【技術實現步驟摘要】
本專利技術涉及電力系統負荷分析，特別是涉及一種基于iso與lightgbm的分布式光伏負荷預測方法、裝置及介質。
技術介紹
1、分布式光伏作為一種清潔、可再生的能源利用方式，正逐步成為推動能源轉型、促進經濟社會可持續發展的重要力量；分布式光伏系統作為一種將太陽能直接轉化為電能的分散式電力系統，通過減少電力輸送損耗，能夠降低電費支出、提升能源利用效率，以及促進能源結構優化；通過負荷預測，可以提前了解未來一段時間內的用電需求，使分布式光伏系統能夠合理安排發電計劃，提高系統的穩定性和可靠性。傳統負荷預測方法通常采用統計模型進行預測，這些模型包括時間序列分析、回歸分析等，通過對歷史數據進行擬合和參數估計，來建立負荷與影響因素之間的數學關系式，從而實現對未來負荷的預測。
2、然而，光伏發電功率受多種復雜因素的影響，包括光照強度、溫度、云量、風速以及光伏組件的性能等，這些因素具有高度的隨機性和不可預測性；由于傳統預測方法往往依賴于歷史數據和簡單的統計模型，難以有效捕捉復雜的非線性關系，所以光伏發電的間歇性和不確定性給負荷預測帶來了嚴峻挑戰，導致預測精度較低。
技術實現思路
1、本專利技術提供一種基于iso與lightgbm的分布式光伏負荷預測方法、裝置及介質，以解決難以提高分布式光伏負荷預測的準確性的問題。
2、獲取目標光伏站點的氣象負荷數據；
3、若所述氣象負荷數據的數據量大于預設的閾值范圍，通過lightgbm模型對所述氣象負荷數據進行負荷預測，得到負荷
4、若所述氣象負荷數據的數據量在所述閾值范圍之內，通過物理模型對所述氣象負荷數據進行負荷預測，得到負荷預測值；其中，所述物理模型是根據所述目標光伏站點的相鄰光伏站點的氣象負荷數據而建立；
5、若所述氣象負荷數據的數據量小于所述閾值范圍，通過擬合功率曲線的方式對所述氣象負荷數據進行負荷預測，得到負荷預測值。
6、本專利技術當氣象負荷數據的數據量足夠大時，采用lightgbm模型進行負荷預測；lightgbm模型是數據驅動的機器學習模型，廣泛用于處理大規模數據集和復雜的預測任務，模型的表現往往隨著數據量的增加而提高，因此能夠很好地捕捉復雜的非線性關系和特征交互情況，實現負荷的高精度預測。當數據量不足以支撐復雜的機器學習模型時，則轉而使用基于物理模型的方法，由于目標光伏站點的歷史氣象負荷數據也可能存在樣本不足的情況，因此利用相鄰光伏站點的氣象負荷數據來建立物理模型，能夠充分利用空間鄰近性原理形成數據互補，從而較好地反映目標站點的負荷特性，同時降低對數據量的要求。對于小于閾值范圍的情況，采用擬合功率曲線的方式進行預測，該方式不依賴于完整的數據集，而是利用已有的數據趨勢和模式來推斷缺失部分的值，從而提高了預測的魯棒性。
7、相比于現有技術，本專利技術綜合應用了機器學習模型、物理模型和統計方法，根據不同的數據情況選擇合適的預測方法，有利于充分發揮各種方法的優勢，提高預測的準確性和效率，因此能夠解決難以提高分布式光伏負荷預測的準確性的問題。
8、作為優選方案，通過lightgbm模型對所述氣象負荷數據進行負荷預測，得到負荷預測值，具體為：
9、計算所述氣象負荷數據中各特征與負荷預測結果的相關性，得到相關性系數集；
10、根據所述相關性系數集，在所述氣象負荷數據中篩選出相關性高于預設標準值的數據，得到數據集；
11、對所述數據集進行聚類處理，得到特征數據集；
12、通過所述lightgbm模型對所述特征數據集進行負荷預測，得到所述負荷預測值。
13、本優選方案通過計算各特征與負荷預測結果的相關性并篩選出相關性高于預設標準值的數據，可以有效去除那些對預測結果影響較小或無關緊要的特征，從而提高了數據的質量和預測的準確性。對篩選后的數據集進行聚類處理，可以進一步將相似的特征歸為一組，形成更具代表性的特征數據集，從而降低數據的維度，并且能夠根據聚類的結果更好地理解數據之間的內在關系，有助于提升模型的解釋性和預測能力。
14、作為優選方案，對所述數據集進行聚類處理，得到特征數據集，具體為：
15、從所述數據集中隨機選擇若干數據點作為初始質心；
16、通過度量所述若干數據點與若干簇中心的歐氏距離，將所述若干數據點中的每個數據點分配到所述若干簇中心中對應最近的簇中心，得到第一分配結果；
17、基于所述第一分配結果計算所述若干簇中心的質心，得到新質心集；
18、根據所述新質心集，對對應的若干簇進行合并或分裂處理，直到所述若干簇的簇中心不再發生變化或者達到預設的迭代次數，得到簇的劃分結果；
19、對所述劃分結果的基本統計量進行特征提取，得到所述特征數據集。
20、本優選方案隨機選擇多個初始質心并基于這些質心進行迭代，可以增加找到全局最優解的可能性，能夠避免算法陷入局部最優解。通過不斷迭代計算簇中心并基于新質心集進行簇的合并或分裂，算法能夠根據數據的實際分布情況自動調整簇的數量，并不斷優化簇的劃分結果，使得每個簇內的數據點更加緊密，簇間的距離更加疏遠，有助于提高聚類的質量和準確性。
21、作為優選方案，所述lightgbm模型，具體為：
22、根據歷史氣象負荷樣本，通過預設的初始lightgbm模型計算第m輪迭代的殘差，得到當前殘差；
23、基于所述當前殘差建立決策樹；
24、在通過所述決策樹最大化降低殘差的情況下，根據學習率更新所述初始lightgbm模型，得到所述lightgbm模型。
25、本優選方案在每一輪迭代中，lightgbm模型都會根據當前模型的殘差來構建新的決策樹，并通過學習率來逐步進行更新，這種基于梯度的提升策略使得模型能夠不斷逼近真實值，從而提高預測的準確性；特別是在處理復雜的氣象負荷數據時，lightgbm模型能夠捕捉到數據中的非線性關系和潛在模式，從而提高負荷預測的精度。
26、作為優選方案，所述物理模型是根據所述目標光伏站點的相鄰光伏站點的氣象負荷數據而建立，具體為：
27、在所述目標光伏站點所在的光伏站點集中，根據各光伏站點的經緯度計算得到所有光伏站點之間的距離矩陣；
28、根據所述距離矩陣找到距離所述目標光伏站點最近的第一光伏站點；
29、根據所述第一光伏站點和所述目標光伏站點的歷史氣象負荷數據計算得到歷史數據計算系數集；
30、基于所述歷史數據計算系數集，根據不同時刻的溫度、濕度和風速建立所述物理模型。
31、本優選方案通過計算光伏站點之間的距離矩陣，并找到與目標光伏站點最近的第一光伏站點，從而充分利用空間鄰近性原理，通過引入鄰近站點的數據，可以形成數據互補，降低對單一數據源的依賴性。并且，物理模型的建立考慮了不同時刻的溫度、濕度和風速等氣象因素，通過將這些實時氣象數據融入模型中，模型能夠動態地調整預測結果，以更本文檔來自技高網...
【技術保護點】
1.一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，包括：
2.如權利要求1所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，通過LightGBM模型對所述氣象負荷數據進行負荷預測，得到負荷預測值，具體為：
3.如權利要求2所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，對所述數據集進行聚類處理，得到特征數據集，具體為：
4.如權利要求1所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，所述LightGBM模型，具體為：
5.如權利要求1所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，所述物理模型是根據所述目標光伏站點的相鄰光伏站點的氣象負荷數據而建立，具體為：
6.如權利要求1所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法，其特征在于，通過擬合功率曲線的方式對所述氣象負荷數據進行負荷預測，得到負荷預測值，具體為：
7.如權利要求6所述的一種基于ISO與LightG
8.一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，包括數據模塊、第一預測模塊、第二預測模塊和第三預測模塊；
9.如權利要求8所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述第一預測模塊包括系數單元、數據單元、聚類單元和預測單元；
10.如權利要求9所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述聚類單元包括質心子單元、分配子單元、計算子單元、結果子單元和特征子單元；
11.如權利要求8所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述LightGBM模型，具體為：
12.如權利要求8所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述第二預測模塊包括矩陣單元、站點單元、歷史單元和物理單元；
13.如權利要求8所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述第三預測模塊包括插值單元、容量單元和變化單元；
14.如權利要求13所述的一種基于ISO與LightGBM的分布式光伏負荷預測裝置，其特征在于，所述最終理論基礎功率曲線，具體為：
15.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被計算機調用并執行，實現如上述權利要求1至7任意一項所述的一種基于ISO與LightGBM的分布式光伏負荷預測方法。
...【技術特征摘要】
1.一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，包括：
2.如權利要求1所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，通過lightgbm模型對所述氣象負荷數據進行負荷預測，得到負荷預測值，具體為：
3.如權利要求2所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，對所述數據集進行聚類處理，得到特征數據集，具體為：
4.如權利要求1所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，所述lightgbm模型，具體為：
5.如權利要求1所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，所述物理模型是根據所述目標光伏站點的相鄰光伏站點的氣象負荷數據而建立，具體為：
6.如權利要求1所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，通過擬合功率曲線的方式對所述氣象負荷數據進行負荷預測，得到負荷預測值，具體為：
7.如權利要求6所述的一種基于iso與lightgbm的分布式光伏負荷預測方法，其特征在于，所述最終理論基礎功率曲線，具體為：
8.一種基于iso與lightgbm的分布式光伏負荷預測裝置，其特征在于，包括數據模塊、第一預測模塊、第二預...
【專利技術屬性】
技術研發人員：段秦尉，包博，陳卉燦，唐旭辰，謝祥中，
申請(專利權)人：廣東電網有限責任公司電力調度控制中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。