本發(fā)明涉及新能源電力系統(tǒng)與人工智能交叉，具體的是一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法及系統(tǒng)。
背景技術(shù)：
1、近年來，風(fēng)電作為可再生能源的重要組成部分，其在電力系統(tǒng)中的滲透率不斷提高。風(fēng)電功率輸出具有顯著的間歇性與波動(dòng)性，給電網(wǎng)的安全穩(wěn)定運(yùn)行帶來了新的挑戰(zhàn)。為了提高風(fēng)電的可調(diào)度性與并網(wǎng)能力，風(fēng)電功率預(yù)測(cè)技術(shù)得到了廣泛關(guān)注。
2、風(fēng)電功率預(yù)測(cè)方法可分為單站預(yù)測(cè)方法與多站協(xié)同預(yù)測(cè)方法。單站預(yù)測(cè)方法通常依賴于單個(gè)風(fēng)電場(chǎng)的歷史運(yùn)行數(shù)據(jù)，通過時(shí)間序列模型或神經(jīng)網(wǎng)絡(luò)模型對(duì)未來風(fēng)電功率進(jìn)行預(yù)測(cè)。該類方法在實(shí)際部署中較為常見，但其無法利用多個(gè)風(fēng)電場(chǎng)之間的時(shí)空相關(guān)性，預(yù)測(cè)精度存在一定限制。
3、為進(jìn)一步提升預(yù)測(cè)準(zhǔn)確性，多站協(xié)同預(yù)測(cè)方法被提出。該類方法通過引入多個(gè)風(fēng)電場(chǎng)的觀測(cè)信息，實(shí)現(xiàn)區(qū)域風(fēng)電功率的聯(lián)合建模與預(yù)測(cè)。然而，現(xiàn)有協(xié)同預(yù)測(cè)方法普遍面臨以下問題：
4、其一，風(fēng)電場(chǎng)間數(shù)據(jù)存在歸屬主體不同、數(shù)據(jù)隱私要求高等問題，導(dǎo)致原始數(shù)據(jù)難以直接共享，限制了協(xié)同建模的推廣應(yīng)用；
5、其二，傳統(tǒng)的協(xié)同建模方法在處理多風(fēng)電場(chǎng)時(shí)空依賴關(guān)系時(shí)，主要采用靜態(tài)相關(guān)系數(shù)或基于圖結(jié)構(gòu)的定權(quán)方式，難以動(dòng)態(tài)捕捉時(shí)空特征的非線性變化，導(dǎo)致特征融合效果有限；
6、其三，現(xiàn)有風(fēng)電預(yù)測(cè)方法多聚焦于點(diǎn)預(yù)測(cè)，缺乏對(duì)預(yù)測(cè)結(jié)果不確定性的建模，難以滿足調(diào)度決策中對(duì)置信區(qū)間的需求；
7、其四，部分研究引入了聯(lián)邦學(xué)習(xí)機(jī)制以實(shí)現(xiàn)數(shù)據(jù)隔離下的模型訓(xùn)練，但其依賴梯度交換過程仍存在梯度反演風(fēng)險(xiǎn)，且在多風(fēng)電場(chǎng)協(xié)同應(yīng)用中會(huì)引入較大的通信開銷與系統(tǒng)復(fù)雜性。
技術(shù)實(shí)現(xiàn)思路
1、為解決上述背景技術(shù)中提到的不足，本發(fā)明的目的在于提供一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法及系統(tǒng)。
2、第一方面，本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，方法包括以下步驟：
3、獲取風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)，將風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)輸入至預(yù)先建立的tcn-ae模型內(nèi)，encoder輸出得到加密時(shí)序特征；
4、利用自注意力機(jī)制對(duì)加密時(shí)序特征進(jìn)行提取得到風(fēng)電場(chǎng)特征，將風(fēng)電場(chǎng)特征輸入至預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型內(nèi)，輸出得到風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)結(jié)果。
5、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)xi＝{xi,t∣t＝1,2,…,t}，其中表示第i個(gè)風(fēng)電場(chǎng)在時(shí)刻t的觀測(cè)數(shù)據(jù)，t表示序列長(zhǎng)度，d為特征維度。
6、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述將風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)輸入至預(yù)先建立的tcn-ae模型內(nèi)，encoder輸出得到加密時(shí)序特征的過程：
7、對(duì)xi進(jìn)行加密特征提取，得到加密數(shù)據(jù)特征表示hi，滿足：
8、
9、其中encodertcn是基于tcn的加密器，decodertcn是基于tcn的解密器。
10、并最小化重構(gòu)誤差lrec：
11、
12、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述預(yù)先建立的tcn-ae模型的時(shí)序卷積網(wǎng)絡(luò)tcn包含因果卷積與膨脹卷積結(jié)構(gòu)，其中，因果卷積用于保證預(yù)測(cè)時(shí)刻僅依賴于歷史信息，滿足時(shí)間方向上的因果性，因果卷積的卷積核僅作用于當(dāng)前與過去時(shí)刻的輸入特征；膨脹卷積通過在卷積操作中插入空洞擴(kuò)張步長(zhǎng)，使得感受野指數(shù)級(jí)擴(kuò)大，來捕捉長(zhǎng)時(shí)間跨度內(nèi)的動(dòng)態(tài)關(guān)聯(lián)關(guān)系，利用如下公式對(duì)序列進(jìn)行建模：
13、
14、其中，表示第l層卷積輸出，k為卷積核大小，為卷積核權(quán)重，σ(·)為激活函數(shù)，為第l層偏置，l為tcn的總層數(shù)。
15、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述利用自注意力機(jī)制對(duì)加密時(shí)序特征進(jìn)行提取得到風(fēng)電場(chǎng)特征的過程：
16、將各風(fēng)電場(chǎng)的加密特征hi輸入自注意力模塊內(nèi)，基于自注意力機(jī)制，與其他風(fēng)電場(chǎng)特征進(jìn)行加權(quán)交互，生成聯(lián)合特征向量si：
17、
18、其中，為風(fēng)電場(chǎng)集合，qi,kj分別為查詢與鍵向量，αij為注意力得分，exp()為自然函數(shù)指數(shù)。
19、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述將風(fēng)電場(chǎng)特征輸入至預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型內(nèi)，輸出得到風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)結(jié)果，包括：
20、將si輸入預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行概率預(yù)測(cè)，輸出預(yù)測(cè)結(jié)果
21、
22、其中，fpb為改進(jìn)pinball損失函數(shù)模型，p表示預(yù)測(cè)值，為一組置信分位數(shù)。
23、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，該方法還包括：所述預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型基于改進(jìn)的pinball損失函數(shù)進(jìn)行訓(xùn)練，改進(jìn)損失為：
24、
25、其中，為概率預(yù)測(cè)的上界，為概率預(yù)測(cè)的下界，γ為權(quán)重系數(shù),ρτ(u)＝max(τu,(τ-1)u)。
26、第二方面，為了達(dá)到上述目的，本發(fā)明公開了一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)系統(tǒng)，包括：
27、時(shí)序提取模塊，用于獲取風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)，將風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)輸入至預(yù)先建立的tcn-ae模型內(nèi)，encoder輸出得到加密時(shí)序特征；
28、功率預(yù)測(cè)模塊，用于利用自注意力機(jī)制對(duì)加密時(shí)序特征進(jìn)行提取得到風(fēng)電場(chǎng)特征，將風(fēng)電場(chǎng)特征輸入至預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型內(nèi)，輸出得到風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)結(jié)果。
29、在本發(fā)明的另一方面，為了達(dá)到上述目的，公開了一種終端設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器中并能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，所述存儲(chǔ)器中存儲(chǔ)有能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器加載并執(zhí)行計(jì)算機(jī)程序時(shí)，采用了如上所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法。
30、在本發(fā)明的又一方面，為了達(dá)到上述目的，公開了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器加載并執(zhí)行時(shí)，采用了如上所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法。
31、本發(fā)明的有益效果：
32、本發(fā)明能夠在保障各風(fēng)電場(chǎng)原始數(shù)據(jù)隱私的前提下，充分利用時(shí)空相關(guān)性，實(shí)現(xiàn)多風(fēng)電場(chǎng)間協(xié)同風(fēng)電功率預(yù)測(cè)，有效提升了預(yù)測(cè)精度與系統(tǒng)魯棒性。本發(fā)明通過引入基于時(shí)序卷積網(wǎng)絡(luò)-自編碼器的本地特征提取機(jī)制，避免了原始數(shù)據(jù)泄露的風(fēng)險(xiǎn)；利用自注意力機(jī)制實(shí)現(xiàn)對(duì)風(fēng)電場(chǎng)間時(shí)空依賴關(guān)系的動(dòng)態(tài)建模，增強(qiáng)了協(xié)同建模能力；結(jié)合分位數(shù)輸出與改進(jìn)的pinball損失函數(shù)，構(gòu)建具備預(yù)測(cè)區(qū)間輸出能力的概率預(yù)測(cè)模型，提升了對(duì)預(yù)測(cè)不確定性的刻畫能力；同時(shí)，通過聯(lián)合優(yōu)化策略將特征重構(gòu)與預(yù)測(cè)目標(biāo)進(jìn)行協(xié)同訓(xùn)練，有效提升了模型的泛化能力與穩(wěn)定性。相較于傳統(tǒng)的集中式建?；蜢o態(tài)依賴融合方式，本發(fā)明兼顧了隱私保護(hù)、建模能力與預(yù)測(cè)精度。
1.一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)xi＝{xi,t∣t＝1,2,…,t}，其中表示第i個(gè)風(fēng)電場(chǎng)在時(shí)刻t的觀測(cè)數(shù)據(jù)，t表示序列長(zhǎng)度，d為特征維度。
3.根據(jù)權(quán)利要求1所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述將風(fēng)電場(chǎng)歷史時(shí)間序列數(shù)據(jù)輸入至預(yù)先建立的tcn-ae模型內(nèi)，encoder輸出得到加密時(shí)序特征的過程：
4.根據(jù)權(quán)利要求3所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述預(yù)先建立的tcn-ae模型的時(shí)序卷積網(wǎng)絡(luò)tcn包含因果卷積與膨脹卷積結(jié)構(gòu)，其中，因果卷積用于保證預(yù)測(cè)時(shí)刻僅依賴于歷史信息，滿足時(shí)間方向上的因果性，因果卷積的卷積核僅作用于當(dāng)前與過去時(shí)刻的輸入特征；膨脹卷積通過在卷積操作中插入空洞擴(kuò)張步長(zhǎng)，使得感受野指數(shù)級(jí)擴(kuò)大，來捕捉長(zhǎng)時(shí)間跨度內(nèi)的動(dòng)態(tài)關(guān)聯(lián)關(guān)系，利用如下公式對(duì)序列進(jìn)行建模：
5.根據(jù)權(quán)利要求1所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述利用自注意力機(jī)制對(duì)加密時(shí)序特征進(jìn)行提取得到風(fēng)電場(chǎng)特征的過程：
6.根據(jù)權(quán)利要求1所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述將風(fēng)電場(chǎng)特征輸入至預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型內(nèi)，輸出得到風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)結(jié)果，包括：
7.根據(jù)權(quán)利要求6所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法，其特征在于，所述預(yù)先建立的基于彈球損失函數(shù)的預(yù)測(cè)網(wǎng)絡(luò)模型基于改進(jìn)的pinball損失函數(shù)進(jìn)行訓(xùn)練，改進(jìn)損失為：
8.一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)系統(tǒng)，其特征在于，包括：
9.一種終端設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器中并能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述存儲(chǔ)器中存儲(chǔ)有能夠在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器加載并執(zhí)行計(jì)算機(jī)程序時(shí)，采用了權(quán)利要求1至7中任一項(xiàng)所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器加載并執(zhí)行時(shí)，采用了權(quán)利要求1至7中任一項(xiàng)所述的一種計(jì)及隱私保護(hù)的風(fēng)電場(chǎng)集群聯(lián)合功率預(yù)測(cè)方法。