灵活资源基准电量概率预测方法、装置、计算机设备、介质和产品与流程

本技术涉及基准电量概率预测，特别是涉及一种灵活资源基准电量概率预测方法、装置、计算机设备、介质和产品。

背景技术：

1、随着分布式光伏、电动汽车充电桩、智能楼宇中央空调等灵活性资源数量大规模接入电网，对灵活性资源基准电量的准确预测成为电网调度、需求响应的重要技术手段。

2、传统技术中，为了实现对灵活性资源基准电量的准确预测，通常对电网的历史运行数据进行预处理后直接输入贝叶斯预测模型进行训练，利用统一的模型结构和参数配置完成概率预测，根据模型输出得到预测结果和对应的概率区间。

3、然而，传统技术针对灵活性资源基准电量的预测方法将各类资源统一处理，预测精度低。因此，亟待提出一种针对多类型灵活性资源的基准电量的概率预测方法。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够针对多类型灵活性资源进行基准电量概率预测的灵活资源基准电量概率预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种灵活资源基准电量概率预测方法，包括：根据待预测灵活资源的资源类型，获取所述待预测灵活资源的待预测数据；所述待预测数据包括所述待预测灵活资源的历史运行数据及关联的影响因素数据；基于正态分位数变换对所述待预测数据进行处理，得到目标预测数据；从预训练的基准电量概率预测模型的模型参数后验分布中，提取多组模型参数，并结合所述目标预测数据对每组所述模型参数执行一次完整的前向传播，得到各组所述模型参数分别对应的预测高斯分布；根据各所述预测高斯分布生成分别对应的预测初始结果，对各所述预测初始结果基于所述正态分位数变换对应的逆正态分位数变换进行处理，得到所述待预测灵活资源的基准电量概率预测结果。

3、在其中一个实施例中，所述对各所述预测初始结果基于所述正态分位数变换对应的逆正态分位数变换进行处理，得到所述待预测灵活资源的基准电量概率预测结果，包括：对各所述预测初始结果基于所述正态分位数变换对应的逆正态分位数变换进行处理，得到所述待预测灵活资源的基准电量的待约束预测结果；根据所述待预测灵活资源对应的预设物理约束，对所述待约束预测结果进行物理约束重校准，得到所述待预测灵活资源的基准电量概率预测结果。

4、在其中一个实施例中，所述根据所述待预测灵活资源对应的预设物理约束，对所述待约束预测结果进行物理约束重校准，得到所述待预测灵活资源的基准电量概率预测结果，包括：根据待预测灵活资源的资源类型确定对应的预设物理约束；基于所述预设物理约束对所述待约束预测结果进行截断修正，获得截断修正后的中间预测结果；对所述中间预测结果进行截断覆盖率损失评估，得到截断覆盖率损失评估结果；根据所述截断覆盖率损失评估结果，对所述中间预测结果进行自适应区间宽度补偿，得到所述待预测灵活资源的基准电量概率预测结果。

5、在其中一个实施例中，所述预训练的基准电量概率预测模型通过以下方式训练获得：获取各样本灵活资源的待训练数据，所述待训练数据包括所述样本灵活资源的历史运行样本数据及关联的影响因素样本数据；对各所述待训练数据进行正态分位数变换，得到对应的目标训练数据；根据各所述样本灵活资源的资源类型确定待训练的基准电量概率预测模型的模型参数的先验参数，并基于所述先验参数建立所述模型参数的先验分布；基于所述目标训练数据及所述模型参数的先验分布对所述待训练的基准电量概率预测模型进行训练，以构建模型参数的变分后验分布；采用变分推断学习所述模型参数的变分后验分布，并迭代更新所述模型参数，直至满足预设训练结束条件，得到训练完成的基准电量概率预测模型。

6、在其中一个实施例中，所述根据各所述样本灵活资源的资源类型确定待训练的基准电量概率预测模型的模型参数的先验参数，并基于所述先验参数建立所述模型参数的先验分布，包括：根据各所述样本灵活资源的资源类型确定待训练的基准电量概率预测模型的模型参数的尖峰厚板先验参数，并基于所述尖峰厚板先验参数建立模型参数的先验分布。

7、在其中一个实施例中，所述基于所述目标训练数据及所述模型参数的先验分布对所述待训练的基准电量概率预测模型进行训练，包括：将所述目标训练数据输入所述待训练的基准电量概率预测模型，以依次基于所述待训练的基准电量概率预测模型的输入层、一维卷积层、最大池化层、双向长短期记忆网络层以及密集输出层，结合所述模型参数的先验分布对所述目标训练数据进行训练；其中：所述输入层用于接收所述目标训练数据，并将所述目标训练数据输入至所述一维卷积层；所述一维卷积层用于对所述目标训练数据进行局部特征提取；所述最大池化层用于对进行局部特征提取得到的提取结果进行特征压缩处理；所述双向长短期记忆网络层用于对所述特征压缩处理后的压缩特征进行时序特征学习；所述密集输出层用于输出预测高斯分布参数。

8、第二方面，本技术还提供了一种灵活资源基准电量概率预测装置，包括：

9、数据获取模块，用于根据待预测灵活资源的资源类型，获取所述待预测灵活资源的待预测数据；所述待预测数据包括所述待预测灵活资源的历史运行数据及关联的影响因素数据；

10、分位变换模块，用于基于正态分位数变换对所述待预测数据进行处理，得到目标预测数据；

11、概率预测模块，用于从预训练的基准电量概率预测模型的模型参数后验分布中，提取多组模型参数，并结合所述目标预测数据对每组所述模型参数执行一次完整的前向传播，得到各组所述模型参数分别对应的预测高斯分布；

12、结果生成模块，用于根据各所述预测高斯分布生成分别对应的预测初始结果，对各所述预测初始结果基于所述正态分位数变换对应的逆正态分位数变换进行处理，得到所述待预测灵活资源的基准电量概率预测结果。

13、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任意一项的方法步骤。

14、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。

15、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任意一项的方法步骤。

16、上述一种灵活资源基准电量概率预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过待预测灵活资源的资源类型，获取灵活资源的待预测数据，有利于提升获取到的待预测数据和灵活资源的特征关联性；结合正态分位数变换对数据进行预处理，使数据分布与先验分布对齐，能够提高预训练的基准电量概率预测模型的数据适应能力；通过基于预训练的基准电量概率预测模型的模型参数后验分布提取多组模型参数，结合目标预测数据对每组模型参数分别执行前向传播，获得对应的预测高斯分布，实现了模型参数不确定性的表征及基准电量的初始概率预测，能够有效反映预测结果的可信度；通过逆正态分位数变换将初始概率预测对应的各预测初始结果恢复至原始数据空间，使得到的基准电量概率预测结果更加符合实际运行数据分布，从而提高了灵活资源基准电量预测的准确性和可靠性。