【技術實現步驟摘要】
本專利技術屬于光伏預測領域，具體屬于光伏數據處理與分析以及時間序列分析，尤其涉及一種臺區光伏出力及負荷預測方法及相關設備。
技術介紹
1、在當前全球能源結構轉型的大背景下，分布式光伏作為一種清潔、可再生的能源形式，其廣泛應用已成為推動能源綠色低碳發展的重要力量。隨著分布式光伏系統裝機容量的快速增長，其并網運行對配電網的影響日益顯著，包括但不限于電壓波動、諧波污染、逆向潮流等挑戰，這對配電網的安全穩定運行和供電質量提出了更高要求。為了有效管理這種影響，提升臺區配電網的供電質量，需要對光伏發電的出力進行更加精確的預測。
2、然而，傳統的光伏發電和負荷預測方法往往局限于對歷史數據的簡單統計分析和趨勢外推，忽略了眾多關鍵影響因素之間的復雜相互作用，特別是天氣因素（如溫度、濕度、光照強度、風速、風向、云量等）對光伏發電出力和電網負荷的顯著影響；這些因素不僅具有高度的時空變異性，而且相互之間存在復雜的非線性關系，使得傳統預測方法的準確性和可靠性大打折扣，導致最終的預測結果誤差較大。
3、由此可見，針對光伏發電和負荷預測，采用現有預測方法，由于忽略了天氣因素對光伏發電出力和負荷的重要影響，導致最終的預測結果誤差較大。
技術實現思路
1、本專利技術目的在于提供一種臺區光伏出力及負荷預測方法及相關設備，以解決針對光伏發電和負荷預測，采用現有預測方法，由于忽略了天氣因素對光伏發電出力和負荷的重要影響，導致最終的預測結果誤差較大的技術問題。
2、為了達到上述目的，本專
3、一種臺區光伏出力及負荷預測方法，包括：
4、基于相似日算法，根據綜合相似距離選取待預測日期在歷史日期中的相似日，并獲取相似日對應的歷史數據作為相似日序列；其中，所述歷史數據包括歷史光伏出力數據、歷史光伏負荷數據以及歷史天氣數據；
5、采用變分模態分解法將相似日序列分解成多個不同頻段的相似日子序列；
6、將相似日子序列輸入至預訓練的光伏出力及負荷預測模型中，輸出預測結果；其中，所述光伏出力及負荷預測模型采用雙向長短期記憶網絡，基于所述歷史數據訓練得到。
7、進一步地，基于相似日算法，根據綜合相似距離選取待預測日期在歷史日期中的相似日的步驟如下：
8、獲取待預測日期的光伏出力數據、光伏負荷數據和天氣數據，并進行歸一化處理；
9、將歸一化處理后的光伏出力數據、光伏負荷數據和天氣數據進行相關性計算，得到皮爾遜系數；
10、根據皮爾遜系數在天氣數據中選取光伏出力數據、光伏負荷數據對應的有效天氣數據以及權重系數；
11、分別計算有效天氣數據與歷史天氣數據之間的歐式距離和夾角余弦距離，并基于權重系數求解有效天氣數據與歷史天氣數據之間的綜合相似距離；
12、根據綜合相似距離選取在歷史日期中的相似日。
13、進一步地，其中，歸一化處理的具體公式如下：
14、
15、式中：y*為歸一化處理后的數據， ymin為數據集中的最小值， ymax為數據集中的最大值；
16、皮爾遜系數pk的計算公式如下：
17、
18、式中： xik為第 k種天氣數據中第 i個數據， yi為光伏出力數據或光伏負荷數據；
19、在計算有效天氣數據x與歷史天氣數據xi之間的歐式距離和夾角余弦距離之前，分別將有效天氣數據和歷史天氣數據整合成向量，并根據皮爾遜系數對應加權處理，具體表示為：
20、
21、其中，歐式距離 d( x, xi)的具體公式如下：
22、
23、式中，n為有效天氣數據的種類數目；
24、夾角余弦距離 θ( x, xi)的具體公式如下：
25、
26、綜合相似距離 ψ( x, xi)的具體公式如下：
27、
28、式中，α表示歐式距離的權重系數；綜合相似距離越小，相似度越高。
29、進一步地，所述采用變分模態分解法將相似日序列分解成多個不同頻段的相似日子序列的實現步驟如下：
30、將相似日序列作為輸入信號，得到變分模態分解法的約束變分問題；
31、引入二次懲罰因子和拉格朗日算子消除約束變分問題；
32、通過交替方向乘子算法不斷更新模態集合、中心頻率集合和拉格朗日算子，直至最大迭代次數，獲得多個不同頻段的相似日子序列。
33、進一步地，采用粒子群優化算法對雙向長短期記憶網絡進行改進，具體步驟包括：
34、采用平均適應度變化率來實時調整雙向長短期記憶網絡的慣性權重，用于避免雙向長短期記憶網絡避免陷入局部最優解。
35、進一步地，采用平均適應度變化率來實時調整雙向長短期記憶網絡的慣性權重的具體公式如下：
36、
37、式中，為粒子當前平均適應值，為粒子前一時刻平均適應值，是當前時刻的慣性權重，是前一時刻的慣性權重。
38、進一步地，采用線性插值法對待預測日期對應的光伏出力數據、光伏負荷數據和天氣數據以及歷史光伏出力數據、歷史光伏負荷數據和歷史天氣數據進行數據缺失值補充處理，具體公式如下：
39、
40、式中， dn和 dn+1分別為對應時刻的已知數據， dn+k為缺失值，且0< k< i。
41、一種臺區光伏出力及負荷預測系統，用于實現上述臺區光伏出力及負荷預測方法的步驟，包括：
42、相似日序列獲取模塊，用于基于相似日算法，根據綜合相似距離選取待預測日期在歷史日期中的相似日，并獲取相似日對應的歷史數據作為相似日序列；其中，所述歷史數據包括歷史光伏出力數據、歷史光伏負荷數據以及歷史天氣數據；
43、模態分解模塊，用于采用變分模態分解法將相似日序列分解成多個不同頻段的相似日子序列；
44、預測結果輸出模塊，將相似日子序列輸入至預訓練的光伏出力及負荷預測模型中，輸出預測結果；其中，所述光伏出力及負荷預測模型采用雙向長短期記憶網絡，基于所述歷史數據訓練得到。
4本文檔來自技高網...
【技術保護點】
1.一種臺區光伏出力及負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，基于相似日算法，根據綜合相似距離選取待預測日期在歷史日期中的相似日的步驟如下：
3.根據權利要求2所述的臺區光伏出力及負荷預測方法，其特征在于，其中，歸一化處理的具體公式如下：
4.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，所述采用變分模態分解法將相似日序列分解成多個不同頻段的相似日子序列的實現步驟如下：
5.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，采用粒子群優化算法對雙向長短期記憶網絡進行改進，具體步驟包括：
6.根據權利要求5所述的臺區光伏出力及負荷預測方法，其特征在于，采用平均適應度變化率來實時調整雙向長短期記憶網絡的慣性權重的具體公式如下：
7.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，采用線性插值法對待預測日期對應的光伏出力數據、光伏負荷數據和天氣數據以及歷史光伏出力數據、歷史光伏負荷數據和歷史天氣數據進行數據缺失值補充處理，
8.一種臺區光伏出力及負荷預測系統，用于實現權利要求1-7任一項所述臺區光伏出力及負荷預測方法的步驟，其特征在于，包括：
9.一種設備，其特征在于，包括：
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時用于實現權利要求1-7任一項所述臺區光伏出力及負荷預測方法的步驟。
...【技術特征摘要】
1.一種臺區光伏出力及負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，基于相似日算法，根據綜合相似距離選取待預測日期在歷史日期中的相似日的步驟如下：
3.根據權利要求2所述的臺區光伏出力及負荷預測方法，其特征在于，其中，歸一化處理的具體公式如下：
4.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，所述采用變分模態分解法將相似日序列分解成多個不同頻段的相似日子序列的實現步驟如下：
5.根據權利要求1所述的臺區光伏出力及負荷預測方法，其特征在于，采用粒子群優化算法對雙向長短期記憶網絡進行改進，具體步驟包括：
6.根據權利要求5所述的臺區光伏出力及負荷預測方法，其特...
【專利技術屬性】
技術研發人員：蔣琪，寇磊，劉珅，蔣勃，武婷婷，高傳彬，熊心田，劉靚雯，胡春璇，郝偉，靳媛，李國潤，高家輝，王浚睿，王剛，李軍，陳一凡，溎靖，彭芳，
申請(專利權)人：西安電力高等專科學校，
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。