[发明专利]微电网无功功率预测方法、装置、电子设备及存储介质

权利要求书

1.一种微电网无功功率预测方法，其特征在于，包括：

采集目标电网数据；所述目标电网数据包括微电网各节点输出电压数据、分流电纳、电源端的输出电压数据和对应的时间标签；

根据所述目标电网数据计算得到微电网各节点的瞬时无功功率值；

基于所述瞬时无功功率值和对应的时间标签生成微电网各节点对应的目标变化曲线，将所述微电网各节点对应的目标变化曲线作为待测样本；

将所述待测样本输入预先训练的微电网无功功率预测模型，输出对应的无功功率预测标识结果，基于输出的无功功率预测标识结果调整微电网运行控制策略。

2.根据权利要求1所述的方法，其特征在于，所述微电网无功功率预测模型的训练样本的生成过程，包括：

采集历史电网数据；所述历史电网数据包括微电网各节点输出电压数据、分流电纳、电源端的输出电压数据和对应的时间标签；

根据所述历史电网数据计算得到微电网各节点的历史无功功率值；

基于所述历史无功功率值和对应的时间标签生成微电网各节点对应的历史变化曲线；

将所述微电网各节点对应的历史变化曲线作为训练样本。

3.根据权利要求2所述的方法，其特征在于，所述微电网无功功率预测模型的样本的标识过程，包括：

获取经济成本数据；所述经济成本数据包括当地平均电价、总发电功率、微电网成本数据；

计算所述微电网成本数据与所述当地平均电价的比值；

计算所述总发电功率与所述比值之间的差值，得到临界无功功率；

基于历史无功功率值与所述临界无功功率的比值关系对训练样本进行标识。

4.根据权利要求3所述的方法，其特征在于，所述微电网无功功率预测模型训练过程，包括：

对标识后的训练样本进行数据分割，得到训练集、验证集和测试集；

基于所述训练集、验证集和测试集对自注意力时间卷积神经网络模型进行训练，输出对应的无功功率预测结果，当输出结果与标识结果的差异度大于第一预设阈值时，对自注意力时间卷积神经网络模型的参数进行修正；

重复上述过程，直到当输出结果与标识结果的差异度小于所述第一预设阈值，输出训练完成的自注意力时间卷积神经网络模型，得到微电网无功功率预测模型。

5.根据权利要求1所述的方法，其特征在于，在将所述待测样本输入预先训练的微电网无功功率预测模型之前，包括：使用混沌理论对待测样本进行相空间变换处理。

6.根据权利要求1所述的方法，其特征在于，根据所述目标电网数据计算得到微电网各节点的瞬时无功功率值的计算公式如下：

其中：W_i表示节点i上的分流电纳，U_i表示节点i上的电压，U_ter表示微电网中电源端的实时输出电压，计算结果P_i表示瞬时无功功率值。

7.根据权利要求3所述的方法，其特征在于，所述基于输出的无功功率预测标识结果调整微电网运行控制策略，包括：

若输出的无功功率预测标识结果为第一预设标识，则发出正常运行指令；

若输出的无功功率预测标识结果为第二预设标识，则发出调整微电网运行控制策略指令，以令负反馈控制系统根据指令进行微电网自主调控；

若输出的无功功率预测标识结果为第三预设标识，则发出孤岛运行指令。