两个人的电影免费视频_国产精品久久久久久久久成人_97视频在线观看播放_久久这里只有精品777_亚洲熟女少妇二三区_4438x8成人网亚洲av_内谢国产内射夫妻免费视频_人妻精品久久久久中国字幕

一種基于ISO與LightGBM的分布式光伏負(fù)荷預(yù)測方法、裝置及介質(zhì)與流程

文檔序號:40654274發(fā)布日期:2025-01-10 19:03閱讀:2來源:國知局
一種基于ISO與LightGBM的分布式光伏負(fù)荷預(yù)測方法、裝置及介質(zhì)與流程

本發(fā)明涉及電力系統(tǒng)負(fù)荷分析,特別是涉及一種基于iso與lightgbm的分布式光伏負(fù)荷預(yù)測方法、裝置及介質(zhì)。


背景技術(shù):

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(zhuǎn)型、促進(jìn)經(jīng)濟(jì)社會可持續(xù)發(fā)展的重要力量;分布式光伏系統(tǒng)作為一種將太陽能直接轉(zhuǎn)化為電能的分散式電力系統(tǒng),通過減少電力輸送損耗,能夠降低電費(fèi)支出、提升能源利用效率,以及促進(jìn)能源結(jié)構(gòu)優(yōu)化;通過負(fù)荷預(yù)測,可以提前了解未來一段時間內(nèi)的用電需求,使分布式光伏系統(tǒng)能夠合理安排發(fā)電計劃,提高系統(tǒng)的穩(wěn)定性和可靠性。傳統(tǒng)負(fù)荷預(yù)測方法通常采用統(tǒng)計模型進(jìn)行預(yù)測,這些模型包括時間序列分析、回歸分析等,通過對歷史數(shù)據(jù)進(jìn)行擬合和參數(shù)估計,來建立負(fù)荷與影響因素之間的數(shù)學(xué)關(guān)系式,從而實現(xiàn)對未來負(fù)荷的預(yù)測。

2、然而,光伏發(fā)電功率受多種復(fù)雜因素的影響,包括光照強(qiáng)度、溫度、云量、風(fēng)速以及光伏組件的性能等,這些因素具有高度的隨機(jī)性和不可預(yù)測性;由于傳統(tǒng)預(yù)測方法往往依賴于歷史數(shù)據(jù)和簡單的統(tǒng)計模型,難以有效捕捉復(fù)雜的非線性關(guān)系,所以光伏發(fā)電的間歇性和不確定性給負(fù)荷預(yù)測帶來了嚴(yán)峻挑戰(zhàn),導(dǎo)致預(yù)測精度較低。


技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于iso與lightgbm的分布式光伏負(fù)荷預(yù)測方法、裝置及介質(zhì),以解決難以提高分布式光伏負(fù)荷預(yù)測的準(zhǔn)確性的問題。

2、獲取目標(biāo)光伏站點的氣象負(fù)荷數(shù)據(jù);

3、若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)量大于預(yù)設(shè)的閾值范圍,通過lightgbm模型對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值;

4、若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)量在所述閾值范圍之內(nèi),通過物理模型對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值;其中,所述物理模型是根據(jù)所述目標(biāo)光伏站點的相鄰光伏站點的氣象負(fù)荷數(shù)據(jù)而建立;

5、若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)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(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值。

6、本發(fā)明當(dāng)氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)量足夠大時,采用lightgbm模型進(jìn)行負(fù)荷預(yù)測;lightgbm模型是數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)模型,廣泛用于處理大規(guī)模數(shù)據(jù)集和復(fù)雜的預(yù)測任務(wù),模型的表現(xiàn)往往隨著數(shù)據(jù)量的增加而提高,因此能夠很好地捕捉復(fù)雜的非線性關(guān)系和特征交互情況,實現(xiàn)負(fù)荷的高精度預(yù)測。當(dāng)數(shù)據(jù)量不足以支撐復(fù)雜的機(jī)器學(xué)習(xí)模型時,則轉(zhuǎn)而使用基于物理模型的方法,由于目標(biāo)光伏站點的歷史氣象負(fù)荷數(shù)據(jù)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(fù)荷數(shù)據(jù)來建立物理模型,能夠充分利用空間鄰近性原理形成數(shù)據(jù)互補(bǔ),從而較好地反映目標(biāo)站點的負(fù)荷特性,同時降低對數(shù)據(jù)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(jìn)行預(yù)測,該方式不依賴于完整的數(shù)據(jù)集,而是利用已有的數(shù)據(jù)趨勢和模式來推斷缺失部分的值,從而提高了預(yù)測的魯棒性。

7、相比于現(xiàn)有技術(shù),本發(fā)明綜合應(yīng)用了機(jī)器學(xué)習(xí)模型、物理模型和統(tǒng)計方法,根據(jù)不同的數(shù)據(jù)情況選擇合適的預(yù)測方法,有利于充分發(fā)揮各種方法的優(yōu)勢,提高預(yù)測的準(zhǔn)確性和效率,因此能夠解決難以提高分布式光伏負(fù)荷預(yù)測的準(zhǔn)確性的問題。

8、作為優(yōu)選方案,通過lightgbm模型對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值,具體為:

9、計算所述氣象負(fù)荷數(shù)據(jù)中各特征與負(fù)荷預(yù)測結(jié)果的相關(guān)性,得到相關(guān)性系數(shù)集;

10、根據(jù)所述相關(guān)性系數(shù)集,在所述氣象負(fù)荷數(shù)據(jù)中篩選出相關(guān)性高于預(yù)設(shè)標(biāo)準(zhǔn)值的數(shù)據(jù),得到數(shù)據(jù)集;

11、對所述數(shù)據(jù)集進(jìn)行聚類處理,得到特征數(shù)據(jù)集;

12、通過所述lightgbm模型對所述特征數(shù)據(jù)集進(jìn)行負(fù)荷預(yù)測,得到所述負(fù)荷預(yù)測值。

13、本優(yōu)選方案通過計算各特征與負(fù)荷預(yù)測結(jié)果的相關(guān)性并篩選出相關(guān)性高于預(yù)設(shè)標(biāo)準(zhǔn)值的數(shù)據(jù),可以有效去除那些對預(yù)測結(jié)果影響較小或無關(guān)緊要的特征,從而提高了數(shù)據(jù)的質(zhì)量和預(yù)測的準(zhǔn)確性。對篩選后的數(shù)據(jù)集進(jìn)行聚類處理,可以進(jìn)一步將相似的特征歸為一組,形成更具代表性的特征數(shù)據(jù)集,從而降低數(shù)據(jù)的維度,并且能夠根據(jù)聚類的結(jié)果更好地理解數(shù)據(jù)之間的內(nèi)在關(guān)系,有助于提升模型的解釋性和預(yù)測能力。

14、作為優(yōu)選方案,對所述數(shù)據(jù)集進(jìn)行聚類處理,得到特征數(shù)據(jù)集,具體為:

15、從所述數(shù)據(jù)集中隨機(jī)選擇若干數(shù)據(jù)點作為初始質(zhì)心;

16、通過度量所述若干數(shù)據(jù)點與若干簇中心的歐氏距離,將所述若干數(shù)據(jù)點中的每個數(shù)據(jù)點分配到所述若干簇中心中對應(yīng)最近的簇中心,得到第一分配結(jié)果;

17、基于所述第一分配結(jié)果計算所述若干簇中心的質(zhì)心,得到新質(zhì)心集;

18、根據(jù)所述新質(zhì)心集,對對應(yīng)的若干簇進(jìn)行合并或分裂處理,直到所述若干簇的簇中心不再發(fā)生變化或者達(dá)到預(yù)設(shè)的迭代次數(shù),得到簇的劃分結(jié)果;

19、對所述劃分結(jié)果的基本統(tǒng)計量進(jìn)行特征提取,得到所述特征數(shù)據(jù)集。

20、本優(yōu)選方案隨機(jī)選擇多個初始質(zhì)心并基于這些質(zhì)心進(jìn)行迭代,可以增加找到全局最優(yōu)解的可能性,能夠避免算法陷入局部最優(yōu)解。通過不斷迭代計算簇中心并基于新質(zhì)心集進(jìn)行簇的合并或分裂,算法能夠根據(jù)數(shù)據(jù)的實際分布情況自動調(diào)整簇的數(shù)量,并不斷優(yōu)化簇的劃分結(jié)果,使得每個簇內(nèi)的數(shù)據(jù)點更加緊密,簇間的距離更加疏遠(yuǎn),有助于提高聚類的質(zhì)量和準(zhǔn)確性。

21、作為優(yōu)選方案,所述lightgbm模型,具體為:

22、根據(jù)歷史氣象負(fù)荷樣本,通過預(yù)設(shè)的初始lightgbm模型計算第m輪迭代的殘差,得到當(dāng)前殘差;

23、基于所述當(dāng)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(jù)學(xué)習(xí)率更新所述初始lightgbm模型,得到所述lightgbm模型。

25、本優(yōu)選方案在每一輪迭代中,lightgbm模型都會根據(jù)當(dāng)前模型的殘差來構(gòu)建新的決策樹,并通過學(xué)習(xí)率來逐步進(jìn)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(yù)測的準(zhǔn)確性;特別是在處理復(fù)雜的氣象負(fù)荷數(shù)據(jù)時,lightgbm模型能夠捕捉到數(shù)據(jù)中的非線性關(guān)系和潛在模式,從而提高負(fù)荷預(yù)測的精度。

26、作為優(yōu)選方案,所述物理模型是根據(jù)所述目標(biāo)光伏站點的相鄰光伏站點的氣象負(fù)荷數(shù)據(jù)而建立,具體為:

27、在所述目標(biāo)光伏站點所在的光伏站點集中,根據(jù)各光伏站點的經(jīng)緯度計算得到所有光伏站點之間的距離矩陣;

28、根據(jù)所述距離矩陣找到距離所述目標(biāo)光伏站點最近的第一光伏站點;

29、根據(jù)所述第一光伏站點和所述目標(biāo)光伏站點的歷史氣象負(fù)荷數(shù)據(jù)計算得到歷史數(shù)據(jù)計算系數(shù)集;

30、基于所述歷史數(shù)據(jù)計算系數(shù)集,根據(jù)不同時刻的溫度、濕度和風(fēng)速建立所述物理模型。

31、本優(yōu)選方案通過計算光伏站點之間的距離矩陣,并找到與目標(biāo)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(shù)據(jù),可以形成數(shù)據(jù)互補(bǔ),降低對單一數(shù)據(jù)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(fēng)速等氣象因素,通過將這些實時氣象數(shù)據(jù)融入模型中,模型能夠動態(tài)地調(diào)整預(yù)測結(jié)果,以更好地適應(yīng)實際的氣象條件和負(fù)荷變化,增強(qiáng)了模型的適應(yīng)性和魯棒性。

32、作為優(yōu)選方案通過擬合功率曲線的方式對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值,具體為:

33、通過線性插值法對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行補(bǔ)充,得到完整數(shù)據(jù);

34、若所述目標(biāo)光伏站點所在系統(tǒng)的裝機(jī)容量未發(fā)生變化,則根據(jù)所述完整數(shù)據(jù),通過擬合理論基礎(chǔ)功率曲線計算得到所述負(fù)荷預(yù)測值;

35、若所述目標(biāo)光伏站點所在系統(tǒng)的裝機(jī)容量發(fā)生變化,則對所述理論基礎(chǔ)功率曲線進(jìn)行比例縮放,得到最終理論基礎(chǔ)功率曲線;基于所述完整數(shù)據(jù),根據(jù)所述最終理論基礎(chǔ)功率曲線計算得到所述負(fù)荷預(yù)測值。

36、本優(yōu)選方案使用線性插值法對缺失的氣象負(fù)荷數(shù)據(jù)進(jìn)行補(bǔ)充,能夠確保數(shù)據(jù)的完整性和連續(xù)性,避免不完整的數(shù)據(jù)集可能導(dǎo)致預(yù)測結(jié)果的不準(zhǔn)確或偏差。當(dāng)目標(biāo)光伏站點所在系統(tǒng)的裝機(jī)容量未發(fā)生變化時,直接基于完整數(shù)據(jù)擬合理論基礎(chǔ)功率曲線來計算負(fù)荷預(yù)測值,可以簡單直接且能夠較好地反映系統(tǒng)的實際運(yùn)行狀況,從而提高預(yù)測的精度。當(dāng)系統(tǒng)裝機(jī)容量發(fā)生變化時,通過對理論基礎(chǔ)功率曲線進(jìn)行比例縮放來適應(yīng)新的容量情況,該方式允許系統(tǒng)快速響應(yīng)系統(tǒng)容量的變化,并據(jù)此調(diào)整預(yù)測結(jié)果,確保預(yù)測值與實際負(fù)荷情況保持一致。

37、作為優(yōu)選方案,所述最終理論基礎(chǔ)功率曲線,具體為:

38、p=s(ai2+bi+c)

39、其中,i是光照強(qiáng)度,a、b和c是最小二乘法擬合參數(shù),s是縮放系數(shù)。

40、本發(fā)明還提供了一種基于iso與lightgbm的分布式光伏負(fù)荷預(yù)測裝置,包括數(shù)據(jù)模塊、第一預(yù)測模塊、第二預(yù)測模塊和第三預(yù)測模塊;

41、其中,所述數(shù)據(jù)模塊,用于獲取目標(biāo)光伏站點的氣象負(fù)荷數(shù)據(jù);

42、所述第一預(yù)測模塊,用于若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)量大于預(yù)設(shè)的閾值范圍,通過lightgbm模型對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值;

43、所述第二預(yù)測模塊,用于若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)量在所述閾值范圍之內(nèi),通過物理模型對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值;其中,所述物理模型是根據(jù)所述目標(biāo)光伏站點的相鄰光伏站點的氣象負(fù)荷數(shù)據(jù)而建立;

44、所述第三預(yù)測模塊,用于若所述氣象負(fù)荷數(shù)據(jù)的數(shù)據(jù)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(fù)荷數(shù)據(jù)進(jìn)行負(fù)荷預(yù)測,得到負(fù)荷預(yù)測值。

45、作為優(yōu)選方案,所述第一預(yù)測模塊包括系數(shù)單元、數(shù)據(jù)單元、聚類單元和預(yù)測單元;

46、其中,所述系數(shù)單元,用于計算所述氣象負(fù)荷數(shù)據(jù)中各特征與負(fù)荷預(yù)測結(jié)果的相關(guān)性,得到相關(guān)性系數(shù)集;

47、所述數(shù)據(jù)單元,用于根據(jù)所述相關(guān)性系數(shù)集,在所述氣象負(fù)荷數(shù)據(jù)中篩選出相關(guān)性高于預(yù)設(shè)標(biāo)準(zhǔn)值的數(shù)據(jù),得到數(shù)據(jù)集;

48、所述聚類單元,用于對所述數(shù)據(jù)集進(jìn)行聚類處理,得到特征數(shù)據(jù)集;

49、所述預(yù)測單元,用于通過所述lightgbm模型對所述特征數(shù)據(jù)集進(jìn)行負(fù)荷預(yù)測,得到所述負(fù)荷預(yù)測值。

50、作為優(yōu)選方案,所述聚類單元包括質(zhì)心子單元、分配子單元、計算子單元、結(jié)果子單元和特征子單元;

51、其中,所述質(zhì)心子單元,用于從所述數(shù)據(jù)集中隨機(jī)選擇若干數(shù)據(jù)點作為初始質(zhì)心;

52、所述分配子單元,用于通過度量所述若干數(shù)據(jù)點與若干簇中心的歐氏距離,將所述若干數(shù)據(jù)點中的每個數(shù)據(jù)點分配到所述若干簇中心中對應(yīng)最近的簇中心,得到第一分配結(jié)果;

53、所述計算子單元,用于基于所述第一分配結(jié)果計算所述若干簇中心的質(zhì)心,得到新質(zhì)心集;

54、所述結(jié)果子單元,用于根據(jù)所述新質(zhì)心集,對對應(yīng)的若干簇進(jìn)行合并或分裂處理,直到所述若干簇的簇中心不再發(fā)生變化或者達(dá)到預(yù)設(shè)的迭代次數(shù),得到簇的劃分結(jié)果;

55、所述特征子單元,用于對所述劃分結(jié)果的基本統(tǒng)計量進(jìn)行特征提取,得到所述特征數(shù)據(jù)集。

56、作為優(yōu)選方案,所述lightgbm模型,具體為:

57、根據(jù)歷史氣象負(fù)荷樣本,通過預(yù)設(shè)的初始lightgbm模型計算第m輪迭代的殘差,得到當(dāng)前殘差;

58、基于所述當(dāng)前殘差建立決策樹;

59、在通過所述決策樹最大化降低殘差的情況下,根據(jù)學(xué)習(xí)率更新所述初始lightgbm模型,得到所述lightgbm模型。

60、作為優(yōu)選方案,所述第二預(yù)測模塊包括矩陣單元、站點單元、歷史單元和物理單元;

61、其中,所述矩陣單元,用于在所述目標(biāo)光伏站點所在的光伏站點集中,根據(jù)各光伏站點的經(jīng)緯度計算得到所有光伏站點之間的距離矩陣;

62、所述站點單元,用于根據(jù)所述距離矩陣找到距離所述目標(biāo)光伏站點最近的第一光伏站點;

63、所述歷史單元,用于根據(jù)所述第一光伏站點和所述目標(biāo)光伏站點的歷史氣象負(fù)荷數(shù)據(jù)計算得到歷史數(shù)據(jù)計算系數(shù)集;

64、所述物理單元,用于基于所述歷史數(shù)據(jù)計算系數(shù)集,根據(jù)不同時刻的溫度、濕度和風(fēng)速建立所述物理模型。

65、作為優(yōu)選方案,所述第三預(yù)測模塊包括插值單元、容量單元和變化單元;

66、其中,所述插值單元,用于通過線性插值法對所述氣象負(fù)荷數(shù)據(jù)進(jìn)行補(bǔ)充,得到完整數(shù)據(jù);

67、所述容量單元,用于若所述目標(biāo)光伏站點所在系統(tǒng)的裝機(jī)容量未發(fā)生變化,則根據(jù)所述完整數(shù)據(jù),通過擬合理論基礎(chǔ)功率曲線計算得到所述負(fù)荷預(yù)測值;

68、所述變化單元,用于若所述目標(biāo)光伏站點所在系統(tǒng)的裝機(jī)容量發(fā)生變化,則對所述理論基礎(chǔ)功率曲線進(jìn)行比例縮放,得到最終理論基礎(chǔ)功率曲線;基于所述完整數(shù)據(jù),根據(jù)所述最終理論基礎(chǔ)功率曲線計算得到所述負(fù)荷預(yù)測值。

69、作為優(yōu)選方案,所述最終理論基礎(chǔ)功率曲線,具體為:

70、p=s(ai2+bi+c)

71、其中,i是光照強(qiáng)度,a、b和c是最小二乘法擬合參數(shù),s是縮放系數(shù)。

72、本技術(shù)還提供了一種存儲介質(zhì),所述存儲介質(zhì)上存儲有計算機(jī)程序,所述計算機(jī)程序被計算機(jī)調(diào)用并執(zhí)行,實現(xiàn)如上所述一種基于iso與lightgbm的分布式光伏負(fù)荷預(yù)測方法。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
济源市| 色达县| 和静县| 达拉特旗| 上虞市| 荆门市| 阳城县| 兴国县| 惠安县| 黄大仙区| 深水埗区| 揭西县| 乌拉特前旗| 浦东新区| 淮南市| 新兴县| 玉树县| 临高县| 磐石市| 根河市| 江口县| 和平区| 米易县| 保靖县| 巨鹿县| 华宁县| 芜湖市| 延寿县| 海城市| 永仁县| 略阳县| 蕉岭县| 武定县| 延吉市| 屏山县| 营口市| 阳春市| 小金县| 双桥区| 屏东县| 鄯善县|