CN119417071A 一种虚拟电厂产能预测方法及系统 （大连峰云智储科技有限公司）

阵中的各序列与去噪历史产能信息序列相关关2获取历史产能因子矩阵；所述历史产能因子矩阵由历史产能信根据历史产能因子矩阵获取历史产能因子矩阵的特征值；根对历史产能因子矩阵进行奇异值分解获取历史产能因子矩阵将历史产能因子矩阵的特征值从大到小排列获取特征值序列，计算满足前k个特征值截断参数值的特征值保留，将特征值序列中序号大于最小截断参数值的特征值设置为零，将截断后的特征值矩阵与其对应的特征值矩阵相乘获子矩阵中的各序列与去噪历史产能信息序列滞后关系获取去噪产能因子矩阵中的各序列根据动态规划算法获取去噪产能因子矩阵中去噪历史产能信息序列与其他序列之间将最佳对齐路径中对应元素之间的时间差作为滞后阶数；对于根据去噪产能因子矩阵中的各序列的最佳滞后阶数将对应序列整体后移与最佳滞后将去噪产能因子中的去噪历史产能信息序列与所述滞后阶数调整的序列所组成的矩3采用灰色关联分析分别计算边际特征滞后矩阵中除去噪历史产能信息序列以外的各将边际特征滞后矩阵各序列的权重系数与边际特征滞后矩阵中对应各序列的乘积得将修正边际特征滞后矩阵作为长短时记忆网络LSTM的输入，4不能考虑到序列之间的时间先后的影响以及在预测时不能去除偶对历史产能因子矩阵进行奇异值分解获取历史产能因子矩阵将历史产能因子矩阵的特征值从大到小排列获取特征值序列，计算满足前k个特征值的和值在全部特征值和值占比超过90%的k值，将所述k值的最小值作为最小特征截断5将截断后的特征值矩阵与其对应的特征值矩阵相乘获根据动态规划算法获取去噪产能因子矩阵中去噪历史产能信息序列与其他序列根据去噪产能因子矩阵中的各序列的最佳滞后阶数将对应序列整体后移与最佳将去噪产能因子中的去噪历史产能信息序列与所述滞后阶数调整的序列所组成采用灰色关联分析分别计算边际特征滞后矩阵中除去噪历史产能信息序列以外将边际特征滞后矩阵各序列的权重系数与边际特征滞后矩阵中对应各序列的乘6史产能信息序列的相关性对边际特征滞后矩阵进行修正，考虑不同因素对产能的影响程[0020]下面结合附图具体的说明本发明所提供的一种虚拟电厂产能预测方法及系统的[0021]请参阅图1，其示出了本发明一个实施例提供的一种虚拟电厂产能预测方法的步[0022]与虚拟电厂实时产能相关的数据信息包括：目标地区过去一年的历史产能信息、平均日照强度变化序列为c(t)、电网负载序列为D(t)、虚拟电厂所在区为E(t)。7v均为特征值对应的特征矩阵。实施者可根据实际情况自行选取噪声数据去除的方式，本实施例通过将对角矩阵中的特征值从大到小排序记为，然后根据特征值的总和保留不超过90%的特征值，[0031]最后将截断后的特征值矩阵与其对应的特征矩阵u和v相乘便可以得到经过噪8相应的滞后阶数。接下来针对去噪新能源发电占比序列B_CL(t)与去噪历史产能信息序列式中，A_CL't(t)表示去量纲化的去噪历史产能信息序列中第i个数新能源发电占比序列B_CL'(t)。噪历史产能信息序列和去量纲化的去噪新能源发电占比序列之间的化的去噪历史产能信息序列A_CL'(t)之间的距离矩阵。距离矩阵记录着每个时间点之间的B_CL"i(t)=B_CL'i-e(t)式中，B_CL"i(t)表示去量纲化的去噪新能源发电占比序列通过最佳滞后阶数进新能源发电占比序列中第i-e个数据。其中，当i-e<0时，则令B_CL"i(t)取值为去量纲[0041]同理，可以分别获取去噪平均日照强度变化序列C_CL(t)、去噪电网负载序列D_CL(t)和去噪风力变化序列E_CL(t)与去噪历史产能信息序列A_CL(t)之间的滞后关系，9、D_CL"(t)、E_CL"(t)分别表示根据最佳滞后阶数调整的虚拟电厂所在区域的平电网负载序列和滞后去噪虚拟电厂所在区域的风力变照强度变化序列、滞后去噪电网负载序列和滞后去噪风力去噪电网负载序列和滞后去噪风力变化序列与去噪历史产能信息序列的相关性系照强度变化序列、滞后去噪电网负载序列和滞后去噪风力变化序列对应的权重系数；变化序列；将B_CL"(t)、c.cl"(r)、D_CL"(t)、E_CL"(t)分别记为滞后去噪新能源发电占比所述处理器执行所述计算机程序时实现上述一种虚拟电厂产能预测方法中任意一项所述