国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      分布式光伏的負(fù)荷數(shù)據(jù)確定方法及裝置、存儲(chǔ)介質(zhì)、終端與流程

      文檔序號:40271127發(fā)布日期:2024-12-11 13:05閱讀:17來源:國知局
      分布式光伏的負(fù)荷數(shù)據(jù)確定方法及裝置、存儲(chǔ)介質(zhì)、終端與流程

      本發(fā)明涉及光伏,特別是涉及一種分布式光伏的負(fù)荷數(shù)據(jù)確定方法及裝置、存儲(chǔ)介質(zhì)、終端。


      背景技術(shù):

      1、隨著新能源技術(shù)的迅速發(fā)展,新能源電力已成為電網(wǎng)的重要能源形式。其中光伏發(fā)展尤為迅猛,其清潔能源的特性與可持續(xù)發(fā)展的理念高度契合,正逐漸成為能源結(jié)構(gòu)轉(zhuǎn)型的關(guān)鍵力量。特別是隨著分布式光伏的迅猛增長,精確的分布式光伏的負(fù)荷數(shù)據(jù)確定顯得尤為重要。相關(guān)技術(shù)中,負(fù)荷數(shù)據(jù)基于現(xiàn)有光伏總量進(jìn)行推算,對于迅速膨脹的光伏增長缺乏預(yù)見性,難以準(zhǔn)確預(yù)測未來光伏電站的出力情況,隨著并網(wǎng)規(guī)模的擴(kuò)大,準(zhǔn)確率逐漸降低,影響電網(wǎng)的安全穩(wěn)定運(yùn)行。

      2、如何在光伏迅速膨脹的情況下,仍然可以準(zhǔn)確確定分布式光伏的負(fù)荷數(shù)據(jù),成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。


      技術(shù)實(shí)現(xiàn)思路

      1、有鑒于此,本發(fā)明提供一種分布式光伏的負(fù)荷數(shù)據(jù)確定方法及裝置、存儲(chǔ)介質(zhì)、終端,該方法中第一并網(wǎng)容量和第一負(fù)荷數(shù)據(jù)短期內(nèi)呈現(xiàn)類似線性關(guān)系,但是長期不是純線性關(guān)系,受到設(shè)備等其他因素影響,隨著第一并網(wǎng)容量的增大,預(yù)測模型必然會(huì)出現(xiàn)偏差,用q-learning強(qiáng)化學(xué)習(xí)算法來動(dòng)態(tài)調(diào)整第一并網(wǎng)容量,當(dāng)?shù)谝回?fù)荷數(shù)據(jù)偏移時(shí)及時(shí)的將其調(diào)整回來,避免后期發(fā)生更大偏移,在持續(xù)的調(diào)節(jié)中,預(yù)設(shè)模型可以一直保持一個(gè)相對較高的預(yù)測準(zhǔn)確率。

      2、依據(jù)本發(fā)明一個(gè)方面,提供了一種分布式光伏的負(fù)荷數(shù)據(jù)確定方法,包括:

      3、獲取第一并網(wǎng)容量、第一天氣數(shù)據(jù)和并網(wǎng)容量變量,所述并網(wǎng)容量變量為基于歷史數(shù)據(jù)利用q-learning強(qiáng)化學(xué)習(xí)算法確定的;

      4、利用所述并網(wǎng)容量變量,調(diào)整所述第一并網(wǎng)容量;

      5、將所述第一天氣數(shù)據(jù)和調(diào)整后的第一并網(wǎng)容量,輸入預(yù)設(shè)模型,以輸出第一負(fù)荷數(shù)據(jù)。

      6、在一些實(shí)施例中,所述并網(wǎng)容量變量的確定過程包括:

      7、獲取歷史數(shù)據(jù)集,所述歷史數(shù)據(jù)集包括前n天中每天的歷史數(shù)據(jù),所述歷史數(shù)據(jù)包括第二天氣數(shù)據(jù)、第二負(fù)荷數(shù)據(jù)和第二并網(wǎng)容量;

      8、基于所述歷史數(shù)據(jù)集,根據(jù)q-learning強(qiáng)化學(xué)習(xí)算法,確定并網(wǎng)容量變量。

      9、在一些實(shí)施例中,所述基于所述歷史數(shù)據(jù)集,根據(jù)q-learning強(qiáng)化學(xué)習(xí)算法,確定并網(wǎng)容量變量的步驟包括:

      10、根據(jù)歷史數(shù)據(jù)中的第二并網(wǎng)容量,確定并網(wǎng)容量增量范圍;

      11、將所述并網(wǎng)容量增量范圍分解成間隔為預(yù)設(shè)動(dòng)作的多個(gè)狀態(tài),確定多個(gè)狀態(tài)之間的動(dòng)作;

      12、根據(jù)所述狀態(tài),形成q-learning算法的q表,其中所述q表中的行和列均代表狀態(tài),行代表的狀態(tài)為行狀態(tài),列代表的狀態(tài)為列狀態(tài),q表中位于行和列的交叉點(diǎn)上的值為q值,所述q值代表從行狀態(tài)變換為列狀態(tài)的動(dòng)作的權(quán)重;

      13、將所述q表中的q值初始化為0;

      14、在所述q表中行狀態(tài)為0時(shí)對應(yīng)的所有列狀態(tài)中隨機(jī)選擇一個(gè)列狀態(tài);

      15、確定從所述行狀態(tài)變換為選擇的列狀態(tài)的目標(biāo)動(dòng)作,根據(jù)所述目標(biāo)動(dòng)作變更所述歷史數(shù)據(jù)中的第二并網(wǎng)容量;

      16、將包括變更后的第二并網(wǎng)容量數(shù)據(jù)的歷史數(shù)據(jù),輸入到所述預(yù)設(shè)模型中,以得到第三負(fù)荷數(shù)據(jù);根據(jù)所述第二負(fù)荷數(shù)據(jù)和第三負(fù)荷數(shù)據(jù),計(jì)算損失函數(shù)的結(jié)果;

      17、根據(jù)所述損失函數(shù)的結(jié)果,計(jì)算獎(jiǎng)勵(lì)函數(shù)的結(jié)果;

      18、基于所述獎(jiǎng)勵(lì)函數(shù)的結(jié)果,根據(jù)貝爾曼方程求解q值,并更新q表;

      19、判斷所述獎(jiǎng)勵(lì)函數(shù)的結(jié)果是否在預(yù)設(shè)收斂范圍內(nèi),以及判斷更新q表的更新次數(shù)是否超出預(yù)設(shè)次數(shù);

      20、如果所述獎(jiǎng)勵(lì)函數(shù)的結(jié)果在預(yù)設(shè)收斂范圍內(nèi)或更新次數(shù)超出預(yù)設(shè)次數(shù),則確定最后一次求解的q值對應(yīng)的目標(biāo)動(dòng)作為并網(wǎng)容量變量。

      21、如果所述獎(jiǎng)勵(lì)函數(shù)的結(jié)果不在預(yù)設(shè)收斂范圍內(nèi)且更新次數(shù)未超出預(yù)設(shè)值,則基于上一次選擇的行狀態(tài)執(zhí)行上一次確定的目標(biāo)動(dòng)作,確定本次行狀態(tài);在所述本次行狀態(tài)對應(yīng)的所有列狀態(tài)中選擇最大q值對應(yīng)的列狀態(tài);確定所述本次行狀態(tài)轉(zhuǎn)換為與最大q值對應(yīng)的列狀態(tài)的本次目標(biāo)動(dòng)作,將本次目標(biāo)動(dòng)作替換目標(biāo)動(dòng)作,重新執(zhí)行所述變更所述歷史數(shù)據(jù)中的第二并網(wǎng)容量,直至所述獎(jiǎng)勵(lì)函數(shù)的結(jié)果在預(yù)設(shè)收斂范圍內(nèi)或更新次數(shù)超出預(yù)設(shè)次數(shù),確定最后一次求解的q值對應(yīng)的目標(biāo)動(dòng)作為并網(wǎng)容量變量。

      22、在一些實(shí)施例中,所述預(yù)設(shè)模型的確定過程包括:

      23、利用第一樣本集訓(xùn)練得到預(yù)設(shè)模型,所述第一樣本集為經(jīng)過調(diào)整后的第二樣本集,所述第二樣本集包括多個(gè)第二樣本,所述第二樣本包括第三并網(wǎng)容量、第三天氣數(shù)據(jù)和第四負(fù)荷數(shù)據(jù),所述第三天氣數(shù)據(jù)包括多個(gè)天氣類型;所述第二樣本集的調(diào)整過程包括根據(jù)所有第二樣本中的第三天氣數(shù)據(jù)的天氣類型和第四負(fù)荷數(shù)據(jù)計(jì)算的相關(guān)性,調(diào)整第二樣本中的第三天氣數(shù)據(jù)中的天氣類型,得到調(diào)整后的第二樣本集;所述調(diào)整后的第二樣本集中第三天氣數(shù)據(jù)和第一天氣數(shù)據(jù)中的天氣類型相同。

      24、在一些實(shí)施例中,所述第二樣本集的調(diào)整過程的具體步驟包括:

      25、根據(jù)所有第二樣本中的第三天氣數(shù)據(jù)的天氣類型和第四負(fù)荷數(shù)據(jù),計(jì)算天氣類型和負(fù)荷數(shù)據(jù)之間的第一相關(guān)性;

      26、將所述第一相關(guān)性低于第一目標(biāo)相關(guān)性的天氣類型,從所述第二樣本的所述第三天氣數(shù)據(jù)中刪除,更新所述第三天氣數(shù)據(jù);

      27、將更新后的所述第三天氣數(shù)據(jù)中的任意兩個(gè)天氣類型作為一組天氣類型組,并計(jì)算每組天氣類型組中的兩個(gè)天氣類型之間的第二相關(guān)性;

      28、如果所述第三天氣數(shù)據(jù)中所述第二相關(guān)性高于第二目標(biāo)相關(guān)性的天氣類型組的兩個(gè)天氣類型,與負(fù)荷數(shù)據(jù)之間的第一相關(guān)性均位于同一個(gè)預(yù)設(shè)相關(guān)性范圍內(nèi),則去除所述天氣類型組中的其中一個(gè)天氣類型;

      29、如果所述第三天氣數(shù)據(jù)中所述第二相關(guān)性高于第二目標(biāo)相關(guān)性的天氣類型組的兩個(gè)天氣類型,與負(fù)荷數(shù)據(jù)之間的第一相關(guān)性位于不同的預(yù)設(shè)相關(guān)性范圍內(nèi),則保留所述天氣類型組中的兩個(gè)天氣類型;

      30、將當(dāng)前的所述第二樣本組成的第二樣本集,確定為調(diào)整后的第二樣本集。

      31、在一些實(shí)施例中,所述第二樣本集的確定過程包括:

      32、獲取第三樣本集,所述第三樣本集包括多個(gè)第三樣本,所述第三樣本包括第五負(fù)荷數(shù)據(jù)、第四并網(wǎng)容量和第四天氣數(shù)據(jù),所述第四天氣數(shù)據(jù)包括天氣描述;

      33、統(tǒng)計(jì)所述第四天氣數(shù)據(jù)中每種天氣描述的出現(xiàn)次數(shù),并根據(jù)所述出現(xiàn)次數(shù)小于預(yù)設(shè)次數(shù)的天氣描述,確定極端天氣描述;

      34、獲取周邊地區(qū)包括極端天氣描述的第五天氣數(shù)據(jù);

      35、確定與所述第五天氣數(shù)據(jù)處于同一天的第四并網(wǎng)容量,以及與所述第五天氣數(shù)據(jù)處于同一天的周邊地區(qū)的周邊并網(wǎng)容量;

      36、計(jì)算所述第四并網(wǎng)容量和周邊并網(wǎng)容量的比值;

      37、根據(jù)所述比值,放縮與所述第五天氣數(shù)據(jù)處于同一天的周邊地區(qū)的周邊負(fù)荷數(shù)據(jù);

      38、將放縮后的周邊負(fù)荷數(shù)據(jù)、第四并網(wǎng)容量和第五天氣數(shù)據(jù),確定為擴(kuò)充樣本;

      39、將所述擴(kuò)充樣本作為一個(gè)第三樣本加入到所述第三樣本集中,并將當(dāng)前的第三樣本集確定為第二樣本集。

      40、在一些實(shí)施例中,在將當(dāng)前的第三樣本集確定為第二樣本集的步驟之前,還包括:

      41、對當(dāng)前的第三樣本集進(jìn)行歸一化處理和異常值處理,更新當(dāng)前的第三樣本集。

      42、依據(jù)本發(fā)明另一個(gè)方面,提供了一種分布式光伏的負(fù)荷數(shù)據(jù)確定裝置,包括:

      43、獲取單元,用于獲取第一并網(wǎng)容量、第一天氣數(shù)據(jù)和并網(wǎng)容量變量,所述并網(wǎng)容量變量為基于歷史數(shù)據(jù)利用q-learning強(qiáng)化學(xué)習(xí)算法確定的;

      44、輸入單元,用于將所述第一天氣數(shù)據(jù)和調(diào)整后的第一并網(wǎng)容量,輸入預(yù)設(shè)模型,以輸出第一負(fù)荷數(shù)據(jù)

      45、依據(jù)本發(fā)明又一個(gè)方面,提供了一種存儲(chǔ)介質(zhì),所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一個(gè)可執(zhí)行指令,所述可執(zhí)行指令使處理器執(zhí)行如所述的分布式光伏的負(fù)荷數(shù)據(jù)確定方法。

      46、依據(jù)本發(fā)明又一個(gè)方面,提供了一種終端,包括:處理器、存儲(chǔ)器、通信接口和通信總線,所述處理器、所述存儲(chǔ)器和所述通信接口通過所述通信總線完成相互間的通信;

      47、所述存儲(chǔ)器用于存放至少一個(gè)可執(zhí)行指令,所述可執(zhí)行指令使所述處理器執(zhí)行如所述的分布式光伏的負(fù)荷數(shù)據(jù)確定方法。

      48、本發(fā)明提供了一種分布式光伏的負(fù)荷數(shù)據(jù)確定方法及裝置、存儲(chǔ)介質(zhì)、終端,該方法中第一并網(wǎng)容量和第一負(fù)荷數(shù)據(jù)短期內(nèi)呈現(xiàn)類似線性關(guān)系,但是長期不是純線性關(guān)系,受到設(shè)備等其他因素影響,隨著第一并網(wǎng)容量的增大,預(yù)測模型必然會(huì)出現(xiàn)偏差,用q-learning強(qiáng)化學(xué)習(xí)算法來動(dòng)態(tài)調(diào)整第一并網(wǎng)容量,當(dāng)?shù)谝回?fù)荷數(shù)據(jù)偏移時(shí)及時(shí)的將其調(diào)整回來,避免后期發(fā)生更大偏移,在持續(xù)的調(diào)節(jié)中,預(yù)設(shè)模型可以一直保持一個(gè)相對較高的預(yù)測準(zhǔn)確率。

      49、上述說明僅是本發(fā)明技術(shù)方案的概述,為了能夠更清楚了解本發(fā)明的技術(shù)手段,而可依照說明書的內(nèi)容予以實(shí)施,并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂,以下特舉本發(fā)明的具體實(shí)施方式。

      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會(huì)獲得點(diǎn)贊!
      1