新能源消纳比例贡献评估方法、装置、电子设备和介质与流程

本技术涉及数据处理领域，尤其涉及一种新能源消纳比例贡献评估方法、装置、电子设备和介质。

背景技术：

1、随着技术的发展，能源基地可以将风电、光电以及火电汇集后通过直流送出，其中，能源基地每年消纳的新能源电能在能源基地全年消纳的总电能中存在设定的占比要求。

2、在该场景下，能源基地需要提前制定好风电、光电以及火电的调度计划，相关技术中的调度计划的制定，不会考虑火电和包括风电以及光电的新能源电能在调度计划中的占比情况，或者不考虑新能源的季节性特征制定全年度的火电和包括风电以及光电的新能源电能在调度计划，从而导致调度计划制定的准确性较低，进而导致出现资源浪费的现象。

技术实现思路

1、本技术的目的旨在至少在一定程度上解决上述技术中的技术问题之一。

2、本技术第一方面提供了一种新能源消纳比例贡献评估方法，包括：构建满足综合能源基地的年度新能源消纳占比的目标调度计划；根据所述目标调度计划，确定所述综合能源基地的历史日前调度计划数据的历史新能源消纳比例贡献评分；根据所述历史日前调度计划数据、与该历史日前调度计划数据对应的历史日前功率预测数据和所述历史新能源消纳比例贡献评分，生成训练样本集；采用所述训练样本集对预设的混合cla模型进行训练，以得到新能源消纳比例贡献评估模型；其中，所述cla模型包括输入层、卷积神经网络cnn层、长短期记忆人工神经网络lstm层、注意力层和输出层，所述输入层输出所述训练样本各自对应的输入向量，经过所述cnn层生成特征向量并输入lstm层，由所述lstm层与所述注意力层对所述特征向量进行学习，在所述输出层输出预测结果；获取所述综合能源基地的日前调度计划数据和对应的日前功率预测数据；将所述日前调度计划数据和对应的日前功率预测数据输入所述新能源消纳比例贡献评估模型中，以输出所述日前调度计划数据的新能源消纳比例贡献评分。

3、本技术第一方面提供的一种新能源消纳比例贡献评估方法，还具备如下技术特征，包括：

4、根据本技术一实施例，所述采用所述训练样本集对预设的混合cla模型进行训练，以得到新能源消纳比例贡献评估模型，包括：将所述训练样本集中的训练样本输入到所述输入层，通过所述输入层得到所述训练样本各自对应的输入向量；将所述输入向量输入到所述cnn层，并对所述输入向量进行特征提取，以筛选出目标特征向量；获取所述目标特征向量，将所述目标特征向量输入所述lstm层，以得到所述目标特征向量各自对应的第一输出向量；将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；将所述第二输出向量输入到所述输出层，以确定历史新能源消纳比例贡献预测评分；根据所述训练样本中所述历史新能源消纳比例贡献评分和所述历史新能源消纳比例贡献预测评分，对所述cla模型进行模型参数调整，以返回使用下一训练样本对模型参数调整后的cla模型继续进行训练，直至训练结束得到所述新能源消纳比例贡献评估模型。

5、根据本技术一实施例，所述cnn层包括卷积层和丢弃dropout层，将所述输入向量输入到所述cnn层，并对所述输入向量进行特征提取，以筛选出目标特征向量，包括：将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。

6、根据本技术一实施例，在将所述第二输出向量输入到所述输出层，以确定历史新能源消纳比例贡献预测评分之后，还包括：获取所述历史新能源消纳比例贡献预测评分，并对所述历史新能源消纳比例贡献预测评分进行反归一化处理。

7、根据本技术一实施例，所述根据所述目标调度计划确定所述综合能源基地的历史日前调度计划数据的历史新能源消纳比例贡献评分，包括：获取综合能源基地的多个历史采样时间点分别对应的历史日前功率预测数据样本，每个所述历史日前功率预测数据样本中均包括：历史日前光伏功率预测数据和历史日前风电功率预测数据；获取各个所述历史日前功率预测数据样本各自对应的次日的历史日前调度计划数据样本，每个所述历史日前调度计划样本中均包括：历史日前调度计划光伏占比、历史日前调度计划风电占比和历史日前调度计划火电占比；根据所述目标调度计划下当日的新能源消纳占比以及对应各个所述历史日前调度计划样本对应的新能源消纳占比，分别确定各个所述历史日前调度计划样本各自对应的历史新能源消纳比例贡献评分。

8、根据本技术一实施例，在所述采用所述训练样本集对预设的混合cla模型进行训练之前，还包括：构建用于表示所述cla模型输出的新能源消纳比例贡献预测评分与所述新能源消纳比例贡献评分之间差异值的损失函数；以所述损失函数的最小值为目标，基于所述训练样本集训练所述cla模型。

9、根据本技术一实施例，所述历史新能源消纳比例贡献评分采用如下公式进行确定：基于预设的新能源消纳比例贡献评分量化公式，确定各个所述历史日前调度计划样本各自对应的历史新能源消纳比例贡献评分；其中，所述新能源消纳比例贡献评分量化公式包括：

10、

11、在公式(1)中，si表示新能源消纳比例贡献评分；ci表示各个所述历史日前调度计划样本对应的新能源消纳占比；表示目标调度计划下当日的新能源消纳占比。

12、本技术第二方面提供了一种新能源消纳比例贡献评估装置，包括：构建模块，用于构建满足综合能源基地的年度新能源消纳占比的目标调度计划；确定模块，用于根据所述目标调度计划，确定所述综合能源基地的历史日前调度计划数据的历史新能源消纳比例贡献评分；生成模块，用于根据所述历史日前调度计划数据、与该历史日前调度计划数据对应的历史日前功率预测数据和所述历史新能源消纳比例贡献评分，生成训练样本集；训练模块，用于采用所述训练样本集对预设的混合cla模型进行训练，以得到新能源消纳比例贡献评估模型；其中，所述cla模型包括输入层、卷积神经网络cnn层、长短期记忆人工神经网络lstm层、注意力层和输出层，所述输入层输出所述训练样本各自对应的输入向量，经过所述cnn层生成特征向量并输入lstm层，由所述lstm层与所述注意力层对所述特征向量进行学习，在所述输出层输出预测结果；获取模块，用于获取所述综合能源基地的日前调度计划数据和对应的日前功率预测数据；评分模块，用于将所述日前调度计划数据和对应的日前功率预测数据输入所述新能源消纳比例贡献评估模型中，以输出所述日前调度计划数据的新能源消纳比例贡献评分。

13、本技术第二方面提供的一种新能源消纳比例贡献评估装置，还具备如下技术特征，包括：

14、根据本技术一实施例，所述训练模块，还用于：将所述训练样本集中的训练样本输入到所述输入层，通过所述输入层得到所述训练样本各自对应的输入向量；将所述输入向量输入到所述cnn层，并对所述输入向量进行特征提取，以筛选出目标特征向量；获取所述目标特征向量，将所述目标特征向量输入所述lstm层，以得到所述目标特征向量各自对应的第一输出向量；将所述目标特征向量各自对应的第一输出向量输入到所述注意力层中，并根据所述注意力层中所述第一输出向量的注意力权重参数值，对所述第一输出向量进行筛选，以得到第二输出向量；将所述第二输出向量输入到所述输出层，以确定历史新能源消纳比例贡献预测评分；根据所述训练样本中所述历史新能源消纳比例贡献评分和所述历史新能源消纳比例贡献预测评分，对所述cla模型进行模型参数调整，以返回使用下一训练样本对模型参数调整后的cla模型继续进行训练，直至训练结束得到所述新能源消纳比例贡献评估模型。

15、根据本技术一实施例，所述cnn层包括卷积层和丢弃dropout层，所述训练模块，还用于：将所述输入向量输入到所述卷积层中，获取卷积层提取的输入向量的多个特征向量；将所述输入向量的多个特征向量输入到所述dropout层，以从所述多个特征中筛选出目标特征向量。

16、根据本技术一实施例，所述训练模块，还用于：获取所述历史新能源消纳比例贡献预测评分，并对所述历史新能源消纳比例贡献预测评分进行反归一化处理。

17、根据本技术一实施例，所述确定模块，还用于：获取综合能源基地的多个历史采样时间点分别对应的历史日前功率预测数据样本，每个所述历史日前功率预测数据样本中均包括：历史日前光伏功率预测数据和历史日前风电功率预测数据；获取各个所述历史日前功率预测数据样本各自对应的次日的历史日前调度计划数据样本，每个所述历史日前调度计划样本中均包括：历史日前调度计划光伏占比、历史日前调度计划风电占比和历史日前调度计划火电占比；根据所述目标调度计划下当日的新能源消纳占比以及对应各个所述历史日前调度计划样本对应的新能源消纳占比，分别确定各个所述历史日前调度计划样本各自对应的历史新能源消纳比例贡献评分。

18、根据本技术一实施例，所述训练模块，还用于：构建用于表示所述cla模型输出的新能源消纳比例贡献预测评分与所述新能源消纳比例贡献评分之间差异值的损失函数；以所述损失函数的最小值为目标，基于所述训练样本集训练所述cla模型。

19、根据本技术一实施例，所述历史新能源消纳比例贡献评分采用如下公式进行确定：基于预设的新能源消纳比例贡献评分量化公式，确定各个所述历史日前调度计划样本各自对应的历史新能源消纳比例贡献评分；其中，所述新能源消纳比例贡献评分量化公式包括：

20、

21、在公式(1)中，si表示新能源消纳比例贡献评分；ci表示各个所述历史日前调度计划样本对应的新能源消纳占比；表示目标调度计划下当日的新能源消纳占比。

22、本技术第三方面实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术第一方面提供的新能源消纳比例贡献评估方法。

23、本技术第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本技术第一方面提供的新能源消纳比例贡献评估方法。

24、本技术第五方面实施例提供了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本技术第一方面提供的新能源消纳比例贡献评估方法。

25、本技术提供的新能源消纳比例贡献评估方法及装置，构建满足综合能源基地的年度新能源消纳占比的目标调度计划，并根据目标调度计划确定综合能源基地的历史日前调度计划数据的历史新能源消纳比例贡献评分。进一步地，根据历史日前调度计划数据，以及与该历史日前调度计划数据对应的历史日前功率预测数据、该历史日前调度计划数据对应的历史新能源消纳比例贡献评分，生成训练样本集，并基于生成的训练样本集对预设的混合cla模型进行模型训练，进而得到训练好的新能源消纳比例贡献评估模型。进一步地，获取综合能源基地的目标调度计划对应的日前调度计划数据以及对应的日前功率预测数据，并将其输入训练好的新能源消纳比例贡献评估模型中，并基于模型输出结果得到综合能源基地的目标调度计划的日前调度计划数据对应的新能源消纳比例贡献评分。本技术中，基于训练好的新能源消纳比例贡献评估模型，对综合能源基地的目标调度计划对应的日前调度计划数据进行贡献占比的评分，提高了综合能源基地基于日前调度计划数据消纳的新能源电量在总消纳电量中的贡献占比评估的准确性，进而提高了综合能源基地的新能源以及传统能源对应的日前调度计划数据的准确性，避免了不合理的调度计划所导致的能源浪费。

26、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。