(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 202210845084.3 (22)申请日 2022.07.18 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 奚鑫泽　邢超　李胜男　马红升　 覃日升　许守东　陈勇　周鑫　 徐志　何廷一　张丽　何鑫　孟贤　 和鹏　向川　马遵　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 袁雪梅 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) H02J 3/00(2006.01) G06K 9/62(2022.01) (54)发明名称 长短期结合的发电系统谐波预测方法及装 置 (57)摘要 本发明涉及一种长短期结合的发电系统谐 波预测方法及装置， 所述方法包括获取发电系统 的长期谐波数据， 根据季节和每日的天气类型对 长期谐波数据进行聚类处理， 确定每个类的典型 日； 确定与预测日的季节和天气预测类型相对应 类的典型日， 根据典型日的谐波数据与预测日的 短期谐波数据， 计算得到预测日的修正谐波预测 值； 基于修正谐波预测值和当日实际谐波值， 得 到新的修正谐波预测值， 基于所述新的修正谐波 预测值计算当日后预设时间段内预测日的谐波 数据。 本发明能够将长短期的谐波数据相结合， 通过层层递进优化和更新预测谐波数据， 可有效 提高预测精度， 为电网谐波评估， 谐波治理提供 基础支撑 。 权利要求书2页 说明书8页 附图4页 CN 115238982 A 2022.10.25 CN 115238982 A 1.一种长短期结合的发电系统谐波预测方法， 其特 征在于， 包括： 获取发电系统的长期谐波数据， 根据季节和每日的天气类型对所述长期谐波数据进行 聚类处理， 确定每 个类的典型日； 确定与预测日的季节和天气预测类型相对应类的典型 日， 根据所述典型 日的谐波数据 与预测日的短期谐波数据， 计算得到预测日的修 正谐波预测值； 基于所述修正谐波预测值和当日实 际谐波值， 得到新的修正谐波预测值， 基于所述新 的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。 2.根据权利要求1所述的方法， 其特征在于， 所述根据季节和每日的天气类型对所述长 期谐波数据进行聚类处 理， 确定每 个类的典型日， 包括： 将所述长期谐波数据按照季节划分为四个数据集 合； 结合每日的天气类型对四个所述数据集 合进行划分， 得到多个子集； 对每个所述子集中的日谐波数据进行聚类合并， 得到聚类结果； 根据所述聚类结果， 计算每个子集中包含天数最多的类的日累计谐波值， 并按照从小 到大的顺序排列， 选择 所述排列的中位数 所对应的天为典型日。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述典型 日的谐波数据与预测日 的短期谐波数据， 计算预测日的修 正谐波预测值， 包括： 计算所述典型 日谐波数据与 预测日的短期谐波数据的相似度， 按照相似度由高到低的 顺序选取 前三个日谐波数据； 基于前三个日谐波数据计算预测日的初始 谐波预测值； 求取所述典型 日谐波数据与 预测日的初始谐波预测日的平均值， 将所述平均值作为所 述预测日的修 正谐波预测值。 4.根据权利要求3所述的方法， 其特征在于， 采用以下方法计算所述典型 日谐波数据与 预测日的短期谐波数据的相似度， 其中， Pcc为相似度， Pisea,j为各季节下的各子类集合， i为具体的天， j为天气类型， Pi wek,n为最近一周内第n天的谐波数据， 其中谐波数据每15分钟间隔一个， 因而每天96个。 5.根据权利要求4所述的方法， 其特征在于， 所述基于前三个日谐波数据通过以下方式 计算预测日的初始 谐波预测值， 其中， Pi ad为基于相似度最高的三天数据预测值， wr为Pcc最大 的三天对应的权重， dr为权　利　要　求　书 1/2 页 2 CN 115238982 A 2距离。 6.根据权利要求1所述的方法， 其特征在于， 基于当日实际谐波值和所述修正谐波预测 值， 得到新的修 正谐波预测值， 包括： 获取当日实际谐波值； 计算所述当日实际谐波值与所述 修正谐波预测值之间的累计偏差； 将所述累计偏差与 预设的触发阈值进行对比， 判断所述累计偏差是否大于所述触发阈 值； 如果所述累计偏差大于所述触发阈值， 则对所述修正谐波预测值进行修正， 得到新的 修正谐波预测值， 否则， 保持所述 修正谐波预测值。 7.根据权利要求6所述的方法， 其特征在于， 采用以下方式计算所述当日实际谐波值与 所述修正谐波预测值之间的累计偏差， 其中， Δ为累计偏差， T为某时段内的谐波值个数， Pi real为当日实际谐波值， Pi new为修正 谐波预测值。 8.根据权利要求6所述的方法， 其特征在于， 采用以下方式对所述修正谐波预测值进行 修正， 得到新的修 正谐波预测值， 包括： 其中， Pi new1为新的修正谐波预测值， 为偏差修 正系数， 取值范围为[ ‑1， 1]。 9.根据权利要求1所述的方法， 其特 征在于， 所述季节包括： 春、 夏、 秋及冬； 所述天气类型包括： 阴、 晴、 多云、 晴转多云、 雨夹雪、 雷阵雨、 小雨、 大雨、 中雨、 暴雨、 大 雪、 小雪、 中雪及冰雹 。 10.一种长短期结合的发电系统谐波预测装置， 其特 征在于， 包括： 获取模块， 用于获取发电系统的长期谐波数据， 根据季节和每日的天气类型对所述长 期谐波数据进行聚类处 理， 确定每 个类的典型日； 计算模块， 用于确定与预测日的季节和天气预测类型相对应类的典型日， 根据所述典 型日的谐波数据与预测日的短期谐波数据， 计算得到预测日的修 正谐波预测值； 修正模块， 用于基于所述修正谐波预测值和当日实 际谐波值， 得到新的修正谐波预测 值， 基于所述 新的修正谐波预测值计算当日后预设时间段内预测日的谐波数据。权　利　要　求　书 2/2 页 3 CN 115238982 A 3