一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法

摘要: 本发明属于基于气象图谱的虚拟电厂可调潜力概率区间评估,具体而言,涉及一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法。背景技术:1、虚拟电厂通过聚合分布式风电...
一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法

本发明属于基于气象图谱的虚拟电厂可调潜力概率区间评估,具体而言,涉及一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法。

背景技术:

1、虚拟电厂通过聚合分布式风电、光伏、水电及可调负荷等异质资源参与电网调度,其可调潜力评估是需求响应管理的核心环节。在现有技术中,可调潜力评估通常依赖历史统计方法或基于确定性气象预报的回归模型,将各分布式资源节点的响应能力视为独立估计对象,部分方法引入时间序列模型或浅层神经网络对单节点响应电量进行预测,并以固定分位数作为区间上下界。

2、然而,上述方法在建模气象空间相关性时存在明显缺陷:一方面,现有方法将节点气象特征作为独立输入处理,忽略了分布式资源节点在地理空间上的气象传播耦合关系;另一方面,现有方法采用欧氏距离或固定图结构对节点间关系建模,无法感知气象地理耦合图谱的非欧几何结构,导致气象状态类别划分与物理实际不符,条件分位数估计产生系统性偏差。

3、在当前的虚拟电厂可调潜力概率区间评估中,由于气象空间演化特征的提取与气象状态的拓扑感知聚类相互割裂,归属概率分布向量的计算精度不足,进而使加权融合后的可调潜力概率区间覆盖率偏低、区间边界跳动明显。也就是说,现有技术中存在虚拟电厂可调潜力评估因气象状态识别精度不足而导致概率区间覆盖率低的技术问题。

技术实现思路

1、有鉴于此,本发明提供一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法,能够解决现有技术中存在虚拟电厂可调潜力评估因气象状态识别精度不足而导致概率区间覆盖率低的技术问题。

2、本发明是这样实现的:本发明提供一种基于气象图谱的虚拟电厂可调潜力概率区间评估方法,包括以下步骤:

3、采集虚拟电厂所在区域的历史气象数据、历史需求响应记录及节点运行状态数据,统一时间基准,通过滑动时间窗口构建时间序列样本,完成缺失值填充、异常值剔除及特征标准化处理,划分训练集与测试集;

4、以虚拟电厂聚合的各分布式资源单元为节点,融入标准化气象特征与节点地理坐标,依据节点地理坐标计算节点间球面距离,采用k近邻方法建立初始邻接矩阵,构建气象地理耦合图谱;

5、将气象地理耦合图谱输入时空解耦双流图卷积动态边权注意力融合模型,提取气象空间演化特征,同时基于ricci曲率流聚类算法对气象状态进行拓扑感知聚类,输出各时刻对各气象状态类别的归属概率分布向量;

6、针对各气象状态类别,分别统计训练集中各节点的响应积极性,采用核密度平滑估计计算条件分位数,确定各节点在各气象状态类别下的响应电量上限与响应电量下限,结合归属概率分布向量加权融合,得到各节点可调潜力区间;

7、根据动态边权复杂度评估函数计算图拓扑复杂度感知值,依据图拓扑复杂度感知值所处区间动态调节时空解耦双流图卷积动态边权注意力融合模型的图卷积层深度及动态边权更新频率;

8、将各节点可调潜力建模为随机变量,计算节点间相关性系数,基于方差合成原理聚合全部节点的均值与方差,构建虚拟电厂整体可调潜力概率区间。

9、其中,所述历史气象数据包括气温、降水量、光照强度、风速及云层厚度;所述节点运行状态数据包括发电类型序号、装机容量及历史响应电量记录;所述发电类型序号中风电、水电、光伏分别以正整数序号标识,可调负荷标注为0。

10、其中,所述缺失值填充规则指的是:单特征缺失率小于缺失率阈值时采用前后时刻均值填充,单特征缺失率不小于缺失率阈值时标记对应时段并结合设备运维日志排查;所述异常值剔除采用四分位距判别法,标记低于下界阈值或高于上界阈值的数值并剔除。

11、其中,所述气象地理耦合图谱中节点间球面距离采用haversine公式计算;k近邻方法中k值通过在训练集上以气象状态分类准确率为目标进行5折交叉验证实验确定;不同发电类型序号的节点通过分组特征投影层将原始特征向量映射为等维嵌入向量后输入时空解耦双流图卷积动态边权注意力融合模型。

12、其中,所述时空解耦双流图卷积动态边权注意力融合模型由时间流、空间流及跨流注意力融合层三部分组成;时间流采用带时间位置编码的transformer编码器对单节点时序演化模式建模;空间流采用改进图卷积,边权依据节点嵌入向量之间的余弦相似度动态计算。

13、其中,所述跨流注意力融合层中,以时间流输出特征为查询矩阵、空间流输出特征为键矩阵与值矩阵,经注意力加权后实现时空语义对齐融合;融合后接全连接分类头与softmax层输出归属概率分布向量;时空解耦双流图卷积动态边权注意力融合模型各层间加入残差跳跃连接。

14、其中,所述时空解耦双流图卷积动态边权注意力融合模型的训练采用交叉熵损失与对比学习损失加权求和作为总损失;对比学习损失的权重系数通过在验证集上以picp指标与mpiw指标的综合得分为目标进行网格搜索实验确定;采用adam优化器并设置学习率衰减策略;连续若干轮无提升则提前停止训练。

15、其中,所述ricci曲率流聚类算法基于离散ollivier-ricci曲率对气象地理耦合图谱中每条边依据节点邻域概率分布的1-wasserstein距离赋予弯曲度量;执行曲率正则化流动,迭代更新边权直至相邻两次迭代所有边权变化量的最大绝对值小于收敛阈值;流动收敛后对边权取裁剪阈值,自然形成气象相似子图,每个气象相似子图对应一个气象状态类别。

16、其中,所述响应积极性由节点在各气象状态类别下历史响应电量与装机容量之比的均值计算得到;核密度平滑估计采用高斯核函数,带宽依据silverman规则由样本标准差与样本量自动确定;针对样本量不足的气象状态类别,采用wasserstein距离加权迁移补充相邻气象状态类别的样本。

17、其中,所述各节点可调潜力区间加权融合指的是:将各气象状态类别下的响应电量上限与响应电量下限分别与响应积极性及归属概率加权求和,得到各节点在当前时刻的可调潜力区间上界与下界。

18、其中,所述动态边权复杂度评估函数由ricci曲率标准差归一化值、有效直径归一化值及边权熵归一化值三项加权求和得到;三项权重系数满足归一化约束,通过在训练集上以验证集picp指标为目标进行正交实验设计确定。

19、其中,所述图拓扑复杂度感知值所处区间动态调节指的是:图拓扑复杂度感知值不低于高复杂度阈值时图卷积层深度增加1层且动态边权每个时间步更新一次;图拓扑复杂度感知值介于低复杂度阈值与高复杂度阈值之间时保持默认图卷积层深度且动态边权每隔2个时间步更新一次;图拓扑复杂度感知值低于低复杂度阈值时图卷积层深度减少1层且动态边权退化为初始邻接矩阵。

20、其中,所述虚拟电厂整体可调潜力概率区间聚合步骤中,各节点可调功率均值与标准差由各节点可调潜力区间上界与下界推导得到;节点间相关性系数由训练集历史样本中各节点历史响应电量的皮尔逊相关系数估计;整体可调潜力方差通过方差合成原理引入节点间相关性系数后叠加计算。

21、其中,所述时空解耦双流图卷积动态边权注意力融合模型的训练数据集中,对样本量不足的气象状态类别采用wasserstein距离加权迁移方法补充相邻气象状态类别的样本;时空解耦双流图卷积动态边权注意力融合模型训练阶段在交叉熵损失基础上叠加对比学习损失,强化不同气象状态类别嵌入向量之间的判别距离。

22、其中,所述缺失率阈值为5%;所述收敛阈值为;所述ricci曲率流聚类算法中流动步长在0.05至0.5范围内以0.05为步长搜索确定;所述裁剪阈值在边权分布的10%至30%分位数范围内搜索确定;所述高复杂度阈值为0.75,所述低复杂度阈值为0.4;所述对比学习损失权重系数在0.1至1.0范围内以0.1为步长网格搜索确定;所述默认图卷积层深度在2至6层范围内通过消融实验确定。

23、本发明通过构建气象地理耦合图谱并将其输入时空解耦双流图卷积动态边权注意力融合模型,同步利用基于离散ollivier-ricci曲率的ricci曲率流聚类算法对气象状态进行拓扑感知聚类,解决了虚拟电厂可调潜力评估因气象状态识别精度不足而导致概率区间覆盖率低的技术问题。

24、本发明将时间流与空间流解耦后分别建模,动态边权机制依据实时气象梯度在每个滑动时间窗口内重构输入邻接矩阵,跨流注意力融合层使时序演化信息与空间拓扑信息在语义层面相互校正,从而使归属概率分布向量的计算精度显著提升;ricci曲率流聚类算法从气象地理耦合图谱的内蕴几何出发,通过边弯曲度量直接刻画节点间气象特征的收敛与发散关系,使气象状态类别边界由图结构自然涌现,条件分位数估计的系统性偏差得到抑制。

25、综上所述,本发明解决了背景技术中提到的虚拟电厂可调潜力评估因气象状态识别精度不足而导致概率区间覆盖率低的技术问题,为后续的可调潜力调整,提供了精确的技术指引。