【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能與電網(wǎng)調(diào)度優(yōu)化交叉領(lǐng)域，具體為一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法。
技術(shù)介紹
1、在現(xiàn)代電力系統(tǒng)中，電網(wǎng)調(diào)度優(yōu)化是確保電網(wǎng)穩(wěn)定、提高能源利用效率的關(guān)鍵要素。傳統(tǒng)的電網(wǎng)調(diào)度方法依賴于預(yù)設(shè)的規(guī)則和人工決策，這在處理可再生能源，尤其是風(fēng)力發(fā)電的不穩(wěn)定性和不可預(yù)測性時，常常顯得力不從心。隨著可再生能源占電力系統(tǒng)中比重的不斷增加，傳統(tǒng)方法由于缺乏實時性和靈活性，往往難以最大化風(fēng)力發(fā)電的潛力，并有效整合進電網(wǎng)中。
2、隨著機器學(xué)習(xí)和人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)技術(shù)被廣泛研究和應(yīng)用于電力系統(tǒng)的預(yù)測和優(yōu)化任務(wù)中。然而，現(xiàn)有的深度學(xué)習(xí)模型在處理風(fēng)力發(fā)電數(shù)據(jù)時通常只考慮時間序列預(yù)測，忽視了發(fā)電機的空間位置關(guān)系，而這些空間關(guān)系會因為風(fēng)資源的空間分布并不均勻、尾流效應(yīng)、干擾效應(yīng)等因素對預(yù)測精度有重要影響。因此，研究如何綜合利用時間序列與空間位置信息，以提升風(fēng)力發(fā)電預(yù)測的準確性和電網(wǎng)調(diào)度的效率，成為了當(dāng)前電力系統(tǒng)管理中的一個研究方向。
3、公開號為cn?117709502?a的中國專利公開了“一種基于ceemdan-ihba-xgboost模型的風(fēng)力發(fā)電功率預(yù)測方法”，提出一種通過對風(fēng)電功率的多模態(tài)分解和優(yōu)化預(yù)測，可以有效處理和預(yù)測風(fēng)電場的功率輸出。該方法能夠利用最大信息系數(shù)(mic)進行特征選擇，并通過ceemdan算法增強數(shù)據(jù)的信噪比，最終使用xgboost進行精確預(yù)測。然而，此方法主要依賴于傳統(tǒng)的時間序列預(yù)測技術(shù)，并未充分利用風(fēng)力發(fā)電站的空間位置數(shù)據(jù)，這在高度動態(tài)和復(fù)雜的風(fēng)力場景下可能限制了預(yù)測模型
技術(shù)實現(xiàn)思路
1、針對現(xiàn)有技術(shù)存在的不足，本專利技術(shù)目的是提供一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，以解決上述
技術(shù)介紹
中提出的問題，本專利技術(shù)提供一種新型的多模態(tài)網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠綜合利用風(fēng)力發(fā)電機的時空數(shù)據(jù)，通過將空間位置數(shù)據(jù)轉(zhuǎn)換為2d圖像，并結(jié)合時間序列信息的一維信號處理，全面捕捉風(fēng)場內(nèi)各個發(fā)電機的空間關(guān)系及其動態(tài)變化。該方法利用深度學(xué)習(xí)中的注意力機制，優(yōu)化了對關(guān)鍵信息的聚焦，提升了風(fēng)力發(fā)電功率預(yù)測的準確性。
2、為了實現(xiàn)上述目的，本專利技術(shù)是通過如下的技術(shù)方案來實現(xiàn)：一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，包括如下步驟：
3、s1、采集風(fēng)力發(fā)電廠內(nèi)每個風(fēng)力發(fā)電機的歷史功率輸出數(shù)據(jù)和時空數(shù)據(jù)，對數(shù)據(jù)進行預(yù)處理。
4、s2、設(shè)計適用于風(fēng)力發(fā)電功率預(yù)測的多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)，包括一維信息特征提取模塊和多通道圖像空間特征提取模塊及特征融合模塊；
5、s3、設(shè)計損失函數(shù)訓(xùn)練多模態(tài)網(wǎng)絡(luò)，得到訓(xùn)練好的網(wǎng)絡(luò)模型；
6、s4、使用訓(xùn)練好的模型對風(fēng)力發(fā)電功率進行即時預(yù)測，實現(xiàn)對電網(wǎng)調(diào)度的優(yōu)化。
7、進一步的，步驟s1具體包括如下內(nèi)容：
8、s1-1、獲取風(fēng)力發(fā)電廠每個風(fēng)力發(fā)電機歷史1年內(nèi)，每4小時的發(fā)電功率數(shù)據(jù)、風(fēng)速、風(fēng)向、氣壓及每個發(fā)電機的經(jīng)緯度信息；
9、s1-2、對獲得的數(shù)據(jù)進行數(shù)據(jù)清洗，首先使用加權(quán)線性插值方法處理風(fēng)速、風(fēng)向的缺失值，其公式為：
10、xmissing＝w1·xbefore+w2·xafter
11、
12、其中，xmissing是缺失時間點的預(yù)測值；xbefore和xafter分別是缺失點前后的已知值；w1和w2是權(quán)重，基于時間距離計算；tbefore，tafter，tmissing是對應(yīng)的時間點。
13、然后使用iqr法則對風(fēng)速的異常值進行處理，其公式為：
14、iqr＝q3-q1
15、lowerbound＝q1-k×iqr
16、upperbound＝q3+k×iqr
17、其中q1是數(shù)據(jù)集中所有數(shù)值中的下四分位數(shù)(25％)；q3是數(shù)據(jù)集中所有數(shù)值中的上四分位數(shù)(75％)；iqr為四分位距；k是一個可以調(diào)整的參數(shù)，根據(jù)數(shù)據(jù)的分布敏感度進行設(shè)置；upper?bound和lower?bound分別為上界和下界，任何低于下界或高于上界的值需要被剔除。
18、s1-3、對獲得的數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換，將風(fēng)向從角度(0-360度)轉(zhuǎn)換為正弦和余弦值，其公式如下：
19、
20、其中，“wind?direction”是以度為單位的風(fēng)向角度。
21、s1-4、通過歸一化去除數(shù)據(jù)中的比例效應(yīng)，其公式為：
22、
23、其中，x[n]是原始數(shù)據(jù)，xnormalized[n]是歸一化后的數(shù)據(jù)，min(x)是數(shù)據(jù)中的最小值，max(x)是數(shù)據(jù)中的最大值，α和β是可調(diào)整的縮放因子和偏移量。
24、s1-5、將風(fēng)力發(fā)電機的經(jīng)緯度坐標進行正弦和余弦變換，首先將度數(shù)轉(zhuǎn)為弧度，其公式如下：
25、
26、其中，radianslat、long分別為緯度和經(jīng)度對應(yīng)的弧度；degreeslat、long分別為緯度和經(jīng)度；π為圓周率。
27、然后計算正弦和余弦值，其公式如下：
28、latitudecos＝cos(radianslat)
29、latitudesin＝sin(radianslat)
30、longitudecos＝cos(radianslong)
31、longitudesin＝sin(radianslong)
32、其中，latitudecos為維度的余弦值；latitudesin為維度的正弦值；longitudecos為經(jīng)度的余弦值；longitudesin為經(jīng)度的正弦值。
33、s1-6、將所有數(shù)據(jù)按時間序列格式整理，以便可以輸入到一維特征提取模塊中。
34、進一步的，所述s1還包括：
35、s1-7、定義一個m×n的網(wǎng)格，將每個風(fēng)力發(fā)電機的地理坐標映射到網(wǎng)格坐標，公式為：
36、
37、其中x和y是發(fā)電機的網(wǎng)格坐標；n和m分別是網(wǎng)格的列數(shù)和行數(shù)，由發(fā)電機具體分布情況及數(shù)量決定；longitude和latitude是發(fā)電站實際的經(jīng)度和緯度；max_longitude、min_latitude分別是所有發(fā)電機經(jīng)度和緯度的最大值；min_longitude、min_latitude分別是所有發(fā)電機經(jīng)度和緯度的最小值。
38、s1-8、對于每個發(fā)電機，使用上述計算的x和y作為網(wǎng)格坐標，將風(fēng)速、風(fēng)向、大氣壓、發(fā)電量數(shù)據(jù)映射到對應(yīng)的網(wǎng)格單元。
39、s1-9、根據(jù)網(wǎng)格上的數(shù)據(jù)值生成圖像，圖像有5個通道，分別由風(fēng)速、風(fēng)向的正弦和余弦、大氣壓、發(fā)電量這5個參數(shù)進行分配。
40、進一步的，所述s2中多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)具體包括：
41、s2-1、設(shè)計多通道圖像空間特征提取模塊，具體如下：
<本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于：包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，步驟S1具體包括如下內(nèi)容：
3.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述S1還包括：
4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述S2中多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述S2中還包括以下內(nèi)容：
6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述S3中設(shè)計的損失函數(shù)如下：
7.根據(jù)權(quán)利要求6所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于：三部分的最終損失函數(shù)表示如下：
8.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于：所述S4中進行實時預(yù)測并進行電網(wǎng)調(diào)度優(yōu)化的詳細步驟如下：
9.根據(jù)權(quán)利要求8所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于：所述S4-4中優(yōu)化以下
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于：包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，步驟s1具體包括如下內(nèi)容：
3.根據(jù)權(quán)利要求2所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述s1還包括：
4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述s2中多模態(tài)網(wǎng)絡(luò)結(jié)構(gòu)具體包括：
5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的電網(wǎng)調(diào)度優(yōu)化方法，其特征在于，所述s2中還包...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳志華，彭武，柯強，陳波，肖天雄，汪洋，汪景潤，劉修鋒，張王茜，易璐，徐曉彤，
申請(專利權(quán))人：黃岡強源電力設(shè)計有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。