一种综合能源基地日前调度计划生成方法及系统技术方案

本申请提出一种综合能源基地日前调度计划生成方法及系统，所述方法包括：获取待调度日对应的各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据和各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比，构成训练集；利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型；获取待调度日各时刻的风电功率预测数据和光伏功率预测数据，并将所述风电功率预测数据和光伏功率预测数据输入所述风光火出力调度计划生成模型中，得到所述待调度日各时刻的光伏出力占比、风电出力占比和火电出力占比。本申请提出的技术方案，提高调度计划的可靠性，提升大型综合能源基地的安全稳定运行能力。基地的安全稳定运行能力。基地的安全稳定运行能力。

【技术实现步骤摘要】
一种综合能源基地日前调度计划生成方法及系统


[0001]本申请涉及调度领域，尤其涉及一种综合能源基地日前调度计划生成方法及系统。

技术介绍

[0002]为实现'双碳'目标与新型电力系统建设，大型综合能源基地是新能源发展的重点。大型能源基地将风、光、火电汇集后通过直流送出。大型能源基地的运行需要提前制定好风光火电的调度计划，避免由各种原因导致的备用容量不足或者由配置不合理导致的大量弃风弃光。目前的日前调度计划生成方法主要依靠前一天的光伏、风电功率预测结果来制定，没有利用到历史预测数据与调度数据中包含的大量信息，导致调度计划的可靠性较低，进而使得大型综合能源基地的安全稳定运行能力较弱。

技术实现思路

[0003]本申请提供一种综合能源基地日前调度计划生成方法及系统，以至少解决调度计划的可靠性较低，进而使得大型综合能源基地的安全稳定运行能力较弱的技术问题。
[0004]本申请第一方面实施例提出一种综合能源基地日前调度计划生成方法，所述方法包括：
[0005]获取待调度日对应的各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据和各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比，构成训练集；
[0006]利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型；
[0007]获取待调度日各时刻的风电功率预测数据和光伏功率预测数据，并将所述风电功率预测数据和光伏功率预测数据输入所述风光火出力调度计划生成模型中，得到所述待调度日各时刻的光伏出力占比、风电出力占比和火电出力占比。
[0008]优选的，所述深度神经网络模型包括：输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层。
[0009]进一步的，所述利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型，包括：
[0010]将训练集中各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据作为所述深度神经网络模型的输入，将训练集中各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比作为所述深度神经网络模型的输出对所述模型进行训练，以得到所述训练好的风光火出力调度计划生成模型。
[0011]进一步的，所述风光火出力调度计划生成模型的训练过程包括：
[0012]将所述训练集中各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据输入到所述输入层，通过所述输入层得到所述预测数据各自对应的输入向量；
[0013]将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量；
[0014]获取所述目标特征向量，将所述目标特征向量输入所述LSTM层，以得到所述目标特征向量各自对应的第一输出向量；
[0015]将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；
[0016]将所述第二输出向量输入到所述输出层，以确定各历史相似日内各时刻的光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值，并输出所述光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值；
[0017]根据所述训练集中各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比与所述预测值之间的差异，对所述深度神经网络模型进行模型参数调整，以得到所述风光火出力调度计划生成模型。
[0018]进一步的，所述CNN层包括卷积层和丢弃dropout层，将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：
[0019]将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；
[0020]将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。
[0021]进一步的，所述将所述第二输出向量输入到所述输出层，以确定各历史相似日内各时刻的光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值，并输出所述各历史相似日内各时刻的光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值之后，还包括：
[0022]将输出的所述各历史相似日内各时刻的光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值进行反归一化处理。
[0023]本申请第二方面实施例提出一种综合能源基地日前调度计划生成系统，所述系统包括：
[0024]获取模块，用于获取待调度日对应的各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据和各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比，构成训练集；
[0025]训练模块，用于利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型；
[0026]生成模块，用于获取待调度日各时刻的风电功率预测数据和光伏功率预测数据，并将所述风电功率预测数据和光伏功率预测数据输入所述风光火出力调度计划生成模型中，得到所述待调度日各时刻的光伏出力占比、风电出力占比和火电出力占比。
[0027]优选的，所述深度神经网络模型包括：输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层。
[0028]本申请第三方面实施例提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如第
一方面实施例所述的综合能源基地日前调度计划生成方法。
[0029]本申请第四方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的综合能源基地日前调度计划生成方法。
[0030]本申请的实施例提供的技术方案至少带来以下有益效果：
[0031]本申请提出了一种综合能源基地日前调度计划生成方法及系统，其中所述方法包括：获取待调度日对应的各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据和各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比，构成训练集；利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型；获取待调度日各时刻的风电功率预测数据和光伏功率预测数据，并将所述风电功率预测数据和光伏功率预测数据输入所述风光火出力调度计划生成模型中，得到所述待调度日各时刻的光伏出力占比、风电出力占比和火电出力占比。本申请提出的技术方案，提高调度计划的可靠性，提升大型综合能源基地的安全稳定运行能力。
[0032]本申请附加的方面以及优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0033]本申请上述的和/或附加的方面以及优点从下面结合附图对实施例的描述中将变得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合能源基地日前调度计划生成方法，其特征在于，所述方法包括：获取待调度日对应的各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据和各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比，构成训练集；利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型；获取待调度日各时刻的风电功率预测数据和光伏功率预测数据，并将所述风电功率预测数据和光伏功率预测数据输入所述风光火出力调度计划生成模型中，得到所述待调度日各时刻的光伏出力占比、风电出力占比和火电出力占比。2.如权利要求1所述的方法，其特征在于，所述深度神经网络模型包括：输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层。3.如权利要求2所述的方法，其特征在于，所述利用所述训练集对深度神经网络模型进行训练，得到训练好的风光火出力调度计划生成模型，包括：将训练集中各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据作为所述深度神经网络模型的输入，将训练集中各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比作为所述深度神经网络模型的输出对所述模型进行训练，以得到所述训练好的风光火出力调度计划生成模型。4.如权利要求3所述的方法，其特征在于，所述风光火出力调度计划生成模型的训练过程包括：将所述训练集中各历史相似日内各时刻的风电功率预测数据、光伏功率预测数据输入到所述输入层，通过所述输入层得到所述预测数据各自对应的输入向量；将所述输入向量输入到所述CNN层，并对所述输入向量进行特征提取，以筛选出目标特征向量；获取所述目标特征向量，将所述目标特征向量输入所述LSTM层，以得到所述目标特征向量各自对应的第一输出向量；将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；将所述第二输出向量输入到所述输出层，以确定各历史相似日内各时刻的光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值，并输出所述光伏出力占比预测值、风电出力占比预测值和火电出力占比预测值；根据所述训练集中各历史相似日内各时刻的实际光伏出力占比、实际风电出力占比和实际火电出力占比与所述预测值之...

【专利技术属性】
技术研发人员：王鸿策，曾庆丰，孙财新，陈建华，潘霄峰，刘涛，谢翔，周卉，
申请(专利权)人：华能湖南能源销售有限责任公司，
类型：发明
国别省市：