虚拟电厂出力预测方法及系统与流程

本申请涉及电力管理，尤其涉及一种虚拟电厂出力预测方法及系统。

背景技术：

1、随着新型电力系统建设的推进，大量分布式新能源与柔性负荷以虚拟电厂形式聚合接入，其出力预测的精度直接关系到电网功率平衡、新能源消纳水平及电力市场交易收益，是保障虚拟电厂安全经济运行的关键技术。现有技术多采用基于历史数据驱动的时序预测模型，如循环神经网络rnn、长短期记忆网络lstm等，但在实际应用中存在显著缺陷：

2、一方面，传统模型结构复杂、参数量大，算力开销高，难以满足虚拟电厂边缘侧终端低功耗、低时延的轻量化部署需求；另一方面，模型特征提取方式静态固化，对时序特征采用均等权重分配，难以自适应捕捉气象骤变、设备启停及负荷峰谷切换等突发扰动特征，导致预测滞后性明显；加之误差修正手段僵化，多采用固定阈值或单一偏差补偿，无法根据运行工况自适应调整修正策略。

3、综上所述，现有技术难以在保证模型轻量化部署的同时，实现对复杂工况下突变特征的自适应提取与误差动态修正，导致在波动场景下预测精度低、鲁棒性差，无法满足虚拟电厂超短期实时调度的工程应用要求。

技术实现思路

1、本申请提供了一种虚拟电厂出力预测方法及系统，以至少解决现有技术中虚拟电厂出力预测模型静态特征提取能力弱、突变场景误差大、修正机制固化及难以轻量化部署的问题。

2、第一方面，本申请提供了一虚拟电厂出力预测方法，所述方法包括：

3、获取标准化特征数据集，通过对获取的虚拟电厂的多源时序运行数据进行预处理实现，所述多源时序运行数据包括虚拟电厂历史出力数据、数值天气预报数据、电网调度指令数据及市场电价数据；

4、基于精简门控循环单元和时序注意力模块，构建轻量化时序预测模型，所述时序注意力模块嵌入在所述精简门控循环单元后端；

5、将所述标准化特征数据集输入所述轻量化时序预测模型，得到虚拟电厂的初始出力预测结果；

6、根据历史预测误差规律，识别当前虚拟电厂的运行工况；

7、基于所述运行工况，采用差异化修正策略对所述初始出力预测结果进行分层自适应偏差修正，得到虚拟电厂的最优出力预测结果，所述差异化修正策略包括：当所述运行工况处于稳态时，采用历史平均偏差进行固定补偿；当所述运行工况处于突变扰动时，匹配历史误差特征库中的同类误差曲线进行动态拟合修正。

8、通过上述技术方案，利用精简门控循环单元降低模型复杂度，结合时序注意力模块强化关键特征提取，实现了模型的轻量化与高精度预测；同时，通过识别运行工况并匹配差异化的修正策略，有效解决了稳态工况下的系统偏差与突变工况下的随机波动问题，显著提升了虚拟电厂出力预测的准确性与鲁棒性。

9、第二方面，本申请提供了一种虚拟电厂出力预测系统，所述系统包括：

10、数据处理模块，用于获取标准化特征数据集，通过对获取的虚拟电厂的多源时序运行数据进行预处理实现，所述多源时序运行数据包括虚拟电厂历史出力数据、数值天气预报数据、电网调度指令数据及市场电价数据；

11、模型构建模块，用于基于精简门控循环单元和时序注意力模块，构建轻量化时序预测模型，所述时序注意力模块嵌入在所述精简门控循环单元后端；将所述标准化特征数据集输入所述轻量化时序预测模型，得到虚拟电厂的初始出力预测结果；

12、误差修正模块，用于根据历史预测误差规律，识别当前虚拟电厂的运行工况；基于所述运行工况，采用差异化修正策略对所述初始出力预测结果进行分层自适应偏差修正，得到虚拟电厂的最优出力预测结果，所述差异化修正策略包括：当所述运行工况处于稳态时，采用历史平均偏差进行固定补偿；当所述运行工况处于突变扰动时，匹配历史误差特征库中的同类误差曲线进行动态拟合修正。

13、第三方面，本申请提供了一种电子设备，所述电子设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述虚拟电厂出力预测方法所执行的操作。

14、第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现所述虚拟电厂出力预测方法所执行的操作。

15、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任一种虚拟电厂出力预测方法的步骤。

1.一种虚拟电厂出力预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取标准化特征数据集，通过对获取的虚拟电厂的多源时序运行数据进行预处理实现，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于精简门控循环单元和时序注意力模块，构建轻量化时序预测模型，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述轻量化网络结构参数，确定精简门控循环单元的隐藏层维度及堆叠层数，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述标准化特征数据集输入所述轻量化时序预测模型，得到虚拟电厂的初始出力预测结果，包括：

6.根据权利要求1所述的方法，其特征在于，所述根据历史预测误差规律，识别当前虚拟电厂的运行工况，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述历史预测误差序列，确定误差波动幅度之后，还包括：

8.根据权利要求1所述的方法，其特征在于，所述基于所述运行工况，采用差异化修正策略对所述初始出力预测结果进行分层自适应偏差修正，得到虚拟电厂的最优出力预测结果，包括：

9.根据权利要求1所述的方法，其特征在于，所述得到虚拟电厂的最优出力预测结果之后，还包括：

10.一种虚拟电厂出力预测系统，其特征在于，所述系统包括：