基于DTW气象偏移矫正的分布式光伏出力预测方法及装置制造方法及图纸

本发明专利技术提出了一种基于DTW气象偏移矫正的分布式光伏出力预测方法及装置，收集光伏气象站气象数据，以及气象站方圆20公里内的分布式光伏用户和发电数据，对气象数据和发电数据进行清洗，基于DTW对气象数据进行偏移矫正，然后按照对应的小时级时间进行数据匹配，生成气象统计特征和发电户用户画像；建立小时级预测样本；建立适用于功率预测的多头注意力机制神经网络模型；训练模型，在训练过程中对特征分布稀少的样本进行LOSS加权，保证模型的泛化能力。本发明专利技术基于DTW的气象数据偏移矫正算法，解决了因为时序偏移导致的气象数据偏差问题，本发明专利技术解决了因为时序偏移导致的气象数据偏差问题，简化模型复杂性的同时，提高了预测准确度。度。度。

【技术实现步骤摘要】
基于DTW气象偏移矫正的分布式光伏出力预测方法及装置


[0001]本专利技术涉及新能源
，尤其涉及分布式光伏的建设和应用领域，更具体地，涉及一种基于DTW气象偏移矫正的分布式光伏出力预测方法及装置。

技术介绍

[0002]由于“整县”分布式光伏过于碎片化，加上光伏本身发电能力的不确定性，分布式光伏并网对线路潮流、电网经济性运行和电能质量都会有较大的影响。然而，对分布式光伏出力水平进行准确的超短期预测，可以有效的降低分布式光伏并网带来的风险。因此，如何准确的对分布式光伏出力情况进行预测成为推广“整县”分布式光伏过程中一个重要的课题。
[0003]现有模型应用于“整县”分布式光伏短期出力预测存在一些共性的问题:一是只关注气象特征，忽视了分布式光伏各节点存在的重要差异化特征，缺少对发电户个性化信息这一重要特征，导致预测结果的准确性欠佳；二是由于分布式光伏的碎片化特性，预测模型只能使用邻近气象站的数值天气预报数据，导致实际天气数值与收集到的数值有一定偏差，造成预测的失准；三是现有研究大多基于国外公开气象数据进行实验，没有使用国内气象、光伏数据下进行验证，适用性尚待考究。

技术实现思路

[0004]针对上述问题，本方法结合分布式光伏用户画像、细化的环境特征以及多头自注意力机制神经网络，提出了一种新的预测模型，弥补了现有模型的不足，极大的提高了模型的预测性能。
[0005]具体地，本专利技术提出一种基于DTW气象偏移矫正的分布式光伏出力预测方法，所述方法包括：
[0006]步骤1：收集光伏气象站的气象数据；
[0007]步骤2：收集所述光伏气象站方圆20公里内的分布式光伏用户数据和发电数据；
[0008]步骤3：对气象数据和发电数据进行清洗，基于DTW对气象数据进行偏移矫正；
[0009]步骤4：生成20维的小时级气象统计特征和3维的用户画像特征，并对所述特征进行min
‑
max归一化处理；
[0010]步骤5：将归一化处理的所述特征与对应的预测目标值结合生成样本；
[0011]步骤6：建立适用于功率预测的多头注意力机制神经网络模型；
[0012]步骤7：训练所述网络模型，在训练过程中对特征分布稀少的样本进行LOSS加权，保证模型的泛化能力；
[0013]步骤8：利用训练好的模型进行分布式光伏短期出力预测。
[0014]优选地，所述步骤1中，气象数据维度包括：直射辐射、散射辐射、水平辐射、风速、气压、温度。
[0015]优选地，所述步骤2中，用户数据包括报装容量、设备型号，发电数据为1小时一个
点或15分钟一个点的功率数据。
[0016]优选地，所述步骤3中，基于DTW对气象数据进行偏移矫正包括：
[0017]S31：对气象站附近3公里的发电户，直接使用该气象站数据作为气象特征；
[0018]S32：对全部气象站的当日气象数据，两两配对，在
‑
30分钟到30分钟范围内逐分钟计算气象数据曲线相似度，进行DTW最短距离匹配，寻找到两个气象站中最合适的时间偏移值；
[0019]S33：对气象站3公里外的发电户，取其不同方向最近两个气象站的气象数据，根据发电户所在位置与两个发电站的距离比例，用提前计算好时间偏移值进行数值纠偏，并取最近两个气象站的气象数据均值作为最终结果。
[0020]优选地，所述步骤4中，用户画像特征的生成方法包括：
[0021]S41：将每天5点
‑‑
20点区间的直射辐射、散射辐射、水平辐射三类辐射按照小时维度求和，得到小时级各类辐射的3分位数；
[0022]S42：将三类辐射按照3分位数分为3类，并求出发电户在30天内，计算每个小时内的每类辐射下的发电效率，作为3维的用户画像，根据预测当时的辐射类别，使用对应的3维特征作为用户画像。
[0023]优选地，所述步骤6中，所述模型数学公式如下：
[0024][0025]式中，X表示输入向量，Q表示权重查询向量，W表示神经网络层连接中的系数，其中W
i
，W
s1
,W
si
，W
h
分别指各头注意力网络的连接系数，B指神经网络层连接中的偏移值，其中B
i
，B
s1
,B
si
，B
h
分别指各头注意力网络的偏移值，H表示隐层向量，其中H
’
指的是经过加权计算后的隐层向量，S表示特征权重，其中S1,
……
S
i
指的是各头特征权重值。
[0026]进一步地，本专利技术还提出一种基于DTW气象偏移矫正的分布式光伏出力预测装置，所述装置包括：
[0027]气象数据采集模块：收集光伏气象站的气象数据；
[0028]用户数据采集模块：收集所述光伏气象站方圆20公里内的分布式光伏用户数据和发电数据；
[0029]数据处理模块：对气象数据和发电数据进行清洗，基于DTW对气象数据进行偏移矫正；
[0030]特征生成模块：生成20维的小时级气象统计特征和3维的用户画像特征，并对所述特征进行min
‑
max归一化处理；
[0031]样本生成模块：将归一化处理的所述特征与对应的预测目标值结合生成样本；
[0032]模型建立模块：建立适用于功率预测的多头注意力机制神经网络模型；
[0033]模型训练模块：训练所述网络模型，在训练过程中对特征分布稀少的样本进行LOSS加权，保证模型的泛化能力；
[0034]预测模块：利用训练好的模型进行分布式光伏短期出力预测。
[0035]进一步地，本专利技术还提出一种存储一个或多个程序的存储器，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据本专利技术所述的方法中的任一方法。
[0036]进一步地，本专利技术还提出一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据本专利技术所述的方法中的任一方法的指令。
[0037]与现有技术相比，本申请所达到的有益效果：
[0038]本专利技术基于DTW的气象数据偏移矫正算法，解决了因为时序偏移导致的气象数据偏差问题。
[0039]本专利技术引入用户画像概念，区分分布式光伏各节点发电特性；并且通过更细化的气象特征，取代业界常用的天气聚类+多算法集成的方式，在简化模型复杂性的同时，还提高了预测准确度。
[0040]本专利技术建立了适用于光伏预测的基于多头自注意力机制的神经网络回归算法及其表达公式，有效的计算出人工难以预设的隐层特征权重，提高了模型的拟合能力。
附图说明
[0041]图1是本专利技术的基于DTW气象偏移矫正的分布式光伏出力预测方法流程图。
具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DTW气象偏移矫正的分布式光伏出力预测方法，其特征在于，所述方法包括：步骤1：收集光伏气象站的气象数据；步骤2：收集所述光伏气象站方圆20公里内的分布式光伏用户数据和发电数据；步骤3：对气象数据和发电数据进行清洗，基于DTW对气象数据进行偏移矫正；步骤4：生成20维的小时级气象统计特征和3维的用户画像特征，并对所述特征进行min
‑
max归一化处理；步骤5：将归一化处理的所述特征与对应的预测目标值结合生成样本；步骤6：建立适用于功率预测的多头注意力机制神经网络模型；步骤7：训练所述网络模型，在训练过程中对特征分布稀少的样本进行LOSS加权，保证模型的泛化能力；步骤8：利用训练好的模型进行分布式光伏短期出力预测。2.根据权利要求1所述的方法，其特征在于：所述步骤1中，气象数据维度包括：直射辐射、散射辐射、水平辐射、风速、气压、温度。3.根据权利要求2所述的方法，其特征在于：所述步骤2中，用户数据包括报装容量、设备型号，发电数据为1小时一个点或15分钟一个点的功率数据。4.根据权利要求3所述的方法，其特征在于，所述步骤3中，基于DTW对气象数据进行偏移矫正包括：S31：对气象站附近3公里的发电户，直接使用该气象站数据作为气象特征；S32：对全部气象站的当日气象数据，两两配对，在
‑
30分钟到30分钟范围内逐分钟计算气象数据曲线相似度，进行DTW最短距离匹配，寻找到两个气象站中最合适的时间偏移值；S33：对气象站3公里外的发电户，取其不同方向最近两个气象站的气象数据，根据发电户所在位置与两个发电站的距离比例，用提前计算好时间偏移值进行数值纠偏，并取最近两个气象站的气象数据均值作为最终结果。5.根据权利要求4所述的方法，其特征在于：所述步骤4中，用户画像特征的生成方法包括：S41：将每天5点
‑‑
20点区间的直射辐射、散射辐射、水平辐射三类辐射按照小时维度求和，得到小时级各类辐射的3分位数；S42：将三类辐射按照3分位数分为3类，并求出发电户在30天内，计算每个小时内的每类辐射下的发电效率，作为3维的用户画像，根据预测当时的辐射类别，使用对应的3维特征作为用户画像。6.根据权利要求5所述的方法，其特征在于：所述步骤6中，所述模型数学公式如下：
...

【专利技术属性】
技术研发人员：王贺，左强，何维民，邹云峰，徐超，周红勇，高凡，赵新宇，周家亿，杨美蓉，尹泽然，陈奕彤，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：