专利示意图

一、技术领域

新能源预测技术领域

二、专利介绍

1.专利信息

专利类型：发明

专利权人：清华大学深圳国际研究生院

申请号：202310485479.1

发明人：郭烨、孟子超、王康

2.专利说明书摘要

一种小样本场景下基于元学习的新能源预测方法，包括如下步骤：S1、预测任务定义：定义预测新能源场站l在时刻后的有功出力为一个预测任务，不同的位置信息l和预测时间尺度确定了不同的预测任务；S2、预测模型构建：采用双向长短时记忆网络构建新能源预测模型；S3、基础预测模型离线训练：通过离线训练使基础预测模型适配不同的预测任务，找到其最优元参数；S4、小样本场景下预测任务快速在线适配：通过在线增量学习的方式快速泛化得到适配新预测任务的预测模型。本发明的新能源预测方法能够训练得到小样本下对不同预测任务均有很强适应性能力的新能源预测模型，是一种应用前景广阔的新能源预测方法。

3.创新点

（1）本发明涉及新能源预测技术领域，特别是一种小样本场景下基于元学习的新能源预测方法；

（2）该方法结合元学习卓越的小样本学习能力，有效避免小样本情况下机器学习算法的性能骤降情况；

（3）本方法包括预测任务定义、预测模型构建、基础预测模型离线训练与小样本场景下预测任务快速在线适配四个部分，对小样本下的新能源功率预测问题均可适用，是一种很有潜力的新能源预测方法。

4.痛点问题

（1）基于机器学习的新能源功率预测模型在不同预测任务中的在线适配问题；

（2）小样本场景下的新能源功率预测问题，如新能源预测时间尺度的在线调整、新建新能源场站的功率预测等。

5.技术优势

（1）通过预测任务定义与预测模型的离线、在线学习环节，首次将元学习技术应用于新能源功率预测领域，填补了相关研究领域的空白；

（2）通过元学习的内外环更新方式，训练得到了对不同预测任务均具有强泛化能力的基础预测模型；

（3）受益于元学习出色的小样本学习能力，通过增量在线更新方式，使基础测模型基于不断采集的少量在线样本数据快速适配新的预测任务；

（4）本发明对小样本下的新能源功率预测问题具有一定的普适性。

三、产业化信息

1.应用场景

（1）新能源预测时间尺度的在线调整；

（2）新建新能源场站的功率预测；

（3）极端天气下的新能源功率预测。

2.商业价值

此项技术拥有巨大的商业前景，首先，我国集中式、分布式新能源发展迅速。近年来，以风电、光伏为代表的新能源发电在中国乃至全球“双碳”目标下扮演越来越重要的角色，并呈现喷井式发展。截至2021年底，全球新能源总装机达到3068GW。我国风电、光伏累计装机分别超过328GW与306GW。习近平总书记提出：到2030年，我国单位国内生产总值二氧化碳排放将比2005年下降65%以上，非化石能源占一次能源消费比重将达到25%左右，风电、太阳能发电总装机容量将达到1200GW以上，进一步明确了我国未来能源电力的发展方向。在此背景下，对新建新能源场站的功率预测变得愈来愈重要，同时适应不同在线预测时间尺度的预测方法对电力系统中不同时间尺度下的优化调度也具有重要意义，故本发明在新能源迅速发展进程中能够发挥巨大的作用。其次，对于能源企业，本方法可以进一步应用解决极端天气场景中的新能源预测难题，基于少量极端天气样本挖掘极端天气特征，研究分析极端天气下新能源功率变化规律，提升能源企业在极端天气下的抗风险能力，以提升其经济效益。

3.发展规划

（1）该技术可大大提升新能源预测的灵活性，使得不同预测时间尺度的快速在线调整与基于极少历史数据的新能源场站功率预测成为可能，对新能源大量涌现的电力系统中的功率、能量平衡意义重大；

（2）该技术未来可应用至基于新能源预测结果的电力系统经济调度，助力我国以新能源为主体的新型电力系统建设，为我国新型电力系统中基于新能源预测结果的经济调度技术发展奠定理论基础。

4.合作方式

面议

注:所有成果未经授权，请勿转载

联系方式：ttc@sz.tsinghua.edu.cn