一种能源数据的聚合方法及装置制造方法及图纸

本发明专利技术公开了一种能源数据的聚合方法及装置，其方法包括：获取可再生能源数据和待测的能源数据，基于所述可再生能源数据，建立可再生能源的个体物理模型和聚合集群模型，划分所述可再生能源数据为训练集数据和测试集数据，基于K均值聚类算法、所述训练集数据和所述测试集数据，对所述个体物理模型和所述聚合集群模型进行训练和验证，得到目标个体物理模型和目标聚合集群模型，将所述待测的能源数据输入所述目标个体物理模型和所述目标聚合集群模型，得到所述待测的能源数据的预测聚合指标数据。有利于解决社会闲散分布式可再生资源难以汇聚的技术问题，统一了可再生资源的接入标准。准。准。

【技术实现步骤摘要】
一种能源数据的聚合方法及装置


[0001]本专利技术涉及电力系统分布式能源的
，尤其涉及一种能源数据的聚合方法及装置。

技术介绍

[0002]随着社会对能源的需求日益增加，“双碳目标”的提出推动能源结构转型，分布式可再生能源也迎来了海量增长。包括分布式光伏、分布式风机、分布式储能、电动汽车以及灵活性负荷在内的多类型异构的海量分布式可再生资源给电网提供了经济的清洁能源，并且可以因地制宜充分发挥不同地区特有的风光资源优势，也可以通过削峰填谷、调频、需求响应保障电网的安全经济运行。目前，海量分布式可再生能源在能源占比中快速提升，数量巨大，种类繁多。但地理分布分散，从属权不统一，其发电特性存在因气候、人为因素的不确定性，若其无序直接接入电网，一方面不仅会造成管理困难，给电网带来冲击，另一方面也会造成社会闲散资源的浪费，不能保障可再生资源的充分消纳。鉴于此，结合海量分布式可再生资源体量小、分布分散、从属权不一的特点，可通过一些中间机构进行汇聚来统一接入，从而增强电力系统的灵活性。
[0003]针对海量分布式可再生资源的汇聚与接入，当前国内外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能源数据的聚合方法，其特征在于，包括：获取可再生能源数据和待测的能源数据；基于所述可再生能源数据，建立可再生能源的个体物理模型和聚合集群模型；划分所述可再生能源数据为训练集数据和测试集数据；基于K均值聚类算法、所述训练集数据和所述测试集数据，对所述个体物理模型和所述聚合集群模型进行训练和验证，得到目标个体物理模型和目标聚合集群模型；将所述待测的能源数据输入所述目标个体物理模型和所述目标聚合集群模型，得到所述待测的能源数据的预测聚合指标数据。2.根据权利要求1所述的能源数据的聚合方法，其特征在于，获取可再生能源数据和待测的能源数据，包括：获取可再生能源初始数据；对所述可再生能源初始数据进行清理以及修补，得到所述可再生能源数据和所述待测的能源数据。3.根据权利要求1所述的能源数据的聚合方法，其特征在于，基于K均值聚类算法、所述训练集数据和所述测试集数据，对所述个体物理模型和所述聚合集群模型进行训练和验证，得到目标个体物理模型和目标聚合集群模型，包括：运用所述K均值聚类算法，结合所述训练集数据，对所述个体物理模型和所述聚合集群模型进行训练，得到训练后的聚合集群模型和训练后的聚合集群模型；基于所述测试集数据，验证所述训练后的聚合集群模型和所述训练后的聚合集群模型，得到所述目标个体物理模型和所述目标聚合集群模型。4.根据权利要求3所述的能源数据的聚合方法，其特征在于，运用所述K均值聚类算法，结合所述训练集数据，对所述个体物理模型和所述聚合集群模型进行训练，得到训练后的聚合集群模型和训练后的聚合集群模型，包括：将所述训练集数据输入所述个体物理模型和所述聚合集群模型，得到对应的可再生能源数据的预测聚合值；根据所述训练集数据对应的数据标签和所述预测聚合值，确定训练误差；基于所述训练误差，通过所述K均值聚类算法，对所述个体物理模型和所述聚合集群模型进行调整，得到最优参数，并采用所述最优参数，优化所述个体物理模型和所述聚合集群模型，得到所述训练后的聚合集群模型和所述训练后的聚合集群模型。5.根据权利要求4所述的能源数据的聚合方法，其特征在于，将所述训练集数据输入所述个体物理模型和所述聚合集群模型，得到对应的可再生能源数据的预测聚...

【专利技术属性】
技术研发人员：赵瑞峰，李波，李响，区伟潮，郑文杰，周俊宇，彭飞进，谭振鹏，郭为斌，曹志辉，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：