【技术实现步骤摘要】
本专利技术涉及光伏发电功率预测，特别是涉及一种基于transformer的光伏短期功率区间预测方法、装置及介质。
技术介绍
1、随着分布式光伏的规模化建设，光伏发电不稳定的特点也逐渐受到关注，当气象条件发生变化时，光伏发电系统的电源侧会产生功率波动，对电力系统的稳定安全运行造成了不良影响，因此，光伏发电功率预测的重要性愈发凸显。根据功率预测时间尺度的不同，可以将光伏功率预测分为长期功率预测、中期功率预测和短期功率预测等，其中，光伏短期功率预测一般指对未来几分钟到数小时的光伏发电功率的预测，相较于长时间尺度的预测，可以为电网的调度管理提供更为准确且即时的功率变化信息。
2、在进行光伏短期功率预测时，传统的预测方法是点预测，每个时刻的预测结果是单一的数值，这类预测方法难以展现出数据存在的误差、模型导致的偏差以及预测结果的不确定性；此外，没有为预测结果提供客观的评价指标，导致预测结果的可信度低。
技术实现思路
1、本专利技术提供一种基于transformer的光伏短期功率区间预测方法、装置及介质，以解决现有技术的预测结果是缺乏评价指标的单一数值，导致预测结果的使用效能和可信度低的问题。
2、为了解决上述问题，本专利技术提供了一种基于transformer的光伏短期功率区间预测方法，包括：
3、从电力系统获取光伏发电功率数据和气象数据，根据所述光伏发电功率数据和气象数据构造模型训练集和模型测试集；
4、使用所述模型训练集，对预设的transf
5、根据所述模型训练集和模型测试集，计算得到区间覆盖率、区间平均带宽和区间覆盖宽度，由所述区间覆盖率、区间平均带宽和区间覆盖宽度构成所述区间预测结果的评价指标；
6、由所述区间预测结果和评价指标共同构成光伏短期功率区间预测的最终结果。
7、本专利技术使用模型训练集对transformer模型进行训练，得到区间预测模型，能够利用大规模数据训练得到的特征来初始化transformer模型的参数，使得到的区间预测模型的收敛速度加快、泛化能力得到提升，同时使区间预测模型拥有transformer模型强大的计算能力和信息捕捉能力，从而提高光伏短期功率区间预测结果的准确率；根据模型训练集和模型测试集，计算得到区间预测结果的评价指标，该评价指标从三个方面进行考量，能够为区间预测结果提供客观的可信度参考标准。相比于现有技术，本专利技术能够提供拥有客观的评价指标的区间预测结果，解决光伏短期功率区间预测结果的使用效能和可信度低的问题。
8、作为优选方案，从电力系统获取光伏发电功率数据和气象数据，还包括：
9、删除所述光伏发电功率数据和气象数据的不合理值，其中所述不合理值包括大于第一预设值的数据、小于第二预设值的数据和重复数据；
10、使用删除所述不合理值后所述光伏发电功率数据和气象数据的线性值，对所述光伏发电功率数据和气象数据的缺失数据进行填充，得到第一数据；删除所述第一数据中的夜间数据，将删除所述夜间数据后的第一数据进行归一化处理。
11、本优选方案通过删除大于第一预设值的数据和小于第二预设值的数据，可以减少极端值对整体数据的影响，从而更好地反映数据的整体趋势和分布情况，删除重复数据可以去除数据中冗余的信息，提高数据的利用率；使用线性值来填充缺失数据，不会改变数据的分布，并且能够让数据更完整，有利于进行数据统计分析和计算；由于不同特征数据可能存在不同的范围，将其归一化处理后，能够使数据处于一个相同的范围，使计算机更容易处理，并且可以为模型提供清晰的特征权重反应，有利于提升模型表现。
12、作为优选方案，使用所述模型训练集，对预设的transformer模型进行训练，得到区间预测模型，将所述模型测试集输入所述区间预测模型，得到光伏短期功率的区间预测结果，具体为：
13、使用所述模型训练集，从所述transformer模型的置信区间下限直至置信区间上限，按预设步长对所述transformer模型进行训练，得到所述区间预测模型；其中所述区间预测模型包括依次连接的transformer网络和上下区间预测网络；
14、将所述模型测试集输入所述区间预测模型，使用所述transformer网络对所述模型测试集进行特征提取；使用所述上下区间预测网络对提取后的特征进行分析，输出光伏短期功率区间上下界的预测值，得到所述区间预测结果。
15、本优选方案使用模型训练集对transformer模型进行训练，得到区间预测模型，能够利用大规模数据训练得到的特征来初始化transformer模型的参数，使区间预测模型的收敛速度加快，提高区间预测模型的泛化能力，从而提高光伏短期功率区间预测结果的准确率。
16、作为优选方案，根据所述模型训练集和模型测试集，计算得到区间覆盖率，具体为：
17、通过确定所述区间预测结果的下界和上界来确定布尔量，根据所述布尔量，以及所述模型训练集和模型测试集的样本数量计算得到所述区间覆盖率；
18、所述区间覆盖率为：
19、
20、对于参数有：
21、
22、其中，为所述样本数量，和分别为所述区间预测结果的下界和上界；为布尔量，其值由实际值决定，所述实际值为所述模型训练集和模型测试集中数据的真实值。
23、本优选方案所构建的区间覆盖率表示实际值落在预测区间上下界的比率，用来评价区间预测结果的可靠性，能够为本方案得到的区间预测结果提供客观的可信度作为参考。
24、作为优选方案，根据所述模型训练集和模型测试集，计算得到区间平均带宽，具体为：
25、通过确定所述区间预测结果的下界和上界，结合所述模型训练集和模型测试集中数据的真实值得到所述区间平均带宽；
26、所述区间平均带宽为：
27、
28、其中，为所述模型训练集和模型测试集的样本数量，和分别为所述区间预测结果的下界和上界；和分别为实际值的最大值和最小值，所述实际值为所述模型训练集和模型测试集中数据的真实值。
29、本优选方案所构建的区间平均带宽能够反应区间预测结果的清晰度，进而避免因单纯追求可靠性，出现预测区间过宽，不能给出有效的预测值不确定性信息，失去决策价值的情况。
30、作为优选方案，根据所述模型训练集和模型测试集，计算得到区间覆盖宽度，具体为：
31、使用所述区间覆盖率与预设的置信率进行大小比较，根据进行所述大小比较后得到的结果，结合所述区间平均带宽，计算得到所述区间覆盖宽度；所述区间覆盖宽度为：
32、
33、对于中间参数有：
34、
35、其中，为所述置信率，为预设的惩罚参数，为自然常数，为所述区间覆盖率，为所述区间平均带宽。
【技术保护点】
1.一种基于Transformer的光伏短期功率区间预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于Transformer的光伏短期功率区间预测方法，其特征在于，从电力系统获取光伏发电功率数据和气象数据，还包括：
3.如权利要求1所述的一种基于Transformer的光伏短期功率区间预测方法，其特征在于，使用所述模型训练集，对预设的Transformer模型进行训练，得到区间预测模型，将所述模型测试集输入所述区间预测模型，得到光伏短期功率的区间预测结果，具体为：
4.如权利要求1所述的一种基于Transformer的光伏短期功率区间预测方法，其特征在于，根据所述模型训练集和模型测试集，计算得到区间覆盖率，具体为：
5.如权利要求1所述的一种基于Transformer的光伏短期功率区间预测方法，其特征在于，根据所述模型训练集和模型测试集，计算得到区间平均带宽，具体为：
6.如权利要求1所述的一种基于Transformer的光伏短期功率区间预测方法，其特征在于，根据所述模型训练集和模型测试集，计算得到区间覆盖宽度
7.一种基于Transformer的光伏短期功率区间预测装置，其特征在于，包括：
8.如权利要求7所述的一种基于Transformer的光伏短期功率区间预测装置，其特征在于，所述数据处理模块还包括：
9.如权利要求7所述的一种基于Transformer的光伏短期功率区间预测装置，其特征在于，所述区间预测模块具体为：
10.如权利要求7所述的一种基于Transformer的光伏短期功率区间预测装置，其特征在于，所述指标构建模块还包括：
11.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上述权利要求1至6任意一种基于Transformer的光伏短期功率区间预测方法。
...【技术特征摘要】
1.一种基于transformer的光伏短期功率区间预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于transformer的光伏短期功率区间预测方法，其特征在于，从电力系统获取光伏发电功率数据和气象数据，还包括：
3.如权利要求1所述的一种基于transformer的光伏短期功率区间预测方法，其特征在于，使用所述模型训练集，对预设的transformer模型进行训练，得到区间预测模型，将所述模型测试集输入所述区间预测模型，得到光伏短期功率的区间预测结果，具体为：
4.如权利要求1所述的一种基于transformer的光伏短期功率区间预测方法，其特征在于，根据所述模型训练集和模型测试集，计算得到区间覆盖率，具体为：
5.如权利要求1所述的一种基于transformer的光伏短期功率区间预测方法，其特征在于，根据所述模型训练集和模型测试集，计算得到区间平均带宽，具体为：
...【专利技术属性】
技术研发人员：岳菁鹏，唐景星，梁晓兵，杨跃，金莉，
申请(专利权)人：广东电网有限责任公司，
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。