[發明專利]基于特征工程的客戶側多能源系統源荷預測方法及裝置

在審

• 申請號: 202011100610.0
• 申請日: 2020-10-15
• 公開（公告）號: CN112288144A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 王靖韜;楊鑫;趙永凱;趙維;劉謙;陳愛明;李英吉;王紅彥;姜冬梅;張元博;牛澤;付禹昕
• 申請（專利權）人: 國電南瑞科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張賞

1.基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，包括：

對客戶側多能源系統原始觀測數據進行預處理；

基于預處理后的數據進行候選特征提取；

對候選特征進行篩選，提取最優特征子集；

基于所提取的最優特征子集進行源荷預測。

2.根據權利要求1所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，

所述客戶側多能源系統包括：光伏系統，電負荷系統，和冷熱負荷系統；

所述客戶側多能源系統原始觀測數據包括：氣象數據，光伏出力數據，冷熱負荷數據，電負荷數據，以及國家法定節假日數據；所述氣象數據包括太陽輻照度，溫度，濕度，降水量，降水概率，風速，風向和壓強。

3.根據權利要求2所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，所述對客戶側多能源系統原始觀測數據進行預處理，包括：

剔除異常數據；

填充缺失項；

將填充缺失項后的數據進行無量綱化。

4.根據權利要求3所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，

所述填充缺失項采用周同期同類型負荷數據的平均值進行填充；

若無法填充則直接刪除該條記錄。

5.根據權利要求2所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，所述基于預處理后的數據進行候選特征提取，包括：

提取氣象數據，光伏出力數據，冷熱負荷數據和電負荷數據的統計特征和時間特征；

基于統計特征和時間特征提取組合特征，統計特征，時間特征和組合特征共同構成客戶側能源系統的候選特征。

6.根據權利要求5所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，

所述提取氣象數據，光伏出力數據，冷熱負荷數據和電負荷數據的統計特征包括：

如果源荷預測以年為周期進行長期預測，則提取年平均數，年中位數，年均方差，年偏度，年最大值和年最小值；

如果源荷預測以月為周期進行中期預測，則提取月平均數，月中位數，月均方差，月偏度，月最大值和月最小值；

如果源荷預測以日為周期進行短期預測，則提取日平均數，日中位數，日均方差，日偏度，日最大值和日最小值；

如果源荷預測以小時為周期進行超短期預測，則提取小時平均數，小時中位數，小時均方差，小時偏度，小時最大值和小時最小值；

所述提取氣象數據，光伏出力數據，冷熱負荷數據和電負荷數據的時間特征包括：提取整點時刻數據，與t-1時刻、t-2時刻、t-3時刻的變化率，t表示當前采樣時刻。

7.根據權利要求6所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，所述基于統計特征和時間特征提取組合特征，包括：

利用歷史數據繪制等高線圖，橫軸、縱軸分別為待組合的特征項，如果存在單調變化的趨勢，就形成一個組合特征。

8.根據權利要求1所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，所述對候選特征進行篩選，提取最優特征子集，包括：

采用相關系數、卡方檢驗、正則化或隨機森林算法進行特征選擇，從候選特征集合中篩選出最優特征子集。

9.根據權利要求1所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，所述基于所提取的最優特征子集進行源荷預測，包括：

將篩選出的最優特征子集輸入源荷預測模型中，得到光伏出力曲線和負荷曲線。

10.根據權利要求1所述的基于特征工程的客戶側多能源系統源荷預測方法，其特征在于，還包括：

采用歷史數據篩選最優特征子集進行訓練，構建源荷預測模型；

如果最優特征子集中存在光照強度具備隨機性的特征項，則采用LSTM或Adaboost算法構建源荷預測模型；

如果最優特征子集中的特征項變化規律，則采用LR或SVM算法構建源荷預測模型。