申请/专利权人：国网浙江宁波市鄞州区供电有限公司;宁波市永能电力产业投资有限公司鄞州电气分公司;国网浙江省电力有限公司宁波供电公司

申请日：2023-10-10

公开（公告）日：2024-04-02

公开（公告）号：CN117040030B

主分类号：H02J3/46

分类号：H02J3/46;H02J3/00;H02J3/14;G06Q10/0635;G06Q10/04;G06Q10/067;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明提供一种新能源消纳能力风险管控方法及系统，涉及电网领域，包括获取新能源系统中风能发电装置对应的第一发电信息，以及太阳能发电装置对应的第二发电信息；通过预设的产能预测模型分别提取所述新能源发电信息的正向特征和反向特征，并根据所述产能预测模型中的自编码器降低所述正向特征和所述反向特征的特征维度，基于所述产能预测模型中的支持向量回归模型对降低维度后的正向特征和反向特征进行特征回归，确定所述新能源系统的预测电能产量；根据所述预测电能产量与所述供电需求的比较关系，通过电力负荷调度算法对所述预测电能产量进行消纳。

主权项：1.一种新能源消纳能力风险管控方法，其特征在于，包括：获取新能源系统中风能发电装置对应的第一发电信息，其中，所述第一发电信息包括风速信息、风向信息以及湍流信息中至少一种，以及太阳能发电装置对应的第二发电信息，其中，所述第二发电信息包括日照信息、温度信息以及天气信息中至少一种，将所述第一发电信息和所述第二发电信息拼接为新能源发电信息，通过预设的产能预测模型分别提取所述新能源发电信息的正向特征和反向特征，并根据所述产能预测模型中的自编码器降低所述正向特征和所述反向特征的特征维度，基于所述产能预测模型中的支持向量回归模型对降低维度后的正向特征和反向特征进行特征回归，确定所述新能源系统的预测电能产量；获取所述新能源系统在目标区域的历史供电需求，选取特定周期内的历史供电需求进行求平均，将平均供电需求作为所述目标区域的供电需求，根据所述预测电能产量与所述供电需求的比较关系，通过电力负荷调度算法对所述预测电能产量进行消纳；通过预设的产能预测模型分别提取所述新能源发电信息的正向特征和反向特征包括：所述产能预测模型包括特征解码模块，所述特征解码模块包括正向时态子模块和反向时态子模块，其中，所述正向时态子模块将所述新能源发电信息通过重置门以及更新门提取第一候选隐藏特征；所述反向时态子模块采用与所述正向时态子模块相反的顺序处理所述新能源发电信息得到第二候选隐藏特征；评估所述第一候选隐藏特征和所述第二候选隐藏特征的特征重要性，以及所述第一候选隐藏特征和所述第二候选隐藏特征的特征关联性，通过自适应权重分配算法分别为所述第一候选隐藏特征和所述第二候选隐藏特征分配对应的第一权重值和第二权重值；融合所述第一候选隐藏特征和所述第一权重值确定正向特征，融合所述第二候选隐藏特征以及所述第二权重值确定反向特征；评估所述第一候选隐藏特征和所述第二候选隐藏特征的特征重要性，以及所述第一候选隐藏特征和所述第二候选隐藏特征的特征关联性，通过自适应权重分配算法分别为所述第一候选隐藏特征和所述第二候选隐藏特征分配对应的第一权重值和第二权重值包括：按照如下公式分别为所述第一候选隐藏特征和所述第二候选隐藏特征分配对应的第一权重值和第二权重值： ； ；其中，Q1、Q2分别表示第一权重值和第二权重值，K表示候选隐藏特征的数量，W1、W2分别表示与第一候选隐藏特征对应的用于全局线性变换操作的第一权重矩阵以及与第二候选隐藏特征对应的用于全局线性变换操作的第二权重矩阵，Hk1、Hk2分别表示第k个第一候选隐藏特征和第k个第二候选隐藏特征，b1、b2分别表示第一偏置参数和第二偏置参数，I1、I2分别表示第一候选隐藏特征的特征重要性和第二候选隐藏特征的特征重要性，T、C分别表示任务需求因子、第一候选隐藏特征和第二候选隐藏特征的特征关联性；所述方法还包括训练所述自编码器：将预先获取的编码训练数据集，输入随机初始化后的待训练自编码器中，其中，待训练的自编码器包括编码器和解码器，所述编码器包括输入层和隐藏层，所述解码器包括隐藏层和输出层；基于待训练自编码器的输出层的输出结果与编码训练数据集的偏差值，在待训练自编码器的损失函数中引入正则化约束和稀疏性约束，通过反向传播算法迭代优化待训练自编码器的损失函数，以使所述偏差值符合预设条件；其中，待训练的自编码器的损失函数如下公式所示： ；其中，LOSS表示损失值，N、M分别表示编码训练数据集样本数量和隐藏层神经元的数量，xi、yi分别表示第i个样本的编码训练数据和第i个样本对应的待训练自编码器的输出层的输出结果，rj表示第j个隐藏神经元对应的隐藏权重，hj表示第j个隐藏神经元的输出，KL表示散度损失函数，pt、pr分别表示理想的稀疏激活概率分布以及实际的激活概率分布；基于所述产能预测模型中的支持向量回归模型对降低维度后的正向特征和反向特征进行特征回归，确定所述新能源系统的预测电能产量包括：将降低维度后的正向特征和反向特征进行均值归一化，得到标准化特征，通过所述支持向量回归模型的核函数将所述标准化特征映射到高维空间；确定映射到高维空间的标准化特征与预设超平面的空间距离，将所述空间距离作为初始预测值；通过所述支持向量回归模型的核函数的逆操作，将所述标准化特征从高维空间映射回所述标准化特征的原始维度空间，并在所述初始预测值中叠加截距项作为预测电能产量。

全文数据：

权利要求：

百度查询： 国网浙江宁波市鄞州区供电有限公司;宁波市永能电力产业投资有限公司鄞州电气分公司;国网浙江省电力有限公司宁波供电公司 新能源消纳能力风险管控方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD