[發(fā)明專利]基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202111348852.6
• 申請日: 2021-11-15
• 公開（公告）號: CN114066052A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計）人: 吳亦貝;楊斌;李波;楊世海;陳銘明;陸婋泉;程含渺;蘇慧玲;瞿亞運;張馳
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司營銷服務(wù)中心;國網(wǎng)江蘇省電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;H02J3/00;G06N3/04
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 張紅蓮;王萍

基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，包括：采用變分模態(tài)分解可調(diào)節(jié)負(fù)荷功率序列得到主成分序列和噪聲序列；構(gòu)建基于多尺度卷積方法和自注意力方法模型，以自適應(yīng)移動平滑處理后的噪聲序列為輸入，分別獲得可調(diào)節(jié)負(fù)荷功率序列的時空特征，可調(diào)節(jié)負(fù)荷預(yù)測值與可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)之間的映射關(guān)系；以時空特征為輸入，基于單個TCN，建立單步預(yù)測模型，在此基礎(chǔ)上，以多通道TCN作為解碼層，基于多尺度卷積方法和自注意力方法的模型作為編碼層，建立多步預(yù)測模型；根據(jù)預(yù)測步數(shù)選擇預(yù)測模型對可調(diào)節(jié)負(fù)荷功率進(jìn)行預(yù)測。本方法利用多通道TCN降低前步預(yù)測誤差的影響，有效減少可調(diào)節(jié)負(fù)荷功率多步預(yù)測的誤差累積。

技術(shù)領(lǐng)域

本發(fā)明屬于可調(diào)節(jié)負(fù)荷預(yù)測技術(shù)領(lǐng)域，具體涉及基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法。

背景技術(shù)

隨著我國能源發(fā)展戰(zhàn)略、深入推進(jìn)電力市場化改革與電力行業(yè)升級換代的不斷推進(jìn)，可調(diào)節(jié)負(fù)荷資源主動參與源網(wǎng)荷互動將對電網(wǎng)產(chǎn)生重大積極作用。

現(xiàn)階段，工業(yè)、樓宇、客戶側(cè)儲能、充電樁等各類可調(diào)節(jié)負(fù)荷資源逐步參與到電網(wǎng)調(diào)度中，由于其單個資源量較小，且位置較為分散，因此一般將其聚合成一個較大的資源聚合體進(jìn)行調(diào)度控制。在進(jìn)行資源聚合時，一旦聚合體內(nèi)部的負(fù)荷產(chǎn)生較大偏差，就會導(dǎo)致整個聚合體的功率誤差較大，嚴(yán)重影響到其參與電網(wǎng)調(diào)度運行，造成較大的經(jīng)濟(jì)損失。因此，提出對可調(diào)節(jié)負(fù)荷資源功率的精準(zhǔn)預(yù)測問題進(jìn)行研究。

現(xiàn)有技術(shù)中，負(fù)荷預(yù)測方法在一些模型的定階、求解以及模型識別等問題上存在較大困難，同時模型的適應(yīng)能力不強(qiáng)，導(dǎo)致經(jīng)常會出現(xiàn)數(shù)據(jù)運算慢以及精度較低等問題。另外灰色預(yù)測法、專家系統(tǒng)法以及小波分析法和神經(jīng)網(wǎng)絡(luò)法，這些方法不僅僅需要考慮到負(fù)荷形狀這些因素，同時還會涉及到很多外部因素，例如環(huán)境、天氣等等，都會影響到負(fù)荷預(yù)測的精度。現(xiàn)有較為精確的預(yù)測方法主要有三類：統(tǒng)計法、物理法和組合預(yù)測法，其中基于物理法的可調(diào)節(jié)負(fù)荷功率單步預(yù)測的缺點在于NWP數(shù)據(jù)與真實負(fù)荷環(huán)境數(shù)據(jù)間存在著較大的誤差，且NWP數(shù)據(jù)與可調(diào)節(jié)負(fù)荷場景存在著空間上的差異，這使物理法對可調(diào)節(jié)負(fù)荷功率單步的預(yù)測精度普遍偏低；統(tǒng)計法是基于預(yù)測值與真實值的誤差來更新、調(diào)整模型權(quán)重和參數(shù)的可調(diào)節(jié)負(fù)荷功率預(yù)測方法，該方法通常又被分為概率統(tǒng)計模型、機(jī)器學(xué)習(xí)模型和深度學(xué)習(xí)模型，概率統(tǒng)計模型，相比于物理法能更好的跟隨可調(diào)節(jié)負(fù)荷功率的變化趨勢，但在多步預(yù)測中存在較大得到誤差；機(jī)器學(xué)習(xí)模型的單步預(yù)測精度均優(yōu)于傳統(tǒng)概率模型；深度學(xué)習(xí)模型能充分挖掘輸入序列的時間和空間特性，進(jìn)一步提高可調(diào)節(jié)負(fù)荷功率單步預(yù)測的精度，由于其結(jié)構(gòu)單一且對數(shù)據(jù)質(zhì)量要求高，難以對隨機(jī)性強(qiáng)、噪聲信號明顯的可調(diào)節(jié)負(fù)荷功率序列進(jìn)行準(zhǔn)確穩(wěn)定的多步預(yù)測；組合預(yù)測法是結(jié)合各單一預(yù)測模型的優(yōu)勢而形成的一種預(yù)測精度更高，穩(wěn)定性更好的可調(diào)節(jié)負(fù)荷功率預(yù)測方法，一般用于可調(diào)節(jié)負(fù)荷功率多步預(yù)測中，組合預(yù)測模型在多個時間尺度上的表現(xiàn)均優(yōu)于其它模型，組合預(yù)測法相較于物理法和統(tǒng)計法有更好的預(yù)測性能，但未對多步預(yù)測誤差累積問題給出相應(yīng)的解決方案，因此，如何修正累積誤差來進(jìn)行可調(diào)節(jié)負(fù)荷功率的多步預(yù)測是目前亟需解決的問題。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明的目的在于，提供一種基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，降低可調(diào)節(jié)負(fù)荷功率多步預(yù)測中存在的誤差累積，提高預(yù)測精度和穩(wěn)定性。

本發(fā)明采用如下的技術(shù)方案。

基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，包括：

步驟1，采集可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)并進(jìn)行預(yù)處理，得到可調(diào)節(jié)負(fù)荷功率序列；

步驟2，采用變分模態(tài)分解方法對可調(diào)節(jié)負(fù)荷功率序列進(jìn)行分解，得到主成分序列和噪聲序列；

步驟3，采用自適應(yīng)移動平滑方法對噪聲序列進(jìn)行平滑處理；