本發(fā)明屬于光伏發(fā)電領(lǐng)域，涉及歷史數(shù)據(jù)的特征提取及預(yù)測(cè)，具體為一種基于歷史波動(dòng)信息熵提取的中長(zhǎng)期在線預(yù)測(cè)方法。

背景技術(shù)：

1、太陽(yáng)能光伏發(fā)電作為一種清潔、可再生的能源技術(shù)，在當(dāng)今全球能源危機(jī)和環(huán)境污染的雙重壓力下，受到了廣泛關(guān)注。然而，光伏發(fā)電的輸出功率受日照條件、氣候、季節(jié)等自然因素的影響較大，具有明顯的波動(dòng)性和不確定性，大規(guī)模光伏發(fā)電的接入可能對(duì)電網(wǎng)穩(wěn)定造成影響。光伏發(fā)電中長(zhǎng)期預(yù)測(cè)能有助于電站規(guī)劃及資源評(píng)估，保障電力系統(tǒng)電量平衡，在宏觀層面提高光伏消納水平。然而，目前對(duì)光伏發(fā)電中長(zhǎng)期的預(yù)測(cè)方法一方面未充分利用歷史數(shù)據(jù)在頻域的特性，另一方面也未充分考慮光伏數(shù)據(jù)的非線性動(dòng)力學(xué)特征，因此預(yù)測(cè)準(zhǔn)確性還有很大的提升空間。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，通過(guò)在頻域?qū)夥隽v史序列進(jìn)行分解，對(duì)頻域分量提取歷史信息熵，以歷史信息熵為依據(jù)對(duì)頻域分量進(jìn)行重構(gòu)，并利用圖注意網(wǎng)絡(luò)捕捉重構(gòu)序列之間的關(guān)聯(lián)性，實(shí)現(xiàn)對(duì)光伏出力的中長(zhǎng)期預(yù)測(cè)。

2、一種基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，具體包括以下步驟：

3、步驟1、對(duì)光伏出力歷史序列進(jìn)行頻域分解，得到模態(tài)分量和殘差分量。

4、步驟2、提取模態(tài)分量間的歷史波動(dòng)信息熵。

5、步驟3、比較相鄰模態(tài)分量間的歷史波動(dòng)信息熵差值絕對(duì)值，對(duì)于差值絕對(duì)值小于設(shè)定閾值的模態(tài)分量進(jìn)行相加，合并為一個(gè)分量。將合并后的模態(tài)分量和殘差分量進(jìn)行拼接，得到重構(gòu)序列。

6、步驟4、將重構(gòu)序列輸入圖注意力神經(jīng)網(wǎng)絡(luò)中，預(yù)測(cè)光伏出力。

7、本發(fā)明具有以下有益效果：

8、通過(guò)提取光伏歷史數(shù)據(jù)的頻率特性及其蘊(yùn)含的波動(dòng)信息熵，有效捕捉光伏發(fā)電中長(zhǎng)期波動(dòng)趨勢(shì)特征，對(duì)頻域分量數(shù)據(jù)進(jìn)行選擇重構(gòu)，降低信息量。并將波動(dòng)特征映射為圖元素，充分利用圖注意力機(jī)制在預(yù)測(cè)中的優(yōu)勢(shì)。本方法在提高光伏發(fā)電中長(zhǎng)期預(yù)測(cè)的精度方面預(yù)測(cè)優(yōu)于傳統(tǒng)時(shí)間序列預(yù)測(cè)方法。

技術(shù)特征：

1.基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：具體包括以下步驟：

2.如權(quán)利要求1所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：使用集合經(jīng)驗(yàn)?zāi)B(tài)對(duì)歷史光伏發(fā)電序列進(jìn)行頻域分解，得到殘差分量和i個(gè)頻率域模態(tài)分量：

3.如權(quán)利要求1所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：利用相空間重構(gòu)理論，計(jì)算嵌入維數(shù)d和延遲時(shí)間，對(duì)模態(tài)分量均值進(jìn)行重構(gòu)，得到大小為（）*d的向量組，其中第t行向量為：

4.如權(quán)利要求3所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：設(shè)置權(quán)重α=0.5。

5.如權(quán)利要求1所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：設(shè)置當(dāng)相鄰模態(tài)分量、的歷史波動(dòng)信息熵、的差值小于0.6時(shí)，對(duì)這兩個(gè)相鄰模態(tài)分量進(jìn)行合并相加。

6.如權(quán)利要求1所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：將重構(gòu)序列輸入圖注意力神經(jīng)網(wǎng)絡(luò)中預(yù)測(cè)光伏出力的具體步驟為：

7.如權(quán)利要求6所述基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法，其特征在于：所述鄰居矩陣a為：

8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序在計(jì)算機(jī)中執(zhí)行時(shí)，令計(jì)算機(jī)執(zhí)行權(quán)利要求1~7中任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了基于歷史波動(dòng)信息熵提取的光伏發(fā)電中長(zhǎng)期在線預(yù)測(cè)方法。該方法通過(guò)集合經(jīng)驗(yàn)?zāi)B(tài)法對(duì)光伏出力歷史序列進(jìn)行頻域分解，得到模態(tài)分量和殘差分量。然后利用相空間重構(gòu)理論，將模態(tài)分量重構(gòu)為向量組，提取各模態(tài)分量間的歷史波動(dòng)信息熵。比較相鄰模態(tài)分量間的歷史波動(dòng)信息熵差值的絕對(duì)值，對(duì)于差值絕對(duì)值小于設(shè)定閾值的模態(tài)分量進(jìn)行相加，合并為一個(gè)分量。將合并后的模態(tài)分量和殘差分量進(jìn)行拼接，得到重構(gòu)序列。最后將重構(gòu)序列輸入圖注意力神經(jīng)網(wǎng)絡(luò)中，預(yù)測(cè)光伏出力。該方法通過(guò)歷史波動(dòng)信息熵，有效捕捉光伏發(fā)電中長(zhǎng)期波動(dòng)趨勢(shì)特征，并通過(guò)對(duì)模態(tài)分量的選擇性重構(gòu)，降低了信息量。提高光伏發(fā)電中長(zhǎng)期預(yù)測(cè)的精度。

技術(shù)研發(fā)人員：沈舒儀,何英靜,王沐凡,楊愷,李帆
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)浙江省電力有限公司經(jīng)濟(jì)技術(shù)研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2