System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能电网,更具体的说是涉及一种面向不同渗透率的多元负荷时空概率分布预测方法及系统。
技术介绍
1、近年来,随着新能源渗透率不断提升,用电供需矛盾愈加突出。需求侧响应作为一种重要的新型电力系统调控手段,可以极大地缓解用电供需矛盾。其中,负荷预测是智能化牵引新型电力系技术体系中的重要组成。新型电力系统下,电力负荷呈现出了新的变化趋势:负荷结构多元化,负荷尖峰化,负荷不确定性提升等。这种变化趋势对负荷预测技术提出了更高的要求。
2、传统的电力系统的负荷预测以确定性预测为主,为某个时刻可再生能源电力的单点期望值,主要根据回归分析、灰色系统、专家系统等理论进行计算。而近年来随着计算机计算能力的提升,支持向量机、集成学习、深度学习等算法被广泛应用于电力系统负荷的预测中。然而,以点预测为代表的确定性预测难以反映用电负荷的不确定性和随机性。因此如何从需求侧响应提取更加可靠的可调度容量信息是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此,本专利技术提供了一种面向不同渗透率的多元负荷时空概率分布预测方法及系统,考虑多种因素对电力系统负荷的影响,精度高,适用性强,可为需求侧响应提供带有不确定信息的时空负荷预测。
2、为了实现上述目的,本专利技术提供如下技术方案:
3、一种面向不同渗透率的多元负荷时空概率分布预测方法,具体步骤为:
4、采集各个供电台区的电力数据及相关信息数据集,并对电力数据及相关信息数据集进行预处理;
6、采用conv-lstm网络对各个供电网格的数据特征组序列进行编码,获得编码数据;
7、采用位置敏感的自注意模块对空间网格中的各个网格的编码数据进行空间聚合,获得聚合数据;
8、将聚合数据输入概率预测模型获得各个供电网格的离散负荷概率分布。
9、可选的,各个供电台区的电力数据及相关信息数据集包括历史负荷、时间信息、日历信息和天气信息。
10、可选的,预处理为:定义电力数据及相关信息数据集中任意一条缺失数据为i;采用热卡填充法,根据缺失数据i与其他数据的场景相似度,对缺失数据i进行补充。
11、可选的,各个供电网格的数据特征组的获取步骤为:
12、将各个供电网格按照区域中心的经纬度排序,获得供电网格的水平空间网格位置;
13、根据各个供电网格的电力数据计算各个供电网格的可再生能源渗透率;
14、根据天气信息计算各个供电网格的体感温度预测序列;
15、基于各个供电网格的可再生能源渗透率、体感温度预测序列和电力数据及相关信息数据集建立各个供电网格的数据特征组,数据特征组包括历史负荷、供电网格位置、预测时刻可再生能源渗透率、预测年月日信息、预测目标时刻、预测日节假日信息和预测时刻体感温度预测值。
16、可选的,编码数据的获取步骤为:采用conv-lstm网络对各个供电网格的数据特征组序列进行编码,提取不同时次间的负荷关联信息。
17、可选的,聚合数据的获取步骤为:基于编码数据采用位置敏感的自关注模块提取不同空间位置的负荷关联信息,表达式为:
18、
19、式中,m×n表示全部空间位置,softmaxp表示在全部空间位置中进行softmax函数运算;qo表示查询项,kp表示键项;vp表示值项,t表示各个供电网格的特征信息。
20、可选的,概率预测模型的训练步骤为:
21、基于误差前向传播的深度学习神经网络构建概率预测模型;
22、根据实测负荷和预测负荷的期望值差值对概率预测模型进行参数优化。
23、一种面向不同渗透率的多元负荷时空概率分布预测系统,包括:
24、数据采集模块:用于采集各个供电台区的电力数据及相关信息数据集;
25、预处理模块:用于对电力数据及相关信息数据集进行缺失数据补充;
26、空间网格化模块,用于依据供电网格构建空间网格,并将预处理后的电力数据及相关信息数据集按照空间网格的结构进行变换,获得各个供电网格的数据特征组;
27、编码模块,用于采用conv-lstm网络对各个供电网格的数据特征组序列进行编码,获得编码数据;
28、位置敏感的自注意模块:用于对空间网格中的各个网格的编码数据进行空间聚合,获得聚合数据;
29、负荷分布预测模块:用于根据概率预测模型通过聚合数据获得各个供电网格的离散负荷概率分布。
30、经由上述的技术方案可知,与现有技术相比,本专利技术提供了一种面向不同渗透率的多元负荷时空概率分布预测方法及系统,充分考虑多种因素并使用热卡填充法对数据集进行填充,保证数据完整性的同时保证数据的质量,使得后续的预测结果更具科学性和准确性。使用高维数据,考虑多种因素对电力负荷的影响,使得预测模型鲁棒性更高,对噪声数据更不敏感。使用空间网格变换、时间编码的方式,考虑了时间序列、空间分布关系对结果的影响,使得预测准确率更高。采用位置敏感的自关注模块,大大降低了计算的复杂度,提升了模型运行效率。最终输出为电力负荷的概率分布,充分考虑了不确定性,更加适用于多元负荷的强随机性场景,能够为需求侧响应提供更加可靠的可调度容量信息。
本文档来自技高网...【技术保护点】
1.一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,具体步骤为:
2.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,各个供电台区的电力数据及相关信息数据集包括历史负荷、时间信息、日历信息和天气信息。
3.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,预处理为:定义电力数据及相关信息数据集中任意一条缺失数据为i;采用热卡填充法,根据缺失数据i与其他数据的场景相似度,对缺失数据i进行补充。
4.根据权利要求2所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,各个供电网格的数据特征组的获取步骤为:
5.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,编码数据的获取步骤为:采用conv-LSTM网络对各个供电网格的数据特征组序列进行编码,提取不同时次间的负荷关联信息。
6.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,聚合数据的获取步骤为:基于编码数据采用位
7.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,概率预测模型的训练步骤为:
8.一种面向不同渗透率的多元负荷时空概率分布预测系统,其特征在于,包括:
...【技术特征摘要】
1.一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,具体步骤为:
2.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,各个供电台区的电力数据及相关信息数据集包括历史负荷、时间信息、日历信息和天气信息。
3.根据权利要求1所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,预处理为:定义电力数据及相关信息数据集中任意一条缺失数据为i;采用热卡填充法,根据缺失数据i与其他数据的场景相似度,对缺失数据i进行补充。
4.根据权利要求2所述的一种面向不同渗透率的多元负荷时空概率分布预测方法,其特征在于,各个供电网格的数据特征组的获取步骤为...
【专利技术属性】
技术研发人员:冯华,张伟华,吴萍萍,叶子强,吴彬锋,詹子仪,陈俊仕,章寒冰,叶吉超,吴文俊,夏翔,赵汉鹰,杨世旺,孙研缤,徐璟,吴志华,应彩霞,张威,金梅芬,黄剑,徐晨阳,吕易佳,谢天佑,陈溪,汪力,朱益哲,杨心宜,
申请(专利权)人:国网浙江省电力有限公司丽水供电公司,
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。