[发明专利]基于序列编码重构的多尺度区域光伏出力预测方法及系统

权利要求书

1.基于序列编码重构的多尺度区域光伏出力预测方法，其特征在于，

包括以下步骤：

步骤1：通过构建网格化采样模型，确定基准站点；

网格化采样模型的构建方法如下：

步骤11，获取极限位置坐标信息；

极限位置坐标信息包括最低点坐标和最高点坐标；

所述最低点坐标为；

所述最高点坐标为；

其中，lon_l为最低点的经度坐标；

lat_l为最低点的纬度坐标；

lon_h为最高点的经度坐标；

lat_h为最高点的纬度坐标；

步骤12，根据步骤11中的极限位置坐标信息，选择合适的网格宽度λ来进行网格划分；

步骤13，步骤12中网格划分完成后，对网格内站点进行随机采样，获得n×m个基准站点；所述n、m的计算公式如下：

；

步骤2：获取步骤1中基准站点的光伏历史出力时序数据，并对光伏历史出力时序数据进行预处理，得到修正增强数据集；

所述预处理包括数据清洗与加工、数据增强；

所述数据清洗与加工为去除光伏历史出力时序数据中的无效值，并补充光伏历史出力时序数据中的缺失值，形成时序数据集；

所述数据增强包括时域上增强、频域上增强；

所述时域上增强，包括以下内容：

首先对时序数据集中的部分片段进行拉伸或压缩，然后通过从时序数据集中提取设定窗口大小的切片，将时序数据集统一到原始序列长度；

所述频域上增强，包括以下内容：

输入的时序数据集为，其频谱通过傅里叶变换计算，其计算公式如下：

其中是傅里叶变换第k个复指数信号，是角频率，是幅度谱，是相位谱，e是自然常数， j是复数符号，t是时间；

对于幅度谱中的扰动，利用幅度谱中的原始均值和方差，通过高斯噪声替换随机选择片段的幅度值；

而对于相位谱中的扰动，随机选择片段的相位值由相位谱中额外的零均值高斯噪声相加得到；

步骤3：根据所需要的预测时间尺度，重新构建步骤2中的修正增强数据集，形成多维出力张量序列；

所述多维出力张量序列为；

其中为出力张量；

步骤4：建立编码解码模型，对区域光伏出力进行预测；

所述编码解码模型设有编码单元、注意力单元、解码单元；

所述编码单元将步骤3中的多维出力张量序列提取为内在表征向量序列，并将内在表征向量序列输入到解码单元中进行解码；

在解码过程中，利用注意力单元，赋予每次输入的内在表征向量序列不同的权重，使编码解码模型能充分利用输入的光伏历史出力时序数据所含信息；

所述解码单元的结构与编码单元的结构对称，其包括以下内容：

通过复制时空序列预测网络ConvLSTM的细胞状态和隐藏状态来初始化解码单元时空序列预测网络ConvLSTM；

解码单元的时空序列预测网络ConvLSTM的输入除了上一时刻的隐藏状态，细胞状态外，还包括当前时刻的注意力向量；

在得到多个时刻的隐藏状态后，再经过卷积神经网络CNN的卷积作为编码解码模型的输出；

输出的计算公式如下：

其中为解码单元时空序列预测网络ConvLSTM输入门，为解码单元时空序列预测网络ConvLSTM遗忘门，为解码单元时空序列预测网络ConvLSTM输出门，为注意力向量，为相乘运算符号，*为卷积运算符号；

步骤5：利用样本数据对步骤4中的编码解码模型进行训练，经过不断迭代使编码解码模型达到性能要求，形成可用混合模型；

步骤6：将待预测的基准站点的光伏实时出力时序数据依次输入至步骤2到步骤5中，进行区域光伏出力滚动预测。