【技術實現步驟摘要】
本專利技術涉及分布式光伏數據重構，特別涉及一種分布式光伏數據重構方法、裝置、介質及設備。
技術介紹
1、隨著化石燃料的枯竭和環境問題的日益嚴重，光伏等可再生能源得到了大力發展，在電力系統中扮演著越來越重要的角色。
2、光伏發電系統根據安裝位置分為集中式光伏系統和分布式光伏系統，集中式光伏系統是將光伏設備集中安置在沙漠或戈壁等廣闊的區域，分布式光伏系統是將光伏設備分散地安裝在多個臺區。臺區是指單臺變壓器覆蓋的供電區域，按照負荷類型不同可分為城市居民臺區、商業臺區、工業臺區和農業臺區四類。通過將光伏發電設備安裝在臺區內的建筑物屋頂、地面等位置，將發電設備的直流電轉換為交流電并注入臺區的配電網中。這樣，分布式光伏發電系統可以在就近發電的同時，向臺區內的用戶提供清潔能源。
3、分布式光伏系統通常分布在不同的地點和建筑物上，因此分布式光伏數據的收集和傳輸可能受到設備故障、通信中斷等問題的影響。這些問題會導致數據的缺失、不完整或不及時，降低數據的質量和可靠性，給電力系統的供電管理和運行控制帶來了挑戰，因此需要對分布式光伏數據進行準確的時間序列預測和重構，以實現對供電負荷的精確調節和管理。
4、現有的光伏數據重構方法使用神經網絡模型對光伏數據進行重構，但是通常使用的神經網絡模型比較簡單，重構的分布式光伏數據不夠準確。
技術實現思路
1、有鑒于此，本專利技術提供了一種分布式光伏數據重構方法、裝置、介質及設備，主要目的在于解決現有的分布式光伏數據重構方法重構的光伏
2、根據本申請的一個方面，提供了一種分布式光伏數據重構方法，該方法包括：
3、獲取分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據，將所述多源輔助歷史數據和分布式光伏歷史數據劃分為訓練集和測試集；
4、基于所述訓練集對多個不同類型的初始光伏數據重構模型進行訓練，得到每個類型對應的最優光伏數據重構模型；
5、將多個最優分布式光伏數據重構模型進行融合，得到多個候選集成模型，基于所述測試集對每個所述候選集成模型進行評估，得到光伏數據重構集成模型；
6、獲取目標臺區的多源輔助實際數據，將多源輔助實際數據輸入至所述光伏數據重構集成模型，得到目標臺區的分布式光伏重構數據。
7、可選地，所述將多個最優分布式光伏數據重構模型進行融合，得到多個候選集成模型，包括：
8、采用等權平均法，將多個最優分布式光伏數據重構模型進行融合，得到第一候選集成模型；
9、基于所述測試集，計算每個最優分布式光伏數據重構模型對應的均方根誤差，基于所述均方根誤差，設置每個優分布式光伏數據重構模型對應的第一權重，基于所述第一權重，將多個最優分布式光伏數據重構模型進行融合，得到第二候選集成模型；
10、基于所述測試集，計算每個最優分布式光伏數據重構模型對應的決定系數，基于所述決定系數，設置每個優分布式光伏數據重構模型對應的第二權重，基于所述第二權重，將多個最優分布式光伏數據重構模型進行融合，得到第三候選集成模型。
11、可選地，所述基于所述測試集對每個所述候選集成模型進行評估，得到光伏數據重構集成模型，包括：
12、將所述測試集分別輸入至第一候選集成模型、第二候選集成模型和第三候選集成模型，得到第一預測數據集、第二預測數據集和第三預測數據集；
13、基于所述第一預測數據集、所述第二預測數據集、所述第三預測數據集和所述測試集中每個樣本的分布式光伏歷史數據，計算每個候選集成模型對應的預測精度；
14、將預測精度最大值對應的候選集成模型作為光伏數據重構集成模型。
15、可選地，所述多源輔助歷史數據包括輻射度數據、集中式光伏數據、分布式裝機數據、集中式裝機數據和氣象數據。
16、可選地，所述獲取分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據之前，所述分布式光伏數據重構方法還包括：
17、獲取分布式光伏系統中多個臺區的輔助初始歷史數據和分布式光伏初始歷史數據，按時間順序對所述輔助初始歷史數據和分布式光伏初始歷史數據進行劃分，得到多個時間段的輔助初始歷史數據和分布式光伏初始歷史數據；
18、對每個時間段中的缺失或異常數據進行修正，得到每個時間段的輔助歷史數據和分布式光伏歷史數據，并檢查所述多個時間段的連續性；
19、將多個連續的時間段的輔助歷史數據和分布式光伏歷史數據按時間順序進行組合，得到分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據。
20、可選地，所述將所述多源輔助歷史數據和分布式光伏歷史數據劃分為訓練集和測試集之后，所述分布式光伏數據重構方法還包括：
21、獲取所述訓練集中分布式歷史數據和每種輔助歷史數據各自對應的最大值及最小值；
22、基于每種數據對應的最大值及最小值，對所述訓練集中的數據和所述測試集中的數據進行歸一化處理，得到歸一化處理后的訓練集和測試集。
23、可選地，所述多個不同類型的初始光伏數據重構模型包括rf模型、xgboost模型、lightgbm模型和lstm模型。
24、根據本申請的另一個方面，提供了一種分布式光伏數據重構裝置，包括：
25、數據獲取模塊，用于獲取分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據，將所述多源輔助歷史數據和分布式光伏歷史數據劃分為訓練集和測試集；
26、模型訓練模塊，用于基于所述訓練集對多個不同類型的初始光伏數據重構模型進行訓練，得到每個類型對應的最優光伏數據重構模型；
27、模型集成模塊，用于將多個最優分布式光伏數據重構模型進行融合，得到多個候選集成模型，基于所述測試集對每個所述候選集成模型進行評估，得到光伏數據重構集成模型；
28、重構數據獲得模塊，用于獲取目標臺區的多源輔助實際數據，將多源輔助實際數據輸入至所述光伏數據重構集成模型，得到目標臺區的分布式光伏重構數據。
29、可選地，所述模型集成模塊還用于：
30、采用等權平均法，將多個最優分布式光伏數據重構模型進行融合，得到第一候選集成模型；
31、基于所述測試集，計算每個最優分布式光伏數據重構模型對應的均方根誤差，基于所述均方根誤差，設置每個優分布式光伏數據重構模型對應的第一權重，基于所述第一權重，將多個最優分布式光伏數據重構模型進行融合，得到第二候選集成模型；
32、基于所述測試集，計算每個最優分布式光伏數據重構模型對應的決定系數，基于所述決定系數，設置每個優分布式光伏數據重構模型對應的第二權重，基于所述第二權重，將多個最優分布式光伏數據重構模型進行融合，得到第三候選集成模型。
33、可選地，所述所述模型集成模塊還用于：
34、將所述測試集分別輸入至第一候選集成模型、第二候選集成模型和第三候選集成模型，得到第一預測本文檔來自技高網...
【技術保護點】
1.一種分布式光伏數據重構方法，其特征在于，包括：
2.如權利要求1所述的分布式光伏數據重構方法，其特征在于，所述將多個最優分布式光伏數據重構模型進行融合，得到多個候選集成模型，包括：
3.如權利要求2所述的分布式光伏數據重構方法，其特征在于，所述基于所述測試集對每個所述候選集成模型進行評估，得到光伏數據重構集成模型，包括：
4.如權利要求1所述的分布式光伏數據重構方法，其特征在于，所述多源輔助歷史數據包括輻射度數據、集中式光伏數據、分布式裝機數據、集中式裝機數據和氣象數據。
5.如權利要求4所述的分布式光伏數據重構方法，其特征在于，所述獲取分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據之前，所述分布式光伏數據重構方法還包括：
6.如權利要求4所述的分布式光伏數據重構方法，其特征在于，所述將所述多源輔助歷史數據和分布式光伏歷史數據劃分為訓練集和測試集之后，所述分布式光伏數據重構方法還包括：
7.如權利要求1-6中任一項所述的分布式光伏數據重構方法，其特征在于，所述多個不同類型的初始光伏數據重構
8.一種分布式光伏數據重構裝置，其特征在于，包括：
9.一種存儲介質，所述存儲介質中存儲有至少一可執行指令，所述可執行指令使處理器執行如權利要求1-7中任一項所述的分布式光伏數據重構方法對應的操作。
10.一種計算機設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；
...【技術特征摘要】
1.一種分布式光伏數據重構方法，其特征在于，包括：
2.如權利要求1所述的分布式光伏數據重構方法，其特征在于，所述將多個最優分布式光伏數據重構模型進行融合，得到多個候選集成模型，包括：
3.如權利要求2所述的分布式光伏數據重構方法，其特征在于，所述基于所述測試集對每個所述候選集成模型進行評估，得到光伏數據重構集成模型，包括：
4.如權利要求1所述的分布式光伏數據重構方法，其特征在于，所述多源輔助歷史數據包括輻射度數據、集中式光伏數據、分布式裝機數據、集中式裝機數據和氣象數據。
5.如權利要求4所述的分布式光伏數據重構方法，其特征在于，所述獲取分布式光伏系統中多個臺區的多源輔助歷史數據和分布式光伏歷史數據之前，所述分布式光伏數據重構方法還包括：
6.如權...
【專利技術屬性】
技術研發人員：劉仲，杜非，張希鵬，陳新儀，
申請(專利權)人：國家電網有限公司華東分部，
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。