[发明专利]一种源荷组合概率预测方法、装置及存储介质

权利要求书

1.一种源荷组合概率预测方法，其特征在于，包括：

采集源荷历史数据及对应的气象数据；

对所述源荷历史数据及气象数据进行预处理，获得完整可用的数据组合；

将预处理后的数据组合输入至预构建并训练好的多个ConvMT预测模型中，获得多个源荷组合预测结果；

将各源荷组合预测结果与各自对应的权重相乘，并将乘积进行求和运算，获得最终的源荷组合概率预测结果；

其中，所述ConvMT预测模型是采用CNN特征提取模块替换Transformer模型中编码器原有的多头注意力模块后，再采用源荷历史数据及同时间尺度的气象数据训练获取的；所述权重是以Pinball损失函数最小为目标，通过遗传算法进行优化后获取的。

2.根据权利要求1所述的源荷组合概率预测方法，其特征在于，所述ConvMT预测模型的训练方法包括：

依据预设的时间间隔采集多组源荷历史数据及对应的气象数据；

根据所采集的多组源荷历史数据及对应的气象数据构建原始数据集；

对原始数据集进行预处理，获得多组完整可用的包含源荷历史数据及对应的气象数据的数据组合，形成样本集；

按照数据组合的采样时间将所述样本集划分为训练集和测试集，所述测试集中数据组合的采样时间均晚于所述训练集中数据组合的采样时间；

从训练集中选取多组数据组合分别输入至多个ConvMT预测模型中进行训练，获取多个ConvMT预测模型的训练集源荷预测结果；

将测试集中的源荷历史数据作为真实值，将同一时刻的训练集源荷预测结果作为预测值，根据真实值与预测值计算MAPE值；

以MAPE值最小为优化目标对ConvMT预测模型进行参数优化，获取最终训练好的ConvMT预测模型。

3.根据权利要求1或2所述的源荷组合概率预测方法，其特征在于，所述预处理包括：

对源荷历史数据及对应的气象数据进行异常值检测，若存在异常值，则采用邻近正常值代替所述异常值；

对源荷历史数据及对应的气象数据处理异常数据后进行归一化处理，线性变换到(1，2)范围内。

4.根据权利要求2所述的源荷组合概率预测方法，其特征在于，所述原始数据集是采用Bootstrap方法从所采集的源荷历史数据及对应的气象数据中选取多组数据组合而构建的。

5.根据权利要求1所述的源荷组合概率预测方法，其特征在于，所述Pinball损失函数的表达式如下：

式中：为Pinball损失函数值；I为指示函数；α为在预设的分位数下源荷组合概率预测结果的分布函数；y_i,t为负荷的真实值；为所求分位点；当时，即等价为平均绝对误差，所求得的分位点即为中位数；N为样本个数；T为日前预测的输出长度。

6.权利要求5所述的源荷组合概率预测方法，其特征在于，分布函数α的值通过下述方法确定：

(1)α_nMAX+α_nMIN＝1

(2)α_nMAX-α_nMIN＝n％

式中，α_nMAX为nMAX曲线对应的α值，α_nMIN为nMIN曲线对应的α值，n介于0-100之间，n％表示真实值落在nMIN和nMAX曲线之间的概率。

7.根据权利要求1所述的源荷组合概率预测方法，其特征在于，所述源荷历史数据包括电网发电侧的风力发电量和光伏发电量、以及电网负荷侧的用电量；所述气象数据包括与源荷数据相关的温度、湿度、压强、辐照度和风速。

8.根据权利要求1所述的源荷组合概率预测方法，其特征在于，所述CNN特征提取模块为3×3的CNN特征提取模块，相应的，所述ConvMT预测模型的编码器的输入采用13×72的数据矩阵，所述数据矩阵是由以下8种数据组成的13维矩阵：

风电、光伏、负荷、压强、湿度、温度、风速、辐照度。