[发明专利]基于特征工程的客户侧多能源系统源荷预测方法及装置

说明书

本发明公开了一种基于特征工程的客户侧多能源系统源荷预测方法及装置，该方法包括对客户侧多能源系统原始观测数据进行预处理；基于预处理后的数据进行候选特征提取；对候选特征进行筛选，提取最优特征子集；基于所提取的最优特征子集进行源荷预测。本发明通过结合领域知识与统计学知识，对数据进行较为系统、完整的特征工程，使得用于模型构建的特征集合能够更加完整、准确地表达出原始数据中所隐含的信息。通过考虑预测目标、特征项的特性，选择合适的算法进行预测模型的构建，从而更好地保障了预测的精度与速度。

技术领域

本发明属于客户侧源荷预测技术领域，尤其涉及一种基于特征工程的客户侧多能源系统源荷预测方法及装置。

背景技术

近年来，随着能源供应的日益短缺、节能减排相关政策的推进，以风电、光伏为主的可再生能源在客户侧电源结构中的比例持续增长。通过精确的源荷预测，能够为客户侧多能源系统经济调度提供支撑，协同可调控资源，实现多种能源互济互补。而由于客户侧多能源系统的源荷数据受气象、环境、用能行为等的影响，具有较强的随机性与波动性。因此，精准可靠的客户侧多能源系统源荷预测对于保障能源的智慧利用具有重要的意义。

对于源荷预测方面的研究，目前主要集中于对单一目标的预测。如光伏、风力等设备的出力预测，储能荷电状态预测，企业电负荷预测等。对于客户侧多能源系统的源荷预测，则需要分别进行研究，进行特征的提取及模型的构建，缺少一个通用的方法。实际上，不同能源类型、负荷类型，其数据特性大多是相似的，基于一个普适性的方法能够减少不必要的重复操作，并一定程度上保证预测精度。现有研究既有基于单一方法的预测，也有基于多种方法的组合预测。

此外，在源荷特征的提取方面，现有研究大多只进行了简单的修正、聚类、标准化等操作。例如：考虑光伏发电数据的连续性，引入前一日的日最大光伏出力功率、日平均光伏出力功率作为新的特征；考虑气象数据的统计值能够一定程度上反映数据分布特点，引入日内温差、日最高气温作为新的特征；考了气象数据的连续性，引入当日及前5天的日平均气温、平均太阳辐照度作为新的特征；利用皮尔森系数法筛选得到太阳辐照度、大气浑浊度和相对湿度作为特征等等。尽管对数据进行了简单的处理，但考虑到特征工程的挑战性、复杂度，显然这些操作并不能保证特征的质量。随着光伏、风电等分布式能源、储能设备及形式多样的负荷的接入，客户侧多能源系统的源荷数据特性日趋复杂，仅对数据进行简单的处理显然会带来较大的预测误差。

总的来说，对于客户侧多能源系统源荷预测的研究，主要存在两个问题：一方面，缺少通用的建模方法，对于每个独立的预测目标需要逐一进行分析与模型构建；另一方面，对特征提取的环节关注较少，不利于综合能源领域源荷预测精度的提升。

发明内容

为了提高客户侧多能源系统源荷预测方法的预测精度，本发明提出了一种基于特征工程的客户侧多能源系统源荷预测方法及装置，通过对预测目标进行精准的特征建模，并根据其用能特性采用最适合的预测算法，从而提高预测的准确度。

为达到上述目的，本发明采用的技术方案如下：

本发明提供一种基于特征工程的客户侧多能源系统源荷预测方法，包括：

对客户侧多能源系统原始观测数据进行预处理；

基于预处理后的数据进行候选特征提取；

对候选特征进行筛选，提取最优特征子集；

基于所提取的最优特征子集进行源荷预测。

进一步的，所述客户侧多能源系统包括：光伏系统，电负荷系统，和冷热负荷系统；

所述客户侧多能源系统原始观测数据包括：气象数据，光伏出力数据，冷热负荷数据，电负荷数据，以及国家法定节假日数据；所述气象数据包括太阳辐照度，温度，湿度，降水量，降水概率，风速，风向和压强。

进一步的，所述对客户侧多能源系统原始观测数据进行预处理，包括：