CN120297774A 基于并行深度学习架构的光伏出力混合概率区间预测方法及系统 （河海大学）

号基于并行深度学习架构的光伏出力混合概本发明公开了基于并行深度学习架构的光征增强后的光伏出力时空特征矩阵输入光伏出2S2：将所述光伏出力多源驱动因素集在统一时空基S3：构建基于并行深度学习架构的特征提取模S5：构建基于数据驱动与统计理论的风险型预测模S31：构建时空特征并行解耦模块，采用基于时域注意力;3;;;;;new代表更新的隐藏状态，最终时刻的隐藏状态即;;avgmaxavgmax4;td;,代表通道注意力模块输出的平均池化值，代表通道注意力模块输出的最大池化值；;cat代表经过特征拼接后的通道压缩特征；;s;设计动态权重控制器，根据输入特征自动调整通道注意力与空间注意力的融合比例，;对齐时间、空间特征通道后，将张量拼接后的特征输入3D卷积核，捕;使用跨模态残差连接对融合后的特征向量进行增强，将原始时;5Transformer的光伏出力基准型;k为维度缩放因子；;;式中，LocalWindow(P)代表以位置P为中心的动态窗口，GlobalAn;改进的QRLSTM即IQRLSTM考虑分位数的固有属性，在目标函数中加入分位数约束惩罚;;6;;使用二叉树搜索方法加速最近邻搜索，将光伏出力基准预测误差序列;;。;7;;Now代表目标空间中的当前解，ONow-1和ONow+1分别代表部落划分与角色定义：根据非支配排序结果划分部落，每;;非支配解，代表第te+1次迭代中第num个部落的第mem个成员在dim维度的速;8;p取值范围为(0,2]，r代表gama函数；;;;;;LowQRLSTM分别代表混合风险型预测下界、IKDE风险型预测下界、IQRLSTM风险型预测下界，97.基于并行深度学习架构的光伏出力混合概率区间所述矩阵构建模块，用于将所述光伏出力多源驱动因素集在统一时所述特征融合模块，用于构建基于并行深度学习架构的特征提取所述第一预测模块，用于构建基于稀疏注意力Transformer的光伏出力基准型预测模所述第二预测模块，用于构建基于数据驱动与统计理论的风险型预所述第三预测模块，用于构建光伏出力混合风险型预测框架，输入两个[0021]S31：构建时空特征并行解耦模块，采用基于时域注意力机制改进的GRU模型即prevprev[0032]ln=l*l；avgavgavgmaxavgmax,代表通道注意力模块输出的平均池化值，代表[0093]改进的QRLSTM即IQRLSTM考虑分位数的固有属性，在目标函数中加入分位数约束；;p取值范围为(0,2]，r代表gama函数；[0143]冲突触发条件：每隔Ge代随机选择两个部落TribeA和Trib别代表混合风险型预测上界、IKDE风险型预测上界、IQRLSTM风险型预测上界，Lowmix、[0157]所述第一预测模块，用于构建基于稀疏注意力Transformer的光伏出力基准型预伏出力基准型预测结果误差分别输入两个风险型预测模型，计算预测误差风险区间边界[0166]稀疏注意力Transformer通过稀疏模式快速锁定关键特征，实现计算效率优化与[0168]IKDE通过对历史相同时间戳的光伏出力基准型预测误差[0170]图1为本发明实施例基于并行深度学习架构的光伏出力混合概率区间预测方法流[0173]图4为本发明实施例构建基于数据驱动与统计理论的风险型预测模型库流程示意使得复杂气候场景下的区间预测面临覆盖偏差与可靠性衰[0181]本发明提供基于并行深度学习架构的光伏出力混合概率区间预测方法，如图1所插值算法对齐高程栅格数据与辐照度采样矩阵，建立具有统一地理坐标参照的格网系统。[0196]其中YSma表示位置为(m,a)的目标光伏场站对应的高程一辐照度关联矩阵元素，RAlv表示初步融合高程、辐照度信息的矩阵中目标光伏场站及其邻域内场站对应的元[0199]S15.基于物理机制的光伏出力模拟率，Gim,为第t时刻数值天气预报的太t时刻的太阳能电池板温度，为第t时刻数值天气预报的气prevprev[0220]ln=l*l（12）avgavgavgmaxavgmax块输出的最大池化值。[0254]Ima=lxmwBM,(a)（23）[0257]传统CBAM中通道注意力与空间注意力以固定顺序串联，限制特征交互的灵活稀疏注意力Transformer的光伏出力基准型预测模型。通过稀疏注意力机制保留高相关性[0282]obj=obi+penalty（33）根据局部数据密度调整核的宽度。其核心思想是根据每个数据点周围的局部密度调整带[0291]h=7·D"+d-hwwa（35）探索能力和收敛稳定性。使用多目标适应机制重构，实现单目标向多目标优化框架的转化预测结果。[0299]CTCM的构思源自于自然界的部落间竞争机制以及部落内部成员间的协作模式。代表该成员在第te次迭代的位置，代表周期中该部落最佳适应度值对应mm、分别代表每个成员的混沌忠诚度。[0321]式中，代表第te+1次迭代中第num个部落的第mem个成[0339]S62改造的多目标部落竞争与成员合作优化算法：将单目标优化算法改造为多[0357]();[0370]ifHV(Iribez)<H别代表混合风险型预测上界、IKDE风险型预测上界、IQRLSTM风险型预测上界，Lowm