日前预测与实时预测

  1. 功能描述
  2. 服务信息
  3. 预测模块数据交互
    1. 模块输入数据
  4. 电负荷日前预测
    1. 输入数据
    2. 输出数据
  5. 光伏发电日前预测
    1. 输入数据
    2. 输出数据
  6. 风电出力日前预测
    1. 输入数据
    2. 输出数据
  7. 电负荷实时预测
    1. 输入数据
    2. 输出数据
  8. 光伏出力实时预测
    1. 输入数据
    2. 输出数据
  9. 错误处理
  10. 注意事项

功能描述

此服务用于电负荷和光伏出力的日前预测与实时预测

服务信息

预测模块数据交互

模块输入数据

预测模块需要大量测量数据和历史数据作为输入数据，因此采用json文件形式。

预测功能的输入文件分别有
1.电负荷的测量数据采用JSONObject数据形式，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
{
     "results": [
     {
         "dtime": "2018-05-14 00:00:00",
         "val": 33.301
       },
       {
         "dtime": "2018-05-14 00:15:00",
         "val": 31.669
       }
       ],
}

2.光伏出力的测量数据采用JSONObject数据形式，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
{
     "results": [
  {
        "dtime": "2018-05-14 00:00:00",
        "val": 33.301
      },
      {
        "dtime": "2018-05-14 00:15:00",
        "val": 31.669
      }
       ],
}

3.风电出力的测量数据采用JSONObject数据形式，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
{
     "results": [
  {
        "dtime": "2018-05-14 00:00:00",
        "val": 74.002
      },
      {
        "dtime": "2018-05-14 00:15:00",
        "val": 72.235
      }
       ],
}

4.天气的测量数据采用JSONObject数据形式，具体如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
     "results": [
   {
         "dtime": "2018-05-05 00:00:00",
         "temperature": 19,
         "solarIrradiance": 0,
         "weather": "rain"
       },
       {
         "dtime": "2018-05-05 00:15:00",
         "temperature": 19,
         "solarIrradiance": 0,
         "weather": "rain"
       }
       ],
}

预测功能的结果以json文件输出
1.日前负荷预测结果为test/resources/outputData/dayaheadEloadForecast.json路径文件中
2.日前光伏出力预测结果为test/resources/outputData/dayaheadPvForecast.json路径文件中
3.日前风电出力预测结果为test/resources/outputData/dayaheadWtForecast.json路径文件中
4.实时负荷预测结果为test/resources/outputData/realtimeEloadForecast.json路径文件中
5.实时光伏出力预测结果为test/resources/outputData/realtimePvForecast.json路径文件中

电负荷日前预测

1
2
3
service DEloadForecastService {
    rpc doDEloadForecast (DEFData) returns (DEFReply) {}
}

输入数据封装类为DEFData，输出结果封装类为DEFReply。
根据当前天气状态，将前一天的实际负荷情况作为负荷日程安排的参照量，并将此作为主要影响因子，进行相似日的选择，之后经过历史数据训练的神经网络算法，得到日负荷预测结果。

输入数据

proto文件定义如下：

1
2
3
4
message DEFData {
    repeated DeloadData Deload_data = 1;
    repeated DtemperatureData Dtemperature_date = 2;
}

具体含义如下：

  1. Deload_data：历史电负荷数据
    1. Deloaddata：电负荷测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DeloadData {
          double Deloaddata = 1;
          string time_date = 2;
      }
  2. Dtemperature_date：历史温度数据
    1. Dtemperaturedata：温度测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DtemperatureData {
          double Dtemperaturedata = 1;
          string time_date = 2;
      }

输出数据

proto文件定义如下：

1
2
3
message DEFReply {
    repeated DEFResult Deload_forecast = 1;
}

具体含义如下：

  1. Deload_forecast：电负荷日前预测结果
    1. Deloadforecast：电负荷预测值
    2. time_date：测量时间
      1
      2
      3
      4
      message DEFResult {
          double Deloadforecast = 1;
          string time_point = 2;
      }

光伏发电日前预测

1
2
3
service DPVForecastService {
    rpc doDPVForecast (DPVFData) returns (DPVFReply) {}
}

输入数据封装类为DPVFData，输出结果封装类为DPVFReply。
根据历史的有效太阳辐射强度，应用神经网络预测下一时段有效太阳辐射；再利用这两组数据分别建立样本集，之后分析不同样本集之间的预测误差。根据提供的日前天气数据匹配修正因子，完成联合条件离散预测，结合典型季节性因素得到光伏功率预测数据。

输入数据

proto文件定义如下：

1
2
3
4
5
message DPVFData {
    repeated DPVData DPV_data = 1;
    repeated DtemperatureData Dtemperature_date = 2;
    repeated DsolarIrradianceData DsolarIrradiance_data = 3;
}

具体含义如下：

  1. DPV_data：历史光伏出力数据
    1. DPVdata：光伏出力测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DPVData {
          double DPVdata = 1;
          string time_date = 2;
      }
  2. Dtemperature_date：历史温度数据
    1. Dtemperaturedata：温度测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DtemperatureData {
          double Dtemperaturedata = 1;
          string time_date = 2;
      }
  3. DsolarIrradiance_data：历史光照辐射强度数据
    1. DsolarIrradiancedata：光照辐射强度测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DsolarIrradianceData {
          double DsolarIrradiancedata = 1;
          string time_date = 2;
      }

输出数据

proto文件定义如下：

1
2
3
message DPVFReply {
    repeated DPVFResult DPV_forecast = 1;
}

具体含义如下：

  1. DPV_forecast：光伏出力日前预测结果
    1. DPVforecast：光伏出力预测值
    2. time_date：测量时间
      1
      2
      3
      4
      message DPVFResult {
          double DPVforecast = 1;
          string time_point = 2;
      }

风电出力日前预测

1
2
3
service DWtForecastService {
    rpc doDWtForecast (dayaheadWtData) returns (dayaheadWtReply) {}
}

输入数据封装类为dayaheadWtData，输出结果封装类为dayaheadWtReply。

输入数据

proto文件定义如下：

1
2
3
4
message dayaheadWtData {
    repeated DWtData DWt_data = 1;
    repeated DwindData Dwind_date = 2;
}

具体含义如下：

  1. DWt_data：历史风电出力数据
    1. wtMeasurement：风电出力测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DWtData {
          double wtMeasurement = 1;
          string time_date = 2;
      }
  2. Dwind_date：历史风速数据
    1. windData：风速测量值
    2. time_date：测量时间
      1
      2
      3
      4
      message DwindData {
          double windData = 1;
          string time_date = 2;
      }

输出数据

proto文件定义如下：

1
2
3
message dayaheadWtReply {
    repeated dayaheadWtResult Dwt_forecast = 1;
}

具体含义如下：

  1. Dwt_forecast：风电出力日前预测结果
    1. wtForecast：风电出力预测值
    2. time_point：测量时间点
      1
      2
      3
      4
      message dayaheadWtResult {
          double wtForecast = 1;
          string time_point = 2;
      }

电负荷实时预测

1
2
3
service realtimeEloadForecastService {
    rpc doRealtimeEloadForecast (realtimeEloadData) returns (realtimeEloadReply) {}
}

输入数据封装类为realtimeEloadData，输出结果封装类为realtimeEloadReply。
通过当前时刻前3小时的历史负荷数据预测未来1个半小时电负荷需求，应用预测控制模型的思想，通过每15分钟运行一次程序，将预测结果的第一个15分钟数据传输给调度模块以应用于实际工程，其余预测数据进行结果的修正。

输入数据

proto文件定义如下：

1
2
3
message realtimeEloadData {
    repeated eloadData data = 1;
}

具体含义如下：

  1. data：历史电负荷数据
    1. eload：电负荷测量值
    2. time：测量时间
      1
      2
      3
      4
      message eloadData {
          double eload = 1;
          string time = 2;
      }

输出数据

proto文件定义如下：

1
2
3
message realtimeEloadReply {
    repeated realtimeEloadResult forecast = 1;
}

具体含义如下：

  1. forecast：电负荷实时预测结果
    1. eloadForecast：电负荷预测值
    2. timeForecast：测量时间
      1
      2
      3
      4
      mmessage realtimeEloadResult {
           double eloadForecast = 1;
           string timeForecast = 2;
       }

光伏出力实时预测

1
2
3
service realtimePvForecastService {
    rpc doRealtimePvForecast (realtimePvData) returns (realtimePvReply) {}
}

输入数据封装类为realtimePvData，输出结果封装类为realtimePvReply。
通过当前时刻前3小时的时间预测未来1个半小时光伏出力，应用预测控制模型的思想通过每15分钟运行一次程序，将预测结果的第一个15分钟数据传输给调度模块以应用于实际工程，其余预测数据进行结果的修正。

输入数据

proto文件定义如下：

1
2
3
message realtimePvData {
    repeated pvData data = 1;
}

具体含义如下：

  1. data：历史光伏出力数据
    1. pv：光伏出力测量值
    2. time：测量时间
      1
      2
      3
      4
      message pvData {
          double pv = 1;
          string time = 2;
      }

输出数据

proto文件定义如下：

1
2
3
message realtimePvReply {
    repeated realtimePvResult forecast = 1;
}

具体含义如下：

  1. forecast：光伏出力实时预测结果
    1. pvForecast：光伏出力预测值
    2. timeForecast：测量时间
      1
      2
      3
      4
      message realtimePvResult {
          double pvForecast = 1;
          string timeForecast = 2;
      }

错误处理

不同类型异常抛出含义如下：

  1. DataTimeMismatchException：数据时间不匹配异常
  2. EloadDataLossException：电负荷数据缺失异常
  3. PvDataLossException：光伏出力数据缺失异常
  4. WeatherDataLossException：天气数据缺失异常
  5. OtherErrorException：其它错误

注意事项

  1. 本服务暂为试运行状态，可能存在潜在的正确性和稳定性问题。
  2. 若对于本服务有任何疑问或者建议，请联系作者21610035@zju.edu.cn。

当前网速较慢或者你使用的浏览器不支持博客特定功能，请尝试刷新或换用Chrome、Firefox等现代浏览器