分布式电源出力和多能负荷态势感知方法及系统技术方案

本发明专利技术提供一种分布式电源出力和多能负荷态势感知方法及系统，包括获取不同种类的多能负荷信息，和多个第一影响因素信息，以及分布式电源出力信息，和多个第二影响因素信息；基于多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于分布式电源出力信息以及多个第二影响因素信息，构建分布式电源出力特征集；对多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集；将态势感知特征集输入预先构建的态势感知模型，确定态势感知结果。本发明专利技术的方法能够实现提高综合能源系统能源利用率、保证综合能源系统经济性的目的。源系统经济性的目的。源系统经济性的目的。

【技术实现步骤摘要】
分布式电源出力和多能负荷态势感知方法及系统


[0001]本专利技术涉及综合能源
，尤其涉及一种分布式电源出力和多能负荷态势感知方法及系统。

技术介绍

[0002]综合能源系统是包含电、热、冷、气等多种类型的能源体系，是能源互联网的主要承载形式，它打破了原有的能源系统中电、热、 冷、气等能源供应系统单独规划、设计和运行的既有模式，具有多能协同、多源耦合的特性。
[0003]但分布式风电和光伏出力受风速、太阳辐照强度、温度等不确定气象因素的影响，因而具有较强的不确定性。从综合能源系统的层面来看，分布式风电、光伏输出功率的不确定性主要来自于气象要素的不确定性、电能转换过程的不确定性、电能传输过程的不确定性，以及分布式风电、光伏出力态势感知模型的不确定性。
[0004]传统能源系统中分布式风电、光伏可再生能源比例相对较低，且不同种类能源系统之间是相互独立的，电力系统、热力系统和天然气系统等各个系统自成一体。现有综合能源系统中分布式风电、光伏的强随机波动性和反调峰特性极大地增加了综合能源系统中常规电源的调节负担和综合能源系统的调控难度，直接影响了综合能源系统的调度计划，进而影响了综合能源系统的能源利用效率以及系统的经济性和充裕性。

技术实现思路

[0005]本专利技术提供一种分布式电源出力和多能负荷态势感知方法，能够解决现有技术中的部分问题，也即，降低综合能源系统中调节负担和综合能源系统的调控难度。
[0006]本专利技术实施例的第一方面，提供一种分布式电源出力和多能负荷态势感知方法，包括：获取不同种类的多能负荷信息，与所述多能负荷信息对应的多个第一影响因素信息，以及分布式电源出力信息，与所述分布式电源出力信息对应的多个第二影响因素信息；基于所述多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于所述分布式电源出力信息以及所述多个第二影响因素信息，构建分布式电源出力特征集；对所述多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集；将所述态势感知特征集输入预先构建的态势感知模型，确定态势感知结果，其中，所述态势感知模型基于改进的随机森林算法构建。
[0007]在一种可选的实施方式中，所述基于所述多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于所述分布式电源出力信息以及所述多个第二影响因素信息，构建分布式电源出力
特征集之后，所述方法还包括：确定所述多能负荷特征集和所述分布式电源出力特征集中各个特征的均值信息和标准差信息，若所述多能负荷特征集和所述分布式电源出力特征集中任一特征与所述均值信息的差值绝对值，大于预设数据剔除系数与所述标准差信息的乘积，则剔除该特征的异常值；和/或对所述多个第一影响因素信息和所述多个第二影响因素信息进行文本分词、删除停用词以及生成对应的词向量，并生成数据化信息，对所生成的数据化信息进行填充，判断填充后的数据化信息是否完整，若完整，则进行归一化处理。
[0008]在一种可选的实施方式中，所述对所述多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集包括：将所述多能负荷特征集以及所述分布式电源出力特征集作为预先构建的条件互信息模型的输入，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，其中，所述条件互信息模型用于指示两个变量中是否含有另一变量的约束条件或者两个变量之间的关联程度；基于所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，采用前向特征选择算法，依次增加输入所述待训练的态势感知模型特征的维度，确定所有维度的特征对应的所述待训练的态势感知模型的态势感知误差；将态势感知误差最小时的特征维度作为最优态势感知特征集。
[0009]在一种可选的实施方式中，所述将所述多能负荷特征集以及所述分布式电源出力特征集作为预先构建的条件互信息模型的输入，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性包括：按照如下公式确定各个特征的重要性：其中，I(X;Y)表示X和Y的互信息值，p(x,y)表示X和Y共同出现的频率，p(x)表示表示X单独出现的频率，p(y)表示Y单独出现的频率，p(x|y)表示Y出现的情况下，X出现的频率，其中，I(X;Y)越大，则X和Y的关联程度越强。
[0010]在一种可选的实施方式中，在将所述态势感知特征集输入预先构建的态势感知模型，确定态势感知结果之前，还包括：训练所述态势感知模型，所述训练方法包括：从包含多个样本的原始特征集合中，通过自助重采样方法有放回地抽取多个样本，组成新的样本集合作为训练集；建立所述训练集对应的决策树，并任由所述决策树生长，不进行剪枝处理，直至所
述训练集中样本数无法继续分裂，和/或训练集中所有样本指向同一标签时，所述决策树停止生长；根据熵计算信息增益，选择所述决策树的最优分裂属性子集，训练所述态势感知模型。
[0011]在一种可选的实施方式中，所述熵计算信息增益如下公式所示：所述熵计算信息增益如下公式所示：所述熵计算信息增益如下公式所示：其中，G(c
k
)表示熵计算信息增益，表示欧拉常数，表示Digamma函数，c
k
表示D
j
中第k类样本的数量，n表示样本总数，k表示将样本总数分成k份。
[0012]在一种可选的实施方式中，所述多个第一影响因素信息和所述多个第二影响因素信息包括时间因素、天气因素，其中，所述天气因素进一步包括太阳辐射、温度、相对湿度以及风度中至少一种。
[0013]本专利技术实施例的第二方面，提供一种分布式电源出力和多能负荷态势感知系统，包括：第一单元，用于获取不同种类的多能负荷信息，与所述多能负荷信息对应的多个第一影响因素信息，以及分布式电源出力信息，与所述分布式电源出力信息对应的多个第二影响因素信息；第二单元，用于基于所述多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于所述分布式电源出力信息以及所述多个第二影响因素信息，构建分布式电源出力特征集；第三单元，用于对所述多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集；第四单元，用于将所述态势感知特征集输入预先构建的态势感知模型，确定态势感知结果，其中，所述态势感知模型基于改进的随机森林算法构建。
[0014]本专利技术实施例的第三方面，提供一种设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
[0015]本专利技术实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指
令被处理器执行时实现前述所述的方法。
[0016]通过对综合能源系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式电源出力和多能负荷态势感知方法，其特征在于，包括：获取不同种类的多能负荷信息，与所述多能负荷信息对应的多个第一影响因素信息，以及分布式电源出力信息，与所述分布式电源出力信息对应的多个第二影响因素信息；基于所述多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于所述分布式电源出力信息以及所述多个第二影响因素信息，构建分布式电源出力特征集；对所述多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集；将所述态势感知特征集输入预先构建的态势感知模型，确定态势感知结果，其中，所述态势感知模型基于改进的随机森林算法构建。2.根据权利要求1所述的方法，其特征在于，所述基于所述多能负荷信息与所述多个第一影响因素信息，构建多能负荷特征集；基于所述分布式电源出力信息以及所述多个第二影响因素信息，构建分布式电源出力特征集之后，所述方法还包括：确定所述多能负荷特征集和所述分布式电源出力特征集中各个特征的均值信息和标准差信息，若所述多能负荷特征集和所述分布式电源出力特征集中任一特征与所述均值信息的差值绝对值，大于预设数据剔除系数与所述标准差信息的乘积，则剔除该特征的异常值；和/或对所述多个第一影响因素信息和所述多个第二影响因素信息进行文本分词、删除停用词以及生成对应的词向量，并生成数据化信息，对所生成的数据化信息进行填充，判断填充后的数据化信息是否完整，若完整，则进行归一化处理。3.根据权利要求1所述的方法，其特征在于，所述对所述多能负荷特征集以及所述分布式电源出力特征集进行相关性分析，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，按照重要性排序确定态势感知特征集包括：将所述多能负荷特征集以及所述分布式电源出力特征集作为预先构建的条件互信息模型的输入，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，其中，所述条件互信息模型用于指示两个变量中是否含有另一变量的约束条件或者两个变量之间的关联程度；基于所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性，采用前向特征选择算法，依次增加输入待训练的态势感知模型特征的维度，确定所有维度的特征对应的所述待训练的态势感知模型的态势感知误差；将态势感知误差最小时的特征维度作为最优态势感知特征集。4.根据权利要求3所述的方法，其特征在于，所述将所述多能负荷特征集以及所述分布式电源出力特征集作为预先构建的条件互信息模型的输入，确定所述多能负荷特征集以及所述分布式电源出力特征集各个特征的重要性包括：按照如下公式确定各个特征的重要性：
其中，I(X;Y)表示X和Y的互信息值，p(x,y)表示X和Y共同出...

【专利技术属性】
技术研发人员：钟良亮，戴晓红，杨志义，邵栋栋，金迪，郭高鹏，严浩军，康家乐，张志刚，陈玄俊，杨劲松，操瑞发，胡旭波，童金聪，蔡振华，应芳义，杨跃平，胡锡，王元凯，孙晨航，雷俊，黄芳，
申请(专利权)人：宁波市电力设计院有限公司，
类型：发明
国别省市：