一种虚拟电厂日内数据滚动预测及修复方法技术

本发明专利技术公开了一种虚拟电厂日内数据滚动预测及修复方法，包括如下步骤：步骤一：采集日前历史数据并对所述日前历史数据进行预处理；所述预处理包括：缺失值填充处理；噪声值处理；初值化处理。步骤二：将预处理后的日前历史数据输入到数据预测模型得到下一日预测数据；所述预测模型采用增加了一层dropout层的GRU模型；步骤三：对所述下一日预测数据进行校验并更新覆盖。所述校验包括根据下一日预测数据和日前历史数据的残差值建立阈值并利用阈值进行下一日预测数据的校验。步骤三可以识别出异常预测数据并对异常预测数据进行更新覆盖。本发明专利技术提供的虚拟电厂日内数据滚动预测及修复方法，可以明显提高下一日预测数据的准确性，有利于虚拟电厂做出更准确合理的调度计划。有利于虚拟电厂做出更准确合理的调度计划。有利于虚拟电厂做出更准确合理的调度计划。

【技术实现步骤摘要】
一种虚拟电厂日内数据滚动预测及修复方法


[0001]本专利技术涉及虚拟电厂调度
，更具体的说是涉及一种虚拟电厂日内数据滚动预测及修复方法。

技术介绍

[0002]目前，虚拟电厂已经成为分布式新能源调度控制的重要途径，其良好的调度算法是保障调度正确性的关键所在。随着我国电力需求的迅速增长以及双碳目标的提出，能源革命正在不断推进，各种新能源技术不断被提出，随之而来的是电力系统的运行模式变得越来越复杂，这就需要及时的对以后的计划进行调度，这无疑对虚拟电厂调度中心提出了更高的要求。
[0003]但是，现有技术在处理虚拟电厂电力数据时往往无法很好的把握其数据的时序性特征。使得预测出来的时间段并不完整，无法满足需求。而且很多方法对预测值的准确性也没有进行校验，而错误的预测值将会影响调度计划的正确实施。在某一现有技术中:有研究者首先通过K
‑
means聚类分析筛选出与当前时刻气象数据相匹配的相似样本；然后，结合当前发电功率数据，构建随机森林预测模型实现对未来1h内时间间隔为5min的发电功率的预测；通过即时更新每5min时间间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟电厂日内数据滚动预测及修复方法，其特征在于，包括如下步骤：步骤一：采集日前历史数据并对所述日前历史数据进行预处理；步骤二：将预处理后的日前历史数据输入到数据预测模型得到下一日预测数据；步骤三：对所述下一日预测数据进行校验并更新覆盖；所述校验包括根据下一日预测数据和日前历史数据的残差值建立阈值并利用阈值进行下一日预测数据的校验。2.根据权利要求1所述的虚拟电厂日内数据滚动预测及修复方法，其特征在于，所述步骤一的预处理包括：S11：对所述日前历史数据进行缺失值填充处理；S12：对缺失值填充处理后的日前历史数据进行噪声值处理；S13：对噪声值处理后的日前历史数据进行初值化处理。3.根据权利要求2所述的虚拟电厂日内数据滚动预测及修复方法，其特征在于，所述缺失值填充处理采用线性差值方法对缺失的数据进行填充；填充公式为：其中，(x0,y0)、(x1,y1)、(x2,y2)为所述日前历史数据中相邻的三组数据。y1为所述日前历史数据中的缺失值。4.根据权利要求2所述的虚拟电厂日内数据滚动预测及修复方法，其特征在于，所述噪声值处理包括采用3σ原则对噪声值进识别、剔除处理：计算经过缺失值填充处理后的日前历史数据的均值μ和标准差σ，所述噪声值为区间(u
‑
3σ,u+3σ)之外的数据。5.根据权利要求2所述的虚拟电厂日内数据滚动预测及修复方法，其特征在于，所述初值化处理方法包括：将初值化前的数据序列中的所有数据除以所述数据序列中的第一项数据，得到初值化后的数据序列。6.根据权利要求1所述的虚拟电厂日内数据滚动预测及修复方法，其特征在于，所述步骤二包括：将预处理后的日前历史数据输入到GRU模型得到下一日预测数据；所述GRU模型为添加...

【专利技术属性】
技术研发人员：于卓，文治，吴晓亭，门进宝，吕海，郝庆利，欧阳红，
申请(专利权)人：北京中电普华信息技术有限公司，
类型：发明
国别省市：