【技术实现步骤摘要】
新能源电网负载预测方法、装置及电子设备
[0001]本专利技术涉及新能源
,尤其涉及一种新能源电网负载预测方法、装置及电子设备。
技术介绍
[0002]当前,发电方式多种多样,包括传统的火电、水电以及光伏、风电、生物质能等多种新能源发电,并且新能源发电在整体能源供给中正在占据越来越大的比重,多种发电方式的发电质量对电网负载预测提出了严苛的要求。面对新能源电网海量特征数据的冲击,快速且准确地预测新能源电网的短期负载,对保障含有各种新能源的新型电力系统的稳定起到至关重要的作用。
[0003]目前主流的基于特征选择的新能源电网负载预测方法有两种,第一种是基于信息熵评价准备进行特征选择,之后根据选出的特征进行短期负载预测,该方法特征选择过程的运算量较大,预测效率低下。第二种是基于距离评价准则进行特征选择,再根据选出的特征进行短期负载预测,该方法便于计算但是预测模型对训练集样本数量要求过高,训练难度大,应用场景较少。
[0004]因此,现有技术中存在特征选择过程运算量较大,预测效率低下,方法通用性差的问题。
技术实现思路
[0005]本申请提供了一种新能源电网负载预测方法、装置及电子设备,以至少解决相关技术中存在特征选择过程运算量较大,预测效率低下,方法通用性差的问题。
[0006]根据本申请实施例的一个方面,提供了一种新能源电网负载预测方法,该方法包括:
[0007]获取负载数据矩阵;
[0008]将所述负载数据矩阵输入预设特征选择模型,得到输入矩阵;
[ ...
【技术保护点】
【技术特征摘要】
1.一种新能源电网负载预测方法,其特征在于,所述方法包括:获取负载数据矩阵;将所述负载数据矩阵输入预设特征选择模型,得到输入矩阵;将所述输入矩阵输入负载预测模型,得到预设时间周期内的预测负载。2.根据权利要求1所述的方法,其特征在于,所述将所述输入矩阵输入负载预测模型,得到预设时间周期内的预测负载,包括:将所述输入矩阵输入所述负载预测模型,得到所述预设时间周期内当前目标时间采样点的输出矩阵,其中,所述输出矩阵包括所述当前目标时间采样点的所述预测负载;将所述输出矩阵作为所述输入矩阵,并将所述输入矩阵输入所述负载预测模型,得到所述预设时间周期内下一个目标时间采样点的输出矩阵,并从所述将所述输出矩阵作为所述输入矩阵开始执行后续步骤,直到得到所述预设时间周期内所有所述目标时间采样点的所述输出矩阵;根据所有所述输出矩阵,得到所述预设时间周期内的所述预测负载。3.根据权利要求1所述的方法,其特征在于,所述将所述负载数据矩阵输入预设特征选择模型,得到输入矩阵,包括:根据预设聚类算法对所述负载数据矩阵进行聚类操作,得到所述负载数据矩阵中每个特征的类别,其中,所述负载数据矩阵包含第一预设数量个所述特征;将每个所述特征映射到预设权重诱导空间,得到第一预设数量个映射后的特征;根据所述类别和所述映射后的特征,确定特征数据结构;根据所述映射后的特征和所述特征数据结构,确定第二预设数量个目标特征;根据所述目标特征,得到所述输入矩阵。4.根据权利要求3所述的方法,其特征在于,所述根据预设聚类算法对所述负载数据矩阵进行聚类操作,得到所述负载数据矩阵中每个特征的类别,包括:根据所述负载数据矩阵,生成预设距离曲线;根据所述预设距离曲线,确定扫描半径和密度阈值,其中,所述扫描半径和所述密度阈值用于得到所述类别;获取每个所述特征的预设范围内所述特征的特征数量,其中,所述预设范围是根据所述扫描半径得到的;如果所述特征数量大于或等于所述密度阈值,则所述预设范围内的所有所述特征构成一个所述类别,得到每个所述特征的所述类别。5.根据权利要求3所述的方法,其特征在于,所述根据所述类别和所述映射后的特征,确定特征数据结构,包括:根据所述类别、所述映射后的特征、中间权值以及第一预设公式,得到所有所述映射后的特征之间的距离,其中,所述中间权值为确定目标权值的动态变化量,所述目标权值用于表征每个所述映射后的特征对应的目标间隔,所述目标间隔用于表征所述特征数据结构;根据所述距离和第二预设公式,得到每个所述映射后的特征对应的中间间隔,其中,所述中间间隔用于确定所述目标权值;根据所述中间间隔和目标函数,得到所述目标权值;根据所述类别、所述映射后的特征、所述目标权值、...
【专利技术属性】
技术研发人员:张宸,邝家月,任家朋,刘畅,王宇庭,沈阳武,何立夫,
申请(专利权)人:中国长江三峡集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。