一种用于光伏发电与台区负荷预测系统及方法与流程

本发明属于调度负荷数据分析，具体是一种用于光伏发电与台区负荷预测系统及方法。

背景技术：

1、分布式光伏发电‌指在用户侧（如屋顶、园区）安装的小规模光伏系统，直接供电或并网，具有间歇性、波动性特点‌；‌台区负荷预测‌是对电网台区未来用电需求的量化预测，需考虑分布式光伏出力波动对负荷的影响‌。

2、在高比例分布式光伏接入配电台区场景下，传统光伏发电出力预测、台区负荷预测，以供电可靠性、削峰填谷、经济成本、光伏消纳为核心目标，碳足迹，大多作为事后核算评价指标，较少嵌入预测模型内部作为输入特征与约束条件；例如，现有技术方案在实施时，例如申请号为202411761914.x、发明名称为一种风力发电功率预测方法及系统，公开了基于待预测目标的历史数据构建多元时间序列预测数据集，基于多元时间序列预测数据集对多元时间序列预测模型训练得到功率预测预训练模型；采用功率预测预训练模型对待预测目标当前的参数数据进行预测得到待预测目标未来设定时间内的发电功率，该发明基于多元时间序列预测数据集，在多个领域的时间序列预测任务中表现优异，该发明提出的方法能够有效捕捉多元时间序列中的长短期依赖关系，并利用物理约束提高风力发电功率预测的准确性和稳定性。

3、但是，现有技术方案仅明确环境参数包括风速、风向，未给出例如温度、湿度、气压等其他参数的筛选标准与优先级排序机制，实际应用中，不同风电场的关键影响环境参数存在差异，例如沿海风电场的湿度影响显著，高原风电场的气压影响突出，现有方案无法动态筛选适配特定场景的核心环境参数；同时，未考虑环境参数之间的耦合关系，例如风速与风向的协同影响，仅通过独立计算单个参数的影响系数，忽略了参数交互作用对发电功率的影响，仍然存在光伏发电与台区负荷预测的准确性不佳。

技术实现思路

1、为了解决上述方案存在的问题，本发明提供了一种用于光伏发电与台区负荷预测系统及方法。

2、本发明的目的可以通过以下技术方案实现：

3、一种用于光伏发电与台区负荷预测系统，包括：

4、采集模块，用于采集历史时间段内分布式光伏发电功率、台区负荷、多维度环境参数和对应区域的碳足迹追踪数据；

5、处理模块，用于对多维度环境参数和碳足迹追踪数据进行处理，提取场景特征向量，通过加权互信息算法并结合碳影响因子，动态筛选适配当前区域的核心环境参数集；其中，采集碳足迹追踪数据时，通过区域能源管理平台接口获取区域气候类型标签、碳排放因子和区域稳定性权重；

6、提取碳足迹追踪数据中的区域气候类型标签，并将区域气候类型标签转化为独热编码向量；；

7、采用min-max归一化将碳排放因子α转化为[0,1]区间的值；

8、基于台区负荷月数据的方差和平滑常数，计算得到区域稳定性权重；

9、将编码后的独热编码向量、归一化的碳排放因子、区域稳定性权重拼接为场景特征向量；

10、基于场景特征向量，计算每个环境参数与目标变量的互信息值；将归一化的碳排放因子设定为碳影响因子，将碳影响因子与每个环境参数的互信息值进行计算，得到对应环境参数的加权互信息值；

11、将所有环境参数按加权互信息值降序排序，得到排序后的参数列表；计算模块，用于对核心环境参数集计算参数间的耦合关系强度，结合区域稳定性权重得到联合影响系数和滞后时段；

12、预测模块，用于通过联合影响系数和滞后时段构建输入序列，利用预测模型提取时序特征与耦合特征，并输出光伏发电功率和台区负荷的预测结果。

13、进一步地，区域稳定性权重w涉及的计算表达式为：；其中，为台区负荷月数据的方差；为平滑常数。

14、进一步地，加权互信息值对应计算的表达式为：；其中，为加权互信息值；为互信息值；为环境参数；y为目标变量；为归一化的碳排放因子。

15、进一步地，根据场景特征向量中的气候类型标签，确定核心参数数量n；从参数列表中选取前n个参数，组成核心环境参数集。

16、进一步地，所述计算模块中，计算参数间的耦合关系强度时，对核心环境参数集生成所有非空子集，将生成的所有非空子集按顺序标记为参数组合；

17、将标准化后的核心环境参数集与目标变量的序列离散化为k个区间，得到离散序列；

18、计算离散序列的多变量互信息；多变量互信息对应参数间的耦合关系强度。

19、进一步地，基于场景特征向量，将耦合强度转化为联合影响系数w，涉及的表达式为：

20、；其中，为离散序列的多变量互信息；为归一化将碳排放因子；w为区域稳定性权重；为参数组合；y为目标变量。

21、进一步地，对参数组合的序列沿时间轴正向平移b个时刻，b为偏移量，得到平移后的序列；

22、对每个偏移量b，均计算对应的多变量互信息；

23、利用所有偏移量的多变量互信息，确定滞后时段，涉及的表达式为：；其中，为耦合强度最大值对应的偏移量，即参数组合影响目标变量的滞后时间。

24、进一步地，所述预测模块中，通过lstm子模型处理单个输入序列，输出时序特征；通过注意力机制处理目标子集序列，输出耦合特征；将时序特征与耦合特征加权求和，得到融合特征。

25、进一步地，将融合特征转化为光伏发电功率与台区负荷的预测值时，将融合特征输入全连接层，输出双预测值：

26、；其中，分别为光伏发电功率预测值、台区负荷预测值；dense为全连接层，实现特征到预测值的映射；为融合特征。

27、一种用于光伏发电与台区负荷预测方法，包括：

28、采集历史时间段内分布式光伏发电功率、台区负荷、多维度环境参数和对应区域的碳足迹追踪数据；

29、对多维度环境参数和碳足迹追踪数据进行处理，提取场景特征向量，通过加权互信息算法并结合碳影响因子，动态筛选适配当前区域的核心环境参数集；

30、对核心环境参数集计算参数间的耦合关系强度，结合区域稳定性权重得到联合影响系数和滞后时段；

31、通过联合影响系数和滞后时段构建输入序列，利用预测模型提取时序特征与耦合特征，并输出光伏发电功率和台区负荷的预测结果。

32、与现有技术相比，本发明的有益效果是：

33、本发明通过碳足迹数据的预处理与特征提取，通过加权互信息算法结合碳影响因子动态筛选核心环境参数集，解决了现有技术无法适配特定场景的问题，同时融入碳影响因子提升了参数筛选的碳目标相关性，可以为后续预测模型提供了高效、适配的输入特征；利用多变量互信息量化参数耦合强度，结合区域稳定性权重生成联合影响系数，并通过时间平移分析确定滞后时段，解决了现有技术忽略参数交互作用与滞后性的问题，可以为分布式光伏与台区负荷预测提供了更精准的特征输入；通过滞后性与耦合性的双重考量，提升了光伏发电与台区负荷预测的准确性，可以为电网优化调度提供可靠支撑。

1.一种用于光伏发电与台区负荷预测系统，其特征在于，包括：

2.根据权利要求1所述的一种用于光伏发电与台区负荷预测系统，其特征在于，区域稳定性权重w涉及的计算表达式为：；其中，为台区负荷月数据的方差；为平滑常数。

3.根据权利要求2所述的一种用于光伏发电与台区负荷预测系统，其特征在于，加权互信息值对应计算的表达式为：；其中，为加权互信息值；为互信息值；为环境参数；y为目标变量；为归一化的碳排放因子。

4.根据权利要求3所述的一种用于光伏发电与台区负荷预测系统，其特征在于，根据场景特征向量中的气候类型标签，确定核心参数数量n；从参数列表中选取前n个参数，组成核心环境参数集。

5.根据权利要求4所述的一种用于光伏发电与台区负荷预测系统，其特征在于，所述计算模块中，计算参数间的耦合关系强度时，对核心环境参数集生成所有非空子集，将生成的所有非空子集按顺序标记为参数组合；

6.根据权利要求5所述的一种用于光伏发电与台区负荷预测系统，其特征在于，基于场景特征向量，将耦合强度转化为联合影响系数w，涉及的表达式为：

7.根据权利要求6所述的一种用于光伏发电与台区负荷预测系统，其特征在于，对参数组合的序列沿时间轴正向平移b个时刻，b为偏移量，得到平移后的序列；

8.根据权利要求7所述的一种用于光伏发电与台区负荷预测系统，其特征在于，所述预测模块中，通过lstm子模型处理单个输入序列，输出时序特征；通过注意力机制处理目标子集序列，输出耦合特征；将时序特征与耦合特征加权求和，得到融合特征。

9.根据权利要求8所述的一种用于光伏发电与台区负荷预测系统，其特征在于，将融合特征转化为光伏发电功率与台区负荷的预测值时，将融合特征输入全连接层，输出双预测值：

10.一种用于光伏发电与台区负荷预测方法，应用于如权利要求1-9任一项所述的一种用于光伏发电与台区负荷预测系统，其特征在于，包括：