一种融合5G短共享的虚拟电厂负荷数据预测方法与流程

本发明一般地涉及电力系统负荷预测领域。更具体地，本发明涉及一种融合5g短共享的虚拟电厂负荷数据预测方法。

背景技术：

1、近年来，5g电力交易专网引入和使用5g短共享技术，5g短共享技术具有以下优点：能够提供极低的通信延迟，5g网络的大容量和高带宽能够应对虚拟电厂系统中庞大的数据量，并且5g短共享技术可以为虚拟电厂数据预测创建定制的通信网络。

2、虚拟电厂是一个电力系统管理和能源市场中的概念，它指的是将多个分布式能源资源整合在一起，通过智能化的控制系统协同运行，以提供灵活、高效、可持续的电力服务。在电力系统中，负荷预测与调度是电力能源交易中非常重要的一项工作，它涉及到对未来负荷进行准确预测，并制定相应的发电计划和电力交易方案，以保持电力系统的平衡和稳定运行。负荷预测是通过分析历史负荷数据、天气数据、经济指标等多个因素，使用统计学方法、机器学习算法或混合模型等技术手段，对未来一段时间内的负荷进行预测。预测的精确性对于合理安排发电计划和输电调度至关重要。

3、公开号为cn116822376a的专利申请文件公开了基于改进sma-gru短期电力负荷预测方法及系统，该方法基于gru模型结合注意力机制和sma方法对电力的负荷进行预测，对电力负荷数据本身存在的趋势性和波动性研究不足，模型没有很好的考虑到电力负荷自身的特征。

技术实现思路

1、为解决上述一个或多个技术问题，本发明提出获得历史负荷数据集的加法模型；对历史长期波动曲线、历史季节性波动曲线、历史随机波动曲线进行预测；获得历史波段的波动特征；获得未来时段波段的波动特征并计算未来时段波段内未来目标时刻的循环波动曲线；基于未来目标时刻的长期波动曲线、季节性波动曲线、随机波动曲线和循环波动曲线计算未来时段波段内未来目标时刻的电力系统负荷值，完成对虚拟电厂负荷数据的预测。为此，本发明在如下的多个方面中提供方案。

2、在一个实施例中，包括步骤：通过5g短共享技术获取虚拟电厂的历史负荷数据，并构建历史负荷数据集；使用效应分解法对所述历史负荷数据集进行分解，以获得历史负荷数据的历史长期波动曲线、历史季节性波动曲线、历史随机波动曲线和历史循环波动曲线；分别对所述历史长期波动曲线、所述历史季节性波动曲线和所述历史随机波动曲线进行预测，获得未来目标时刻的长期波动曲线值、季节性波动曲线值和随机波动曲线值；将所述历史循环波动曲线划分为不同的历史波段，获得所述历史波段的波动特征，所述波动特征包括第一波动幅度、第二波动幅度、波段长度；将所述历史波段的波动特征输入到预先训练好的预测网络模型中获得未来时段波段的波动特征；基于相关度对所述历史波段进行聚类，获得多个聚类簇，所述相关度满足关系式：

3、

4、其中，表示两个历史波段之间的相关度，表示第个历史波段的波动特征，表示第个历史波段的波动特征，表示欧氏距离的重要性，表示余弦距离的重要性。

5、分别计算聚类簇中各波动特征的平均值以获取聚类簇的中心；匹配所述未来时段波段的波动特征和所述聚类簇的中心，确定所述未来时段波段归属的目标聚类簇，进而计算所述未来时段波段内所述未来目标时刻的循环波动曲线值；基于所述未来时段波段内所述未来目标时刻的长期波动曲线值、季节性波动曲线值、随机波动曲线值和循环波动曲线值计算所述未来时段波段内所述未来目标时刻的电力系统负荷值，完成对虚拟电厂负荷数据的预测。

6、在一个实施例中，对所述历史负荷数据集使用效应分解法分解数据集包括：使用效应分解法对所述历史负荷数据集进行分解包括：使用效应分解法中的加法模型对所述历史负荷数据集进行分解，所述加法模型满足关系式：

7、

8、其中，表示时刻的历史负荷数据，表示历史负荷数据时刻的长期波动曲线值，表示历史负荷数据时刻的季节性波动曲线值，表示历史负荷数据时刻的循环波动曲线值，表示历史负荷数据时刻的随机波动曲线值。

9、在一个实施例中，分别对所述历史长期波动曲线、所述历史季节性波动曲线和所述历史随机波动曲线进行预测包括：使用回归分析对历史长期波动曲线进行预测；对所述历史季节性波动曲线使用周期函数进行拟合并预测；随机波动曲线为白噪声序列，利用计算机生成预测。

10、在一个实施例中，将所述历史循环波动曲线划分为不同的波段包括：根据波动周期的不同，按照波峰-波谷-波峰为一个波段对历史循环波动曲线进行划分。

11、在一个实施例中，将所述历史循环波动曲线划分为不同的波段还包括：按照波谷-波峰-波谷为一个波段对历史循环波动曲线进行划分。

12、在一个实施例中，所述分别计算聚类簇中波动特征的平均值作为聚类簇的中心包括：计算聚类簇中第一波动幅度的均值；计算聚类簇中第二波动幅度的均值；计算聚类簇中波段长度的均值；将作为聚类簇的中心坐标。

13、在一个实施例中，所述未来时段波段内所述未来目标时刻的循环波动曲线值满足关系式：

14、

15、其中，为未来时段波段内时刻的循环波动曲线值，表示目标聚类簇中第个波段的第一波动幅度，表示目标聚类簇中第个波段的第二波动幅度，表示目标聚类簇中第个波段的波段长度，表示目标聚类簇中第个波段时刻的循环波动曲线值，表示目标聚类簇中包含的波段总数，表示未来时段波段的第一波动幅度，表示未来时段波段的第二波动幅度，表示未来时段波段的波段长度。

16、在一个实施例中，所述未来时段波段内所述未来目标时刻的电力系统负荷值满足关系式：

17、

18、其中，表示未来时段波段内未来目标时刻的电力系统负荷值，表示未来时段波段内未来目标时刻的长期波动曲线值，表示未来时段波段内未来目标时刻的季节性波动曲线值，表示未来时段波段内未来目标时刻的循环波动曲线值，表示未来时段波段内未来目标时刻的随机波动曲线值。

19、本发明具有如下的有益效果：

20、能够根据对历史负荷数据的分解获得历史长期波动曲线、历史季节性波动曲线、历史随机波动曲线和历史循环波动曲线，并分别采用不同的预测方法预测未来的长期波动曲线、季节性波动曲线、随机波动曲线和循环波动曲线，接着对同一时刻的四个曲线值求得瞬时的电力负荷值，保证四条曲线不被去除特征，提高了电力系统负荷的预测准确度。

技术特征：

1.一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，使用效应分解法对所述历史负荷数据集进行分解包括：

3.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，分别对所述历史长期波动曲线、所述历史季节性波动曲线和所述历史随机波动曲线进行预测包括：

4.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，将所述历史循环波动曲线划分为不同的波段包括：根据波动周期的不同，按照波峰-波谷-波峰为一个波段对历史循环波动曲线进行划分。

5.根据权利要求4所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，将所述历史循环波动曲线划分为不同的波段还包括：按照波谷-波峰-波谷为一个波段对历史循环波动曲线进行划分。

6.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，所述分别计算聚类簇中波动特征的平均值作为聚类簇的中心包括：

7.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，所述未来时段波段内所述未来目标时刻的循环波动曲线值满足关系式：

8.根据权利要求1所述的一种融合5g短共享的虚拟电厂负荷数据预测方法，其特征在于，所述未来时段波段内所述未来目标时刻的电力系统负荷值满足关系式：

技术总结
本发明涉及电力系统负荷预测领域，更具体地，本发明涉及一种融合5G短共享的虚拟电厂负荷数据预测方法。所述方法包括：获得历史负荷数据集的加法模型；对历史长期波动曲线、历史季节性波动曲线、历史随机波动曲线进行预测；获得历史波段的波动特征；获得未来时段波段的波动特征并计算未来时段波段内未来目标时刻的循环波动曲线；基于未来目标时刻的长期波动曲线、季节性波动曲线、随机波动曲线和循环波动曲线计算未来时段波段内未来目标时刻的电力系统负荷值，完成对虚拟电厂负荷数据的预测。通过本发明的技术方案，能够根据历史电力系统负荷值的趋势性和波动性更加准确的预测出未来时间段内的电力负荷值。

技术研发人员：周想凌,吕苏,余飞,罗弦,刘昕,周正,金虎,徐杰,王文帝,唐亚夫,李洋,胡阳,陆涛,罗先南,胡晨,赵婷,曾铮,陈岳,姚庆,文闯,王艳茹,张先飞
受保护的技术使用者：国网湖北省电力有限公司
技术研发日：
技术公布日：2024/1/15