【技术实现步骤摘要】
本申请涉及数据处理，特别地涉及一种电氢一体化能源站的电氢负荷预测方法、装置、存储介质及电子设备。
技术介绍
1、随着新型电力系统中可再生能源(res)的占比不断增加，其出力的波动性与不确定性，给电力系统的安全稳定运行带来了巨大挑战，如何在提高新能源消纳能力的同时保障电力系统的安全稳定运行受到广泛关注。氢能作为一种绿色、高效的二次能源，具有零排放、多来源、易存储和便输送等优点。随着相关技术的不断发展和成熟，氢能源逐渐成为清洁、可持续的能源选择，在推动能源结构转型中发挥着重要作用。
2、电氢综合能源系统被认为是未来极具竞争力的新型能源供给方式。电氢一体化能源站(integrated hydrogen-electricity energy station，ihes)是一种新兴的集成多种能源形式的电氢综合能源系统，能够同时为电动汽车以及氢燃料汽车提供充足的能源动力，通过促进可再生能源的高效整合，以实现能源的可持续利用，减少温室气体排放，推动清洁能源的发展。对电氢一体化能源站的负荷进行准确可靠的预测是能源站规划和运行的重要依据，通过对负荷预测结果的深入理解分析，能够优化能源站电氢能源的生产与存储，降低ihes的运行成本，在提高ihes经济性的同时有效提高电力系统稳定性，避免因能源供应不足或过剩而引起的系统波动。
3、氢能作为一种新兴的可再生能源，已经逐步开展实际应用，针对氢负荷的准确预测对于探索并构建新型能源规划体系具有重要意义。目前，已有部分关于氢负荷预测的研究，但这些研究大多侧重于根据经济发展等指标估算在中长期
4、ihes作为集成多种能源形式的综合能源站，是氢能源实际应用的典型场景，对ihes中包括氢能在内电氢负荷的准确预测，是ihes在实际中建设、规划与运营的基础，对促进氢能源的长足发展有着重要意义，能够弥补现有负荷预测研究在结合氢能源的实际工程中存在的不足。相较于传统的充电站，电氢一体化能源站涉及到多种新能源的生产、存储与转换，各负荷出力之间存在较强的耦合关联，因此对于电氢一体化能源站的电氢负荷预测需要考虑到负荷之间的耦合关系，但如今鲜有考虑到能源站电氢负荷间耦合关系的预测方法。
技术实现思路
1、针对上述问题，本申请提供一种电氢一体化能源站的电氢负荷预测方法、装置、存储介质及电子设备，解决了相关技术中只侧重于根据经济发展等指标估算在中长期时间尺度下负荷侧的氢能需求量，停留在较长的时间尺度，只能是体现氢能未来发展的良好趋势，未与实际工程相结合的技术问题。
2、第一方面，本申请提供了一种电氢一体化能源站的电氢负荷预测方法，所述方法包括：
3、采集目标电氢一体化能源站的多个特征向量，其中，所述特征向量为影响所述电氢一体化能源站的电氢负荷的特征向量；
4、根据预设的贡献度量化方法，对所述多个特征向量进行贡献度量化，得到所述多个特征向量对应的电负荷贡献度和氢负荷贡献度；
5、根据预先建立的交通流量预测模型，对所述多个特征向量中的交通流量特征向量进行预测，得到交通流量预测结果；
6、将所述多个特征向量对应的电负荷贡献度和氢负荷贡献度中大于预设贡献度的特征向量和所述交通流量预测结果，输入预先建立的电氢负荷预测模型，得到所述目标电氢一体化能源站的电负荷预测数据和氢负荷预测数据。
7、在一些实施例中，在所述得到所述目标电氢一体化能源站的电负荷预测数据和氢负荷预测数据之后，还包括：
8、采用平均绝对百分比误差mape和均方根误差rmse作为电氢负荷预测模型预测性能的评价指标，评估所述目标电氢一体化能源站的电氢负荷预测模型得到的电负荷预测数据和氢负荷预测数据的预测精度。
9、在一些实施例中，所述根据预设的贡献度量化方法，对所述多个特征向量进行贡献度量化，得到所述多个特征向量对应的电负荷贡献度和氢负荷贡献度，包括：
10、通过特征向量x对于负荷y的贡献度系数计算公式：
11、
12、计算每个特征向量对应的电负荷贡献度和氢负荷贡献度；其中，mcon是贡献度系数；wpe与wmi分别为皮尔逊相关系数和最大信息数的权重；i(xi,yi)表示x与y在离散的二维空间中的互信息系数系数；min(xi,yi)表示取xi与yi中的最小值；b是可手动调节的参数；表示特征变量x中共计m个参数的和。
13、在一些实施例中，所述根据预先建立的交通流量预测模型，对所述多个特征向量中的交通流量特征向量进行预测，得到交通流量预测结果，包括：
14、对所述交通流量特征向量采用z-score标准化和均值填充法进行数值修正，得到数据预处理后的交通流量数值；
15、将所述数据预处理后的交通流量数值输入到所述预先建立的交通流量预测模型中，得到交通流量预测结果。
16、在一些实施例中，所述交通流量预测模型的建立过程，包括：
17、获取目标电氢一体化能源站的历史交通流量特征向量；
18、对所述历史交通流量特征向量采用z-score标准化和均值填充法进行数值修正，得到数据预处理后的历史交通流量数值；
19、建立多图融合的图卷积神经网络gcn，用于捕获所述历史交通流量数值的空间特征；
20、将所述历史交通流量数值的空间特征，输入到门控循环单元gru进行时间序列特征的学习，得到历史交通流量的时间序列特征以及对应的包含历史交通流量时空特征的隐藏状态；
21、在解码器部分，构建gru和relu函数组合而成的多个解码器单元，其中gru作为输出层，接收所述历史交通流量的时间序列特征以及对应的包含历史交通流量时空特征的隐藏状态，并通过relu函数映射该gru单元的输出，得到当前时刻的交通流量预测结果，并继续传送到下一个解码器单元作为输入；最终通过多个解码器单元的不断迭代，最终得到所述目标电氢一体化能源站的交通流量时间序列的预测结果，同时完成交通流量预测模型的建立。
22、在一些实施例中，所述电氢负荷预测模型的建立过程，包括：
23、采集目标电氢一体化能源站的多个训练特征向量，其中，所述训练特征向量为影响所述电氢一体化能源站的电氢负荷的训练特征向量；
24、根据预设的贡献度量化方法，对所述多个训练特征向量进行贡献度量化，得到所述多个训练特征向量对应的电负荷贡献度和氢负荷贡献度；
25、根据预先建立的交通流量预测模型，对所述多个训练特征向量中的交通流量训练特征向量进行预测，得到交通流量预测结果；
26、将所述多个训练特征向量对应的电负荷贡献度和氢负荷贡献度中大于预设贡献度的训练特征向量和所述交通流量预测结果，采用多任务学习mtl机理和informer模型进行模型训练，并采用粒子群算法pso进行参数寻优，最终得到目标电氢一体化能源站的电氢负荷预测本文档来自技高网...
【技术保护点】
1.一种电氢一体化能源站的电氢负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述得到所述目标电氢一体化能源站的电负荷预测数据和氢负荷预测数据之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据预设的贡献度量化方法，对所述多个特征向量进行贡献度量化，得到所述多个特征向量对应的电负荷贡献度和氢负荷贡献度，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据预先建立的交通流量预测模型，对所述多个特征向量中的交通流量特征向量进行预测，得到交通流量预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述交通流量预测模型的建立过程，包括：
6.根据权利要求1所述的方法，其特征在于，所述电氢负荷预测模型的建立过程，包括：
7.根据权利要求6所述的方法，其特征在于，在得到目标电氢一体化能源站的电氢负荷预测模型之后，还包括：
8.一种电氢一体化能源站的电氢负荷预测装置，其特征在于，所述装置包括：
9.一种存储介质，其特征在于，该存储介质
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，执行如权利要求1～7任意一项所述的电氢负荷预测方法。
...【技术特征摘要】
1.一种电氢一体化能源站的电氢负荷预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述得到所述目标电氢一体化能源站的电负荷预测数据和氢负荷预测数据之后，还包括：
3.根据权利要求1所述的方法，其特征在于，所述根据预设的贡献度量化方法，对所述多个特征向量进行贡献度量化，得到所述多个特征向量对应的电负荷贡献度和氢负荷贡献度，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据预先建立的交通流量预测模型，对所述多个特征向量中的交通流量特征向量进行预测，得到交通流量预测结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述交通流量预测模型的建立过程，包括：
<...
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。