区域发电功率预测方法、装置、设备及存储介质与流程

1.本公开涉及发电技术领域，尤其涉及一种区域发电功率预测方法、装置、设备及存储介质。


背景技术：

2.随着诸如风力发电、光伏发电等可再生能源发电在电力系统的占比越来越大，其出力的不确定性与随机性给电力系统的高效运行带来了不良影响。如何基于区域内多个场站的风力、光伏等可再生能源准确的预测区域发电功率是电力系统安全稳定运行、优化电力市场交易等环节的必要前提。
3.目前，一般利用单个场站的风力、光伏等数据进行区域发电预测，但是多个场站之间不会共享数据导致出现数据孤岛问题，如果将多个场站原始的风光数据委托给第三方的服务器计算发电功率，也难以保证原始的风光数据安全性。


技术实现要素：

4.为了解决上述技术问题，本公开提供了一种区域发电功率预测方法、装置、设备及存储介质。
5.第一方面，本公开提供了一种区域发电功率预测方法，该方法包括：
6.对目标风光电站的风光数据进行特征提取，得到风光特征，其中，所述目标风光电站为待预测区域内的发电站，并且，所述待预测区域还包括与所述目标风光电站出力相关的至少一个关联风光电站；
7.对所述风光特征进行加密处理，生成所述目标风光电站的密文特征；
8.基于所述目标风光电站的密文特征，以及所述关联风光电站的密文特征，生成所述目标风光电站以及所述关联风光电站的密文加和特征，并将所述密文加和特征发送至所述待预测区域对应的服务器，其中，所述服务器用于生成所述密文加和特征对应的解密融合特征；
9.基于所述服务器返回的所述解密融合特征和所述目标风光电站的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，其中，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
10.第二方面，本公开提供了一种区域发电功率预测方法，该方法包括：
11.获取目标风光电站和关联风光电站的密文加和特征，其中，所述目标风光电站和所述关联风光电站均为待预测区域内的发电站，所述密文加和特征基于所述目标风光电站的密文特征和所述关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到；
12.生成所述密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处
理，生成所述待预测区域的解密融合特征；
13.将所述解密融合特征发送至所述目标风光电站对应的客户端，其中，所述目标风光电站对应的客户端用于基于所述解密融合特征和所述目标风光电站对应的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，并且，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
14.第三方面，本公开提供了一种区域发电功率预测装置，该装置包括：
15.第一获取模块，用于对目标风光电站的风光数据进行特征提取，得到风光特征，其中，所述目标风光电站为待预测区域内的发电站，并且，所述待预测区域还包括与所述目标风光电站出力相关的至少一个关联风光电站；
16.第一生成模块，用于对所述风光特征进行加密处理，生成所述目标风光电站的密文特征；
17.第二生成模块，用于基于所述目标风光电站的密文特征，以及所述关联风光电站的密文特征，生成所述目标风光电站以及所述关联风光电站的密文加和特征，并将所述密文加和特征发送至所述待预测区域对应的服务器，其中，所述服务器用于生成所述密文加和特征对应的解密融合特征；
18.第二获取模块，用于基于所述服务器返回的所述解密融合特征和所述目标风光电站的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，其中，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
19.第四方面，本公开实施例还提供了一种区域发电功率预测装置，该装置包括：
20.第三获取模块，用于获取目标风光电站和关联风光电站的密文加和特征，其中，所述目标风光电站和所述关联风光电站均为待预测区域内的发电站，所述密文加和特征基于所述目标风光电站的密文特征和所述关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到；
21.第三生成模块，用于生成所述密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处理，生成所述待预测区域的解密融合特征；
22.发送模块，用于将所述解密融合特征发送至所述目标风光电站对应的客户端，其中，所述目标风光电站对应的客户端用于基于所述解密融合特征和所述目标风光电站对应的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，并且，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
23.第五方面，本公开实施例还提供了一种电子设备，该设备包括：
24.一个或多个处理器；
25.存储装置，用于存储一个或多个程序，
26.当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现第一方面所提供的方法或者实现第二方面所提供的方法。
27.第六方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机
程序，该计算机程序被处理器执行时实现第一方面所提供的方法或者实现第二方面所提供的方法。
28.本公开实施例提供的技术方案与现有技术相比具有如下优点：
29.本公开实施例的一种区域发电功率预测方法、装置、设备及存储介质，所述方法包括：对目标风光电站的风光数据进行特征提取，得到风光特征，其中，目标风光电站为待预测区域内的发电站，并且，待预测区域还包括与目标风光电站出力相关的至少一个关联风光电站；对风光特征进行加密处理，生成目标风光电站的密文特征；基于目标风光电站的密文特征，以及关联风光电站的密文特征，生成目标风光电站以及关联风光电站的密文加和特征，并将密文加和特征发送至待预测区域对应的服务器，其中，服务器用于生成密文加和特征对应的解密融合特征；基于服务器返回的解密融合特征和目标风光电站的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，其中，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。由此，能够在风光电站本地的客户端生成原始的风光数据对应的密文特征，并融合多个风光电站的密文特征进行区域发电功率预测，避免出现数据孤岛问题，并且，风光电站原始的风光数据只能由本地的客户端获取并加密成密文特征，服务器只获取密文加和特征而无法得知风光电站原始的风光数据，使得第三方的服务器不会出现风光数据泄露的问题，提高了风光电站原始的风光数据的安全性。
附图说明
30.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
31.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
32.图1为本公开实施例提供的一种区域发电功率预测系统的系统架构图；
33.图2为本公开实施例提供的一种区域发电功率预测方法的流程示意图；
34.图3为本公开实施例提供的另一种区域发电功率预测方法的流程示意图；
35.图4为本公开实施例提供的一种区域发电功率预测方法的逻辑示意图；
36.图5为本公开实施例提供的一种区域发电功率预测装置的结构示意图；
37.图6为本公开实施例提供的另一种区域发电功率预测装置的结构示意图；
38.图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
39.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
40.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
41.为了便于理解区域发电功率预测方法，本公开实施例提供了一种发电站系统。
42.图1示出了本公开实施例提供的一种电力系统的系统架构图。
43.如图1所示，电力系统包括待预测区域10和第三方的服务器20，其中，待预测区域10包括多个风光电站和多个客户端，多个风光电站包括风光电站11，风光电站12
…
风光电站1n，多个客户端包括客户端21，客户端22
…
客户端2n。
44.以目标风光电站是风光电站1n进行解释。具体的，客户端2n对风光电站1n的风光数据进行特征提取，得到风光电站1n的风光特征，对风光特征进行加密处理，生成风光电站1n的密文特征，基于风光电站1n的密文特征，以及风光电站11，风光电站12
…
风光电站1(n-1)分别对应的密文特征，生成风光电站1n以及风光电站11，风光电站12
…
风光电站1(n-1)的密文加和特征，并将密文加和特征发送至服务器20，其中，服务器20用于生成密文加和特征对应的解密融合特征；进一步的，客户端2n基于服务器20返回的解密融合特征和风光电站1n的风光特征进行发电功率预测，确定风光电站1n对应的预测功率；最后，风光电站1n对应的预测功率以及风光电站11，风光电站12
…
风光电站1(n-1)分别对应的预测功率，用于相加得到待预测区域10的区域发电功率。
45.基于图1所示的电力系统的系统架构图，本公开实施例提供了一种区域发电功率预测方法、装置、设备及存储介质。
46.下面结合图2对本公开实施例提供的区域发电功率预测方法进行说明。在本公开实施例中，该区域发电功率预测方法可以由待预测区域中目标风光电站对应的客户端执行。其中，客户端可以理解为风光电站本地的客户端。
47.图2示出了本公开实施例提供的一种区域发电功率预测方法的流程示意图。
48.如图2所示，该区域发电功率预测方法可以包括如下步骤。
49.s210、对目标风光电站的风光数据进行特征提取，得到风光特征，其中，目标风光电站为待预测区域内的发电站，并且，待预测区域还包括与目标风光电站出力相关的至少一个关联风光电站。
50.在本实施例中，当需要对部署了多个风光电站的待预测区域进行区域发电功率预测时，将待预测区域内的任意一个风光电站作为目标风光电站，并利用该目标风光电站本地的客户端采集其对应的风光数据。
51.其中，待预测区域可以是部署有多个风光电站作为发电站的行政区域。具体的，待预测区域中的多个风光电站的出力相关，也就是多个风光电站之间的发电功率存在制约关系，使得每个风光电站均存在至少一个出力相关的关联风光电站。
52.其中，风光数据是指目标风光电站原始的能源数据，也就是原始的风光数据。具体的，风光电站用于采集风电数据和光电数据，形成该风光电站的原始风光数据。
53.可选的，风光数据可以包括但不限于风速、风向、辐照度、温度、湿度、气压等。
54.进一步的，在本实施例中，目标风光电站本地的客户端对风光数据进行特征提取，使得将原始的风光数据转换成特征向量形式的风光特征。需要说明的是，风光特征是由一系列特征值表示，稳定性好也不容易直接被窃取使用稳定性好也不容易直接被窃取使用。
55.在本公开实施例中，可选的，可以利用预设编码器对风光数据进行编码处理，得到编码特征，并将编码特征作为目标风光电站的风光特征。
56.具体的，对于每个时刻对应的风光数据，目标风光电站对应的客户端利用预设编
码器对其进行特征提取，得到该时刻的风光特征，直至对所有时刻的风光数据处理完毕，得到所述目标风光电站的风光特征。
57.s220、对风光特征进行加密处理，生成目标风光电站的密文特征。
58.在本实施例中，为了防止原始的风光数据在第三方的服务器被泄露，目标风光电站本地的客户端可以对特征向量形式的风光特征再进行加密，得到加密密文，并将加密密文作为目标风光电站的密文特征。同理，待预测区域内关联风光电站本地的客户端，也可以对特征向量形式的风光特征再进行加密，得到加密密文，并将加密密文作为关联风光电站的密文特征。
59.具体的，对于目标风光电站来说，目标风光电站本地的客户端可以利用加密随机数对风光特征所包含的明文信息进行加密处理，得到目标风光电站的密文特征。其中，加密随机数可以是任意的素数，并且，加密随机数可以是由第三方的服务器或者在目标风光电站本地的客户端基于paillier半同态加密算法生成的公钥。
60.同理，对于关联风光电站来说，关联风光电站本地的客户端可以利用加密随机数对风光特征所包含的明文信息进行加密处理，得到关联风光电站的密文特征。其中，加密随机数可以是任意的素数，并且，加密随机数可以是由第三方的服务器或者在关联风光电站本地的客户端基于paillier半同态加密算法生成的公钥。
61.可以理解的是，密文特征是一种加密密文，若想要获取原始的风光数据，需要使用秘钥对其进行解密才能获取以明文形式表示的原始的风光数据。
62.s230、基于目标风光电站的密文特征，以及关联风光电站的密文特征，生成目标风光电站以及关联风光电站的密文加和特征，并将密文加和特征发送至待预测区域对应的服务器，其中，服务器用于生成密文加和特征对应的解密融合特征。
63.在本实施例中，目标风光电站本地的客户端获取关联风光电站的密文特征，并对其本地的密文特征和关联风光电站的密文特征进行加和，得到目标风光电站以及关联风光电站的密文加和特征，进一步将密文加和特征发送至待预测区域对应的服务器。
64.其中，密文加和特征是指目标风光电站和关联风光电站的密文特征的加权值，并且，密文加和特征能够表征风光电站之间的出力相关关系。
65.在一些实施例中，关联风光电站本地的客户端分别将密文特征发送至目标风光电站本地的客户端，使得目标风光电站本地的客户端对所有密文特征进行加和，得到目标风光电站以及关联风光电站的密文加和特征。
66.在另一些实施例中，预先对待预测区域内的每个风光电站进行编号，若目标风光电站是第n个风光电站，第1个风光电站至第n-1个风光电站都是关联风光电站，则第1个风光电站本地的客户端将密文特征发送至第2个风光电站本地的客户端，第2个风光电站本地的客户端将获取的密文特征与其自身的密文特征加和，得到第2个风光电站和第2个风光电站的密文加和特征；进一步的，第2个风光电站本地的客户端得到的密文加和特征发送至第3个风光电站本地的客户端，第3个风光电站本地的客户端将获取的密文加和特征与其自身的密文特征加和，得到第1个风光电站、第2个风光电站以及第3个风光电站的密文加和特征，以此类推，直至得到第1个风光电站至第n个风光电站的密文加和特征，作为目标风光电站以及关联风光电站的密文加和特征。
67.具体的，可以对目标风光电站的密文特征以及关联风光电站的密文特征进行同态
相加计算，得到密文加和特征。
68.可以理解的是，由于密文加和特征是待预测区域内多个风光电站的密文特征的加权值，第三方的服务器获取到密文加和特征之后，只能确定多个风光电站整体的密文特征，不能明确每个风光电站详细的密文特征，尽管第三方的服务器能够对密文加和特征进行解密，得到解密融合特征，也只能确定多个风光电站整体的风光特征，不能明确每个风光电站详细的风光特征，并且，由于风光特征由一系列特征值表示，不容易直接被窃取使用。因此，第三方的服务器自始至终不会获取到每个风光电站的原始数据，不会出现原始的风光数据在第三方的服务器被泄露的问题。
69.s240、基于服务器返回的解密融合特征和目标风光电站的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，其中，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。
70.在本实施例中，目标风光电站本地的客户端结合能够表征风光电站之间的出力相关关系的解密融合特征以及目标风光电站的风光特征进行发电功率预测，得到目标风光电站本地的预测功率。同理，关联风光电站本地的客户端结合能够表征风光电站之间的出力相关关系的解密融合特征以及关联风光电站的风光特征进行发电功率预测，得到关联风光电站本地的预测功率。
71.其中，解密融合特征是指融合了多个风光电站的风光特征的解密信息。
72.具体的，目标风光电站本地的客户端可以利用预设解码器对解密融合特征和目标风光电站对应的风光特征进行解码处理，得到解码数据，并将解码数据作为目标风光电站对应的预测功率。同理，关联风光电站本地的客户端可以利用预设解码器对解密融合特征和关联风光电站对应的风光特征进行解码处理，得到解码数据，并将解码数据作为关联风光电站对应的预测功率。
73.进一步的，关联风光电站分别将其本地的预测功率发送至目标风光电站本地的客户端，由目标风光电站本地的客户端将所有发电功率相加，得到待预测区域的区域发电功率，或者，目标风光电站本地的客户端和关联风光电站本地的客户端，分别将其对应的发电功率发送至第三方的服务器，由第三方的服务器将所有发电功率相加，得到待预测区域的区域发电功率。
74.由此，能够融合多个风光电站的风光特征进行区域发电功率预测，避免出现数据孤岛问题。
75.本公开实施例的一种区域发电功率预测方法，所述方法包括：对目标风光电站的风光数据进行特征提取，得到风光特征，其中，目标风光电站为待预测区域内的发电站，并且，待预测区域还包括与目标风光电站出力相关的至少一个关联风光电站；对风光特征进行加密处理，生成目标风光电站的密文特征；基于目标风光电站的密文特征，以及关联风光电站的密文特征，生成目标风光电站以及关联风光电站的密文加和特征，并将密文加和特征发送至待预测区域对应的服务器，其中，服务器用于生成密文加和特征对应的解密融合特征；基于服务器返回的解密融合特征和目标风光电站的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，其中，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。由此，能够在风光电站本地的客户端生成原始的风光数据对应的密文特征，并融合多个风光电站的密文特征进行区域发
电功率预测，避免出现数据孤岛问题，并且，风光电站原始的风光数据只能由本地的客户端获取并加密成密文特征，服务器只获取密文加和特征而无法得知风光电站原始的风光数据，使得第三方的服务器不会出现风光数据泄露的问题，提高了风光电站原始的风光数据的安全性。
76.在本公开另一种实施方式中，提供了一种区域发电功率预测方法。该区域发电功率预测方法可以由待预测区域对应的第三方的服务器执行。
77.图3示出了本公开实施例提供的另一种区域发电功率预测方法的流程示意图。
78.如图3所示，该区域发电功率预测方法可以包括如下步骤。
79.s310、获取目标风光电站和关联风光电站的密文加和特征，其中，目标风光电站和关联风光电站均为待预测区域内的发电站，密文加和特征基于目标风光电站的密文特征和关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到。
80.在本实施例中，待预测区域包括目标风光电站和关联风光电站，首先，每个风光电站本地的客户端采集其对应的风光数据，并对其对应的风光数据进行特征提取，得到每个风光电站的风光特征，然后，每个风光电站本地的客户端对其得到的风光特征进行加密处理，得到每个风光电站的密文特征，进一步的，目标风光电站本地的客户端基于目标风光电站的密文特征和关联风光电站的密文特征，生成目标风光电站和关联风光电站的密文加和特征，最后，目标风光电站本地的客户端将密文加和特征发送至第三方的服务器。
81.具体的，每个风光电站本地的客户端可以利用预设编码器对其对应的风光数据进行编码处理，得到编码特征，并将所述编码特征作为每个风光电站的风光特征。
82.具体的，每个风光电站本地的客户端可以利用加密随机数对其对应的风光特征所包含的明文信息进行加密处理，得到每个风光电站的密文特征。
83.具体的，目标风光电站本地的客户端可以对目标风光电站的密文特征以及关联风光电站的密文特征进行同态相加计算，得到密文加和特征。
84.s320、生成密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处理，生成待预测区域的解密融合特征。
85.在本实施例中，第三方的服务器可以对密文加和特征进行解密，生成解密加和特征。
86.其中，解密加和特征目标风光电站和关联风光电站的解密特征的加权值，并且，能够表征风光电站之间的出力相关关系。
87.具体的，可以利用解密随机数对密文加和特征解密成明文信息，得到包含明文信息的解密加和特征。其中，解密随机数可以是任意的素数，并且解密随机数可以是由第三方的服务器基于paillier半同态加密算法生成的私钥。
88.进一步的，第三方的服务器对解密加和特征进行融合处理，使得将目标风光电站和关联风光电站的风光特征进行融合，得到待预测区域的解密融合特征。
89.具体的，可以基于解密加和特征和待预测区域中风光电站的数量，确定解密加和特征的平均值，并利用预设融合模型对解密加和特征的平均值进行融合处理，得到解密融合特征。
90.可以理解的是，尽管第三方的服务器能够基于解密加和特征和待预测区域中风光
电站的数量，确定解密加和特征的平均值，但是，该平均值只能代表多个风光电站的风光特征的均值，并不是每个风光电站真实的风光特征。因此，第三方的服务器自始至终不会获取到每个风光电站的原始数据，不会出现原始的风光数据在第三方的服务器被泄露的问题。
91.s330、将解密融合特征发送至目标风光电站本地的客户端，其中，目标风光电站本地的客户端用于基于解密融合特征和目标风光电站对应的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，并且，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。
92.在本实施例中，第三方的服务器将解密融合特征发送至目标风光电站本地的客户端之后，目标风光电站本地的客户端结合能够表征风光电站之间的出力相关关系的解密融合特征以及目标风光电站的风光特征进行发电功率预测，得到目标风光电站本地的预测功率。同理，关联风光电站本地的客户端结合能够表征风光电站之间的出力相关关系的解密融合特征以及关联风光电站的风光特征进行发电功率预测，得到关联风光电站本地的预测功率。
93.具体的，目标风光电站本地的客户端可以利用预设解码器对解密融合特征和目标风光电站对应的风光特征进行解码处理，得到解码数据，并将解码数据作为目标风光电站对应的预测功率。同理，关联风光电站本地的客户端可以利用预设解码器对解密融合特征和关联风光电站对应的风光特征进行解码处理，得到解码数据，并将解码数据作为关联风光电站对应的预测功率。
94.进一步的，关联风光电站分别将其本地的预测功率发送至目标风光电站本地的客户端，由目标风光电站本地的客户端将所有发电功率相加，得到待预测区域的区域发电功率，或者，目标风光电站本地的客户端和关联风光电站本地的客户端，分别将其对应的发电功率发送至第三方的服务器，由第三方的服务器将所有发电功率相加，得到待预测区域的区域发电功率。
95.由此，能够融合多个风光电站的风光特征进行区域发电功率预测，避免出现数据孤岛问题。
96.本公开实施例的一种区域发电功率预测方法，所述方法包括：获取目标风光电站和关联风光电站的密文加和特征，其中，目标风光电站和关联风光电站均为待预测区域内的发电站，密文加和特征基于目标风光电站的密文特征和关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到；生成密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处理，生成待预测区域的解密融合特征；将解密融合特征发送至目标风光电站本地的客户端，其中，目标风光电站本地的客户端用于基于解密融合特征和目标风光电站对应的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，并且，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。由此，能够在风光电站本地的客户端生成原始的风光数据对应的密文特征，并融合多个风光电站的密文特征，以及在第三方的服务器融合解密加和特征，进行区域发电功率预测避免出现数据孤岛问题。并且，风光电站原始的风光数据只能由本地的客户端获取并加密成密文特征，服务器只获取密文加和特征而无法得知风光电站原始的风光数据，使得第三方的服务器不会出现风光数据泄露的问题，提高了风光电站原始的风
光数据的安全性。
97.在本公开又一种实施方式中，提供了一种区域发电功率预测方法。并结合图4所示的区域发电功率预测方法的逻辑示意图具体的解释。图4中的第三方服务器对应待预测区域，并且，待预测区域包括风光电站1、风光电站2和风光电站3(图中未示出)，其中，风光电站3是目标风光电站，并且，风光电站1和风光电站2是关联风光电站，并且，客户端1对应风光电站1，客户端2对应风光电2，客户端3对应风光电站3。
98.如图4所示，该区域发电功率预测方法包括如下步骤：
99.s1、客户端1获取风光电站1的风光数据，客户端2获取风光电站2的风光数据，客户端3获取风光电站3的风光数据；
100.s2、客户端1中的预设编码器对风光数据进行特征提取，得到风光特征，同理，客户端2中的预设编码器对风光数据进行特征提取，得到风光特征，同理，客户端3中的预设编码器对风光数据进行特征提取，得到风光特征；
101.s3、客户端1中的加密模块对风光特征进行加密处理，得到风光电站1的密文特征，同理，客户端2中的加密模块对风光特征进行加密处理，得到风光电站2的密文特征，同理，客户端3中的加密模块对风光特征进行加密处理，得到风光电站3的密文特征；
102.s4、客户端1中的加和模块对风光电站1的密文特征进行加和，生成风光电站1的密文加和特征，并且，客户端2中的加和模块对风光电站2的密文特征以及风光电站1的密文特征进行加和，生成风光电站1和风光电站2的密文加和特征，并且，客户端3中的加和模块对风光电站3的密文特征、风光电站2的密文特征以及风光电站1的密文特征进行加和，生成风光电站1、风光电站2以及风光电站3的密文加和特征；
103.s5、风光电站3将得到的密文加和特征发送至第三方的服务器；
104.s6、第三方的服务器对接收到的密文加和特征进行解密，生成解密加和特征，并利用预设融合模型对解密加和特征进行融合处理，生成待预测区域的解密融合特征；
105.s7、第三方的服务器将解密融合特征分别发送至客户端1、客户端2、和客户端3；
106.s8、客户端1中的预设解码器基于解密融合特征和风光电站1的风光特征进行发电功率预测，得到风光电站1的发电功率，并且，客户端2中的预设解码器基于解密融合特征和风光电站2的风光特征进行发电功率预测，得到风光电站2的发电功率，并且，客户端3中的预设解码器基于解密融合特征和风光电站3的风光特征进行发电功率预测，得到风光电站3的发电功率，其中，风光电站1的发电功率、风光电站2的发电功率、风光电站3的发电功率，用于相加得到待预测区域的区域发电功率。
107.本公开实施例还提供了一种用于实现上述的区域发电功率预测方法的区域发电功率预测装置，下面结合图5进行说明。在本公开实施例中，该区域发电功率预测装置可以配置于待预测区域中目标风光电站对应的客户端。其中，客户端可以理解为风光电站本地的客户端。
108.图5示出了本公开实施例提供的一种区域发电功率预测装置的结构示意图。
109.如图5所示，区域发电功率预测装置500可以包括：
110.第一获取模块510，用于对目标风光电站的风光数据进行特征提取，得到风光特征，其中，所述目标风光电站为待预测区域内的发电站，并且，所述待预测区域还包括与所述目标风光电站出力相关的至少一个关联风光电站；
111.第一生成模块520，用于对所述风光特征进行加密处理，生成所述目标风光电站的密文特征；
112.第二生成模块530，用于基于所述目标风光电站的密文特征，以及所述关联风光电站的密文特征，生成所述目标风光电站以及所述关联风光电站的密文加和特征，并将所述密文加和特征发送至所述待预测区域对应的服务器，其中，所述服务器用于生成所述密文加和特征对应的解密融合特征；
113.第二获取模块540，用于基于所述服务器返回的所述解密融合特征和所述目标风光电站的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，其中，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
114.本公开实施例的一种区域发电功率预测装置，该装置包括：对目标风光电站的风光数据进行特征提取，得到风光特征，其中，目标风光电站为待预测区域内的发电站，并且，待预测区域还包括与目标风光电站出力相关的至少一个关联风光电站；对风光特征进行加密处理，生成目标风光电站的密文特征；基于目标风光电站的密文特征，以及关联风光电站的密文特征，生成目标风光电站以及关联风光电站的密文加和特征，并将密文加和特征发送至待预测区域对应的服务器，其中，服务器用于生成密文加和特征对应的解密融合特征；基于服务器返回的解密融合特征和目标风光电站的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，其中，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。由此，能够在风光电站本地的客户端生成原始的风光数据对应的密文特征，并融合多个风光电站的密文特征进行区域发电功率预测，避免出现数据孤岛问题，并且，风光电站原始的风光数据只能由本地的客户端获取并加密成密文特征，服务器只获取密文加和特征而无法得知风光电站原始的风光数据，使得第三方的服务器不会出现风光数据泄露的问题，提高了风光电站原始的风光数据的安全性。
115.在本公开一些实施例中，第一获取模块510具体用于，利用预设编码器对所述风光数据进行编码处理，得到编码特征，并将所述编码特征作为所述目标风光电站的风光特征。
116.在本公开一些实施例中，第一生成模块520具体用于，利用加密随机数对所述风光特征所包含的明文信息进行加密处理，得到所述目标风光电站的密文特征。
117.在本公开一些实施例中，第二生成模块530具体用于，对所述目标风光电站的密文特征以及所述关联风光电站的密文特征进行同态相加计算，得到所述密文加和特征。
118.在本公开一些实施例中，第二获取模块540具体用于，利用预设解码器对所述解密融合特征和所述目标风光电站对应的风光特征进行解码处理，得到解码数据，并将所述解码数据作为所述目标风光电站对应的预测功率。
119.需要说明的是，图5所示的区域发电功率预测装置500可以执行图2所示的方法实施例中的各个步骤，并且实现图2所示的方法实施例中的各个过程和效果，在此不做赘述。
120.本公开实施例还提供了一种用于实现上述的区域发电功率预测方法的区域发电功率预测装置，下面结合图6进行说明。在本公开实施例中，该区域发电功率预测装置可以配置于待预测区域对应的第三方的服务器。
121.图6示出了本公开实施例提供的另一种区域发电功率预测装置的结构示意图。
122.如图6所示，区域发电功率预测装置600可以包括：
123.第三获取模块610，用于获取目标风光电站和关联风光电站的密文加和特征，其中，所述目标风光电站和所述关联风光电站均为待预测区域内的发电站，所述密文加和特征基于所述目标风光电站的密文特征和所述关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到；
124.第三生成模块620，用于生成所述密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处理，生成所述待预测区域的解密融合特征；
125.发送模块630，用于将所述解密融合特征发送至所述目标风光电站对应的客户端，其中，所述目标风光电站对应的客户端用于基于所述解密融合特征和所述目标风光电站对应的风光特征进行发电功率预测，确定所述目标风光电站对应的预测功率，并且，所述目标风光电站对应的预测功率以及所述关联风光电站对应的预测功率，用于相加得到所述待预测区域的区域发电功率。
126.本公开实施例的一种区域发电功率预测装置，装置方法包括：获取目标风光电站和关联风光电站的密文加和特征，其中，目标风光电站和关联风光电站均为待预测区域内的发电站，密文加和特征基于目标风光电站的密文特征和关联风光电站的密文特征生成，并且，每个风光电站的密文特征基于其对应的风光特征生成，每个风光电站的风光特征通过对其对应的风光数据进行特征提取得到；生成密文加和特征对应的解密加和特征，以及对解密加和特征进行融合处理，生成待预测区域的解密融合特征；将解密融合特征发送至目标风光电站本地的客户端，其中，目标风光电站本地的客户端用于基于解密融合特征和目标风光电站对应的风光特征进行发电功率预测，确定目标风光电站对应的预测功率，并且，目标风光电站对应的预测功率以及关联风光电站对应的预测功率，用于相加得到待预测区域的区域发电功率。由此，能够在风光电站本地的客户端生成原始的风光数据对应的密文特征，并融合多个风光电站的密文特征，以及在第三方的服务器融合解密加和特征，进行区域发电功率预测避免出现数据孤岛问题。并且，风光电站原始的风光数据只能由本地的客户端获取并加密成密文特征，服务器只获取密文加和特征而无法得知风光电站原始的风光数据，使得第三方的服务器不会出现风光数据泄露的问题，提高了风光电站原始的风光数据的安全性。
127.在本公开一些实施例中，第三生成模块620具体用于，利用解密随机数对所述密文加和特征解密成明文信息，得到包含所述明文信息的解密加和特征。
128.在本公开一些实施例中，第三生成模块620具体用于，基于所述解密加和特征和所述待预测区域中风光电站的数量，确定解密加和特征的平均值；
129.利用预设融合模型对所述解密加和特征的平均值进行融合处理，得到所述解密融合特征。
130.需要说明的是，图6所示的区域发电功率预测装置600可以执行图3所示的方法实施例中的各个步骤，并且实现图3所示的方法实施例中的各个过程和效果，在此不做赘述。
131.图7示出了本公开实施例提供的一种电子设备的结构示意图。
132.如图7所示，该电子设备可以包括处理器701以及存储有计算机程序指令的存储器702。
133.具体地，上述处理器701可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
134.存储器702可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储器702可以包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器702可在综合网关设备的内部或外部。在特定实施例中，存储器702是非易失性固态存储器。在特定实施例中，存储器702包括只读存储器(read-only memory，rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmable rom，prom)、可擦除prom(electrical programmable rom，eprom)、电可擦除prom(electrically erasable programmable rom，eeprom)、电可改写rom(electrically alterable rom，earom)或闪存，或者两个或及其以上这些的组合。
135.处理器701通过读取并执行存储器702中存储的计算机程序指令，以执行本公开实施例所提供的区域发电功率预测方法的步骤。
136.在一个示例中，该电子设备还可包括收发器703和总线704。其中，如图7所示，处理器701、存储器702和收发器703通过总线704连接并完成相互间的通信。
137.总线704包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(accelerated graphics port，agp)或其他图形总线、增强工业标准架构(extended industry standard architecture，eisa)总线、前端总线(front side bus，fsb)、超传输(hyper transport，ht)互连、工业标准架构(industrial standard architecture，isa)总线、无限带宽互连、低引脚数(low pin count，lpc)总线、存储器总线、微信道架构(micro channel architecture，mca)总线、外围控件互连(peripheral component interconnect，pci)总线、pci-express(pci-x)总线、串行高级技术附件(serial advanced technology attachment，sata)总线、视频电子标准协会局部(video electronics standards association local bus，vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线704可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
138.以下是本公开实施例提供的计算机可读存储介质的实施例，该计算机可读存储介质与上述各实施例的区域发电功率预测方法属于同一个发明构思，在计算机可读存储介质的实施例中未详尽描述的细节内容，可以参考上述区域发电功率预测方法的实施例。
139.本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种区域发电功率预测方法。
140.当然，本公开实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本公开任意实施例所提供的区域发电功率预测方法中的相关操作。
141.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本公开可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的
部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机云平台(可以是个人计算机，服务器，或者网络云平台等)执行本公开各个实施例所提供的区域发电功率预测方法。
142.注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。