[發明專利]基于序列編碼重構的多尺度區域光伏出力預測方法及系統

有效

• 申請號: 202210582341.9
• 申請日: 2022-05-26
• 公開（公告）號: CN114662807B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 龔迪陽;唐雅潔;李志浩;倪籌帷;方冰;汪瑩潔;趙波;張雪松
• 申請（專利權）人: 國網浙江省電力有限公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F30/27;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 許守金;張建青

本發明公開了基于序列編碼重構的多尺度區域光伏出力預測方法及系統，屬于光伏出力預測技術領域。本發明的基于序列編碼重構的多尺度區域光伏出力預測方法，首先，選取基準站點，對站點數據進行清洗與加工，去除無效值補充缺失值；其次，進行序列整合以及確定預測時間尺度后，采用編碼單元提取觀測時間序列中適合用作區域光伏預測的內在表征向量；并使用解碼單元來對內在表征向量解碼，以此來預測輸出的區域光伏出力序列；通過在解碼過程中加入注意力單元，使其充分利用輸入序列所含信息，實現對區域光伏滾動預測。本發明可在數據量有限和低采集數據成本的情況下，保持良好的多時間尺度區域光伏出力預測效果，方案科學、合理、切實可行。

技術領域

本發明涉及基于序列編碼重構的多尺度區域光伏出力預測方法及系統，屬于光伏出力預測技術領域。

背景技術

通過對區域分布式光伏整體出力的精確預測，可有效提高電網穩定性、增加電網消納光電能力、促進多能轉換的能力，可推動電網的能源低碳發展與用能成本降低。

一般地，集中式光伏電站由于具有比較完備的數據采集、存儲和通信系統，可聚合得到光伏物理預測模型，或利用人工神經網絡解決非線性關系的特點，基于數值天氣預報建立分布式光伏輸出功率模型。但是，考慮到很多小型分布式電站具有歷史運行數據收集困難、實時監測數據缺乏、信息獲取成本較高的問題，在進行區域級預測時普遍采用外推法或統計升尺度功率預測方法，首先對區域進行片區劃分，通過對不同片區進行出力預測，進而累加全部片區的出力預測結果得到區域出力預測結果；或者通過選擇基準站點，并基于基準光伏電站的功率預測結果實現整個區域的出力預測。

進一步，中國專利（公開號：CN 113205226 A）公開了一種結合注意力機制以及誤差修正的光伏功率預測方法，該方法包括以下內容：建立BiLSTM-Attention神經網絡模型；選取與待預測日相近的歷史相似日的光伏發電序列為訓練樣本，并對歷史相似日的光伏功率序列進行模態分解，得到不同的分量，然后以每個分量作為輸入分別訓練一個BiLSTM-Attention神經網絡模型，得到每個分量的預測值，所有分量的預測值相加得到總的預測值記為y1；同時，以訓練樣本直接訓練一個BiLSTM-Attention神經網絡模型，得到訓練樣本的預測值，再將相似日的訓練樣本的預測值與真實的訓練樣本做差獲得誤差序列；對誤差序列進行相同的分解、預測操作得到總的誤差預測值記為y2；則最終的預測結果y為二者相加。實現了光伏功率預測結果的修正以及預測。

但上述方案以及現有的技術方案中，需要的光伏站點數據相對完備，通過分析所有站點的功率數據與區域總體功率數據的內在聯系，進行光伏出力預測。然而在實際應用中，數據條件更加苛刻，檢測數據稀少的問題更加突出，并且隨著輸入序列變長和預測時間尺度的增加，存在歷史信息丟失的問題，進而影響光伏出力預測的準確。

發明內容

針對現有技術的缺陷，本發明的目的一在于提供一種通過選取基準站點，對站點數據進行清洗與加工，去除無效值補充缺失值，并對有限的數據集進行時域和頻域上的數據增強；其次，進行序列整合以及確定預測時間尺度后，采用編碼單元提取觀測時間序列中適合用作區域光伏預測的內在表征向量；并使用解碼單元來對內在表征向量解碼，以此來預測輸出的區域光伏出力序列；通過在解碼過程中加入注意力單元，使其充分利用輸入序列所含信息；經過不斷迭代使編碼單元和解碼單元達到性能要求；最后，通過輸入選定基準站點的實時出力數據至可用混合模型，實現對區域光伏滾動預測；進而可在數據量有限和低采集數據成本的情況下，保持良好的多時間尺度區域光伏出力預測效果，方案科學、合理、切實可行的基于序列編碼重構的多尺度區域光伏出力預測方法。

本發明的目的二在于提供一種適用于數據量有限以及數據缺失的場合，能最大程度上利用歷史數據所含的有效信息，并且能夠在一定程度上避免模型參數同質化的問題，具有實用性好、可操作性強、適用度廣等特點的基于序列編碼重構的多尺度區域光伏出力預測方法。