厂站的预测功率获得所述区域的预测功率包括：将每个所述分布式电源的预测功率加总得到所述分布式电源的预测功率总和；比较所述分布式电源的预测功率总和与所述新能源厂站的预测功率，对所述分布式电源预测功率总和进行校验修正，获得所述区域的预测功率。8.一种区域分布式电源发电功率预测系统，其特征在于，包括：天气预测模块，用于构建区域的天气预测模型，根据所述天气预测模型获取所述区域的预测气象数据；模型建立模块，用于构建所述区域内的每个分布式电源的功率预测模型，将所述区域内的所有所述分布式电源虚拟为一个新能源厂站，构建所述新能源厂站的功率预测模型；功率预测模块，用于根据所述区域的预测气象数据和每个所述分布式电源的功率预测模型、所述新能源厂站的功率预测模型，获取每个所述分布式电源的预测功率和所述新能源厂站的预测功率，根据每个所述分布式电源的预测功率和所述新能源厂站的预测功率获得所述区域的预测功率。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。
技术总结
本申请提供的所述区域分布式电源发电功率预测方法及系统，在一定区域内，构建区域的天气预测模型，获取区域的预测气象数据，构建区域内的每个分布式电源的功率预测模型，并将所有分布式电源虚拟为一个新能源厂站，构建新能源厂站的功率预测模型。一方面，构建区域的天气预测模型，区域内各分布式电源的就地气象数据可以相互验证和校核，减少单个气象站数据不准确的问题。另一方面，将区域所有分布式电源虚拟成一个集中式的新能源厂站，进行发电功率预测，来对单个分布式电源功率预测的总和进行校验。通过集中提高功率预测的覆盖面积和覆盖容量，从而提高分布式电源的功率预测精度。从而提高分布式电源的功率预测精度。从而提高分布式电源的功率预测精度。
技术研发人员：谢型浪 张伟 谢虎 徐长飞 杨占杰 何超林
受保护的技术使用者：南方电网数字电网研究院有限公司
技术研发日：2021.10.15
技术公布日：2021/12/27