[發明專利]一種基于時空遺傳注意力網絡的短期光伏發電預測方法

在審

• 申請號: 202211022701.6
• 申請日: 2022-08-24
• 公開（公告）號: CN115496263A
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 杜恒;劉雷
• 申請（專利權）人: 蘇州中立志科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06N3/12;H02J3/00
• 代理公司: 蘇州慧通知識產權代理事務所(普通合伙) 32239
• 代理人: 丁秀華

1.一種基于時空遺傳注意力網絡的短期光伏發電預測方法，其特征在于，包括以下步驟：

對原始氣象因素數據進行歸一化處理，得到預處理后的歸一化氣象信息數據；

將歸一化氣象信息數據輸入時空模塊得到氣象預測數據；

將歷史發電數據和氣象預測數據輸入基于遺傳注意力模塊以預測分布式光伏電站的實際發電量；

模型訓練，得到預測的功率結果。

2.根據權利要求1所述的短期光伏發電預測方法，其特征在于，所述步驟：對原始氣象因素數據進行歸一化處理，得到預處理后的歸一化氣象信息數據，具體包括：

其中x'_in是歸一化氣象信息數據；x_in是原始氣象因素數據；max(x_in)和min(x_in)分別是原始氣象因素數據的最大值和最小值。

3.根據權利要求1所述的短期光伏發電預測方法，其特征在于，所述歸一化氣象信息數據為一個長度為M的序列有C_i通道，內核大小為

4.根據權利要求3所述的短期光伏發電預測方法，其特征在于，所述步驟：將歸一化氣象信息數據輸入時空模塊得到氣象預測數據，具體包括：

將歸一化氣象信息數據輸入第一時間子模塊進行計算，具體包括以下步驟：

分別進行擴張卷積運算，得到兩個大小相同的輸出結果A和B，擴張卷積運算如下：

其中，d是控制跳過距離的擴張參數，f∈R^k是內核，x_t是序列x的第t個值；

將A和B分別通過sigmoid函數運算和融合運算，最后進行Hadamard乘積來獲得結果；結果計算方式如下：

其中，σ是sigmoid函數，是元素-wise Hadamard乘積運算；

將第一時間子模塊得出的結果輸入空間子模塊進行計算，具體包括：

g_θ(·)*x＝Ug_θ(Λ)U^Tx

其中，x為輸入，g_θ(·)*x為輸出，其中U是歸一化圖拉普拉斯L＝I_N-D^-1/2AD^-1/2＝UΛU的特征向量矩陣，其特征值為Λ，U^Tx是x的圖形傅里葉變換。

將空間子模塊得出的結果輸入第二時間子模塊進行計算，具體包括以下步驟：

分別進行擴張卷積運算，得到兩個大小相同的輸出結果A1和B1，擴張卷積運算如下：

其中，d是控制跳過距離的擴張參數，f∈R^k是內核，x_t是序列x的第t個值；

將A1和B1分別通過sigmoid函數運算和融合運算，最后進行Hadamard乘積來獲得結果；結果計算方式如下：

其中，σ是sigmoid函數，是元素-wise Hadamard乘積運算；

將第二時間子模塊得出的結果通過全連接層產生綜合特征，生成最終的氣象預測數據。

5.根據權利要求1所述的短期光伏發電預測方法，其特征在于，所述步驟：將歷史發電數據和氣象預測數據輸入基于遺傳注意力模塊以預測分布式光伏電站的實際發電量，具體包括以下步驟：

通過滑動窗口構造將歷史發電數據和氣象預測數據組成輸入矩陣；

基于遺傳的搜索算子初始化輸入矩陣的權重；

將輸入矩陣饋送到LSTM以獲得進一步迭代的損失并獲得更好的權重。

6.根據權利要求5所述的短期光伏發電預測方法，其特征在于，所述步驟：將輸入矩陣饋送到LSTM以獲得進一步迭代的損失并獲得更好的權重之前，還包括以下步驟：

基于遺傳的搜索算子來訓練注意力權重，將訓練損失作為參考，以獲得LSTM網絡注意力層的最佳參數。