[发明专利]一种区域火力发电量中长期预测方法和系统

说明书

本发明公开了一种区域火力发电量中长期预测方法和系统，该方法包括：基于预设相关性分析算法对区域电力历史数据和关联因素历史数据进行相关性分析并确定预设数量的关键影响要素；根据区域电力历史数据和关键影响要素的历史数据生成样本数据，并将样本数据分割为训练集、测试集和校验集；根据空间注意力模块、时间注意力模块和预测模块构建基于空时注意力机制的预测模型；基于样本数据训练基于空时注意力机制的预测模型，训练完成后得到目标预测模型；基于目标预测模型预测出未来预设时长的火力发电量预测值，从而实现可靠的对区域火力发电量进行中长期预测，降低了火电企业的运营风险。

技术领域

本申请涉及能源技术领域，更具体地，涉及一种区域火力发电量中长期预测方法和系统。

背景技术

在“碳达峰、碳中和”的中长期发展目标指导下，能源结构优化的要求从长远来看为电力行业的健康绿色发展带来了要求，而对短期的经营带来了挑战，体现在具有随机特性的新能源发电全吸纳、火力发电为电量支撑和电力保障的新能源结构，需要在用电量、新能源发电量的精确预测基础上，从而可以精确安排火力发电。

然而，用电量主要由社会、经济发展大环境所决定的，具有随人口结构、经济状况的周期性变化而具有波动性。同时，新能源发电量是由气候与环境条件所决定的，具有明显的随机性。因此，造成火力发电量具有一定随机性和波动性，从而对火电企业的生产经营带来不确定性。

目前火力发电量预测是根据历史数据进行预测，没有考虑火力发电是作为区域社会总用电量与新能源发电的缺口，从而难以准确预测实际用电需求与新能源发电量约束下的火力发电量变化规律。

因此，如何可靠的对区域火力发电量进行中长期预测，从而降低火电企业的运营风险，是目前有待解决的技术问题。

发明内容

本发明公开了一种区域火力发电量中长期预测方法，用以解决现有技术中无法准确的对区域火力发电量进行中长期预测的技术问题。

该方法包括：

基于预设相关性分析算法对区域电力历史数据和关联因素历史数据进行相关性分析并确定预设数量的关键影响要素；

根据所述区域电力历史数据和所述关键影响要素的历史数据生成样本数据，并将所述样本数据分割为训练集、测试集和校验集；

根据空间注意力模块、时间注意力模块和预测模块构建基于空时注意力机制的预测模型；

基于所述样本数据训练所述基于空时注意力机制的预测模型，训练完成后得到目标预测模型；基于所述目标预测模型预测出未来预设时长的火力发电量预测值；

其中，所述空间注意力模块用于基于空间注意力机制抽取目标类型电量与火力发电量的关联关系，所述时间注意力模块用于将火力发电量作为用电量缺口并基于时间注意力机制抽取各所述关键影响要素与火力发电量的关联关系，所述目标类型电量包括区域社会总用电量、风力发电量、水力发电量、光伏发电量、天然气发电量和核能发电量，所述用电量缺口＝区域社会总用电量+外销电量-风力发电量-水力发电量-光伏发电量-天然气发电量-核能发电量-外购电量。

在本申请一些实施例中，基于所述样本数据训练所述基于空时注意力机制的预测模型，具体为：

基于所述样本数据对所述空间注意力模块进行第一阶段训练；

基于所述样本数据和所述空间注意力模块的输出对所述时间注意力模块和所述预测模块进行第二阶段训练；

基于所述样本数据的累积对所述基于空时注意力机制的预测模型进行优化；

其中，所述第一阶段训练和所述第二阶段训练分别进行预设次数的迭代。