[發(fā)明專利]基于序列編碼重構(gòu)的多尺度區(qū)域光伏出力預(yù)測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210582341.9
• 申請(qǐng)日: 2022-05-26
• 公開(kāi)（公告）號(hào): CN114662807B
• 公開(kāi)（公告）日: 2022-10-14
• 發(fā)明（設(shè)計(jì)）人: 龔迪陽(yáng);唐雅潔;李志浩;倪籌帷;方冰;汪瑩潔;趙波;張雪松
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06F30/27;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江翔隆專利事務(wù)所(普通合伙) 33206
• 代理人: 許守金;張建青

1.基于序列編碼重構(gòu)的多尺度區(qū)域光伏出力預(yù)測(cè)方法，其特征在于，

包括以下步驟：

步驟1：通過(guò)構(gòu)建網(wǎng)格化采樣模型，確定基準(zhǔn)站點(diǎn)；

網(wǎng)格化采樣模型的構(gòu)建方法如下：

步驟11，獲取極限位置坐標(biāo)信息；

極限位置坐標(biāo)信息包括最低點(diǎn)坐標(biāo)和最高點(diǎn)坐標(biāo)；

所述最低點(diǎn)坐標(biāo)為；

所述最高點(diǎn)坐標(biāo)為；

其中，lon_l為最低點(diǎn)的經(jīng)度坐標(biāo)；

lat_l為最低點(diǎn)的緯度坐標(biāo)；

lon_h為最高點(diǎn)的經(jīng)度坐標(biāo)；

lat_h為最高點(diǎn)的緯度坐標(biāo)；

步驟12，根據(jù)步驟11中的極限位置坐標(biāo)信息，選擇合適的網(wǎng)格寬度λ來(lái)進(jìn)行網(wǎng)格劃分；

步驟13，步驟12中網(wǎng)格劃分完成后，對(duì)網(wǎng)格內(nèi)站點(diǎn)進(jìn)行隨機(jī)采樣，獲得n×m個(gè)基準(zhǔn)站點(diǎn)；所述n、m的計(jì)算公式如下：

；

步驟2：獲取步驟1中基準(zhǔn)站點(diǎn)的光伏歷史出力時(shí)序數(shù)據(jù)，并對(duì)光伏歷史出力時(shí)序數(shù)據(jù)進(jìn)行預(yù)處理，得到修正增強(qiáng)數(shù)據(jù)集；

所述預(yù)處理包括數(shù)據(jù)清洗與加工、數(shù)據(jù)增強(qiáng)；

所述數(shù)據(jù)清洗與加工為去除光伏歷史出力時(shí)序數(shù)據(jù)中的無(wú)效值，并補(bǔ)充光伏歷史出力時(shí)序數(shù)據(jù)中的缺失值，形成時(shí)序數(shù)據(jù)集；

所述數(shù)據(jù)增強(qiáng)包括時(shí)域上增強(qiáng)、頻域上增強(qiáng)；

所述時(shí)域上增強(qiáng)，包括以下內(nèi)容：

首先對(duì)時(shí)序數(shù)據(jù)集中的部分片段進(jìn)行拉伸或壓縮，然后通過(guò)從時(shí)序數(shù)據(jù)集中提取設(shè)定窗口大小的切片，將時(shí)序數(shù)據(jù)集統(tǒng)一到原始序列長(zhǎng)度；

所述頻域上增強(qiáng)，包括以下內(nèi)容：

輸入的時(shí)序數(shù)據(jù)集為，其頻譜通過(guò)傅里葉變換計(jì)算，其計(jì)算公式如下：

其中是傅里葉變換第k個(gè)復(fù)指數(shù)信號(hào)，是角頻率，是幅度譜，是相位譜，e是自然常數(shù)， j是復(fù)數(shù)符號(hào)，t是時(shí)間；

對(duì)于幅度譜中的擾動(dòng)，利用幅度譜中的原始均值和方差，通過(guò)高斯噪聲替換隨機(jī)選擇片段的幅度值；

而對(duì)于相位譜中的擾動(dòng)，隨機(jī)選擇片段的相位值由相位譜中額外的零均值高斯噪聲相加得到；

步驟3：根據(jù)所需要的預(yù)測(cè)時(shí)間尺度，重新構(gòu)建步驟2中的修正增強(qiáng)數(shù)據(jù)集，形成多維出力張量序列；

所述多維出力張量序列為；

其中為出力張量；

步驟4：建立編碼解碼模型，對(duì)區(qū)域光伏出力進(jìn)行預(yù)測(cè)；

所述編碼解碼模型設(shè)有編碼單元、注意力單元、解碼單元；

所述編碼單元將步驟3中的多維出力張量序列提取為內(nèi)在表征向量序列，并將內(nèi)在表征向量序列輸入到解碼單元中進(jìn)行解碼；

在解碼過(guò)程中，利用注意力單元，賦予每次輸入的內(nèi)在表征向量序列不同的權(quán)重，使編碼解碼模型能充分利用輸入的光伏歷史出力時(shí)序數(shù)據(jù)所含信息；

所述解碼單元的結(jié)構(gòu)與編碼單元的結(jié)構(gòu)對(duì)稱，其包括以下內(nèi)容：

通過(guò)復(fù)制時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM的細(xì)胞狀態(tài)和隱藏狀態(tài)來(lái)初始化解碼單元時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM；

解碼單元的時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM的輸入除了上一時(shí)刻的隱藏狀態(tài)，細(xì)胞狀態(tài)外，還包括當(dāng)前時(shí)刻的注意力向量；

在得到多個(gè)時(shí)刻的隱藏狀態(tài)后，再經(jīng)過(guò)卷積神經(jīng)網(wǎng)絡(luò)CNN的卷積作為編碼解碼模型的輸出；

輸出的計(jì)算公式如下：

其中為解碼單元時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM輸入門，為解碼單元時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM遺忘門，為解碼單元時(shí)空序列預(yù)測(cè)網(wǎng)絡(luò)ConvLSTM輸出門，為注意力向量，為相乘運(yùn)算符號(hào)，*為卷積運(yùn)算符號(hào)；

步驟5：利用樣本數(shù)據(jù)對(duì)步驟4中的編碼解碼模型進(jìn)行訓(xùn)練，經(jīng)過(guò)不斷迭代使編碼解碼模型達(dá)到性能要求，形成可用混合模型；

步驟6：將待預(yù)測(cè)的基準(zhǔn)站點(diǎn)的光伏實(shí)時(shí)出力時(shí)序數(shù)據(jù)依次輸入至步驟2到步驟5中，進(jìn)行區(qū)域光伏出力滾動(dòng)預(yù)測(cè)。