CN115564329A - 一种典型产能场景确定方法、装置、设备及存储介质 - Google Patents
一种典型产能场景确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115564329A CN115564329A CN202211265465.0A CN202211265465A CN115564329A CN 115564329 A CN115564329 A CN 115564329A CN 202211265465 A CN202211265465 A CN 202211265465A CN 115564329 A CN115564329 A CN 115564329A
- Authority
- CN
- China
- Prior art keywords
- capacity
- historical
- day
- determining
- distance information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种典型产能场景确定方法、装置、设备及存储介质。该方法包括:获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,历史单天产能包括当天中预设小时数内的每小时产能;根据各个历史单天产能中的各个小时产能,确定每个历史单天产能对应的产能概率密度信息;根据各个产能概率密度信息,确定每两两历史单天产能之间的历史产能距离信息;基于各个历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;根据各个历史单天产能集合,确定可再生能源区域对应的典型产能场景,可以提升确定典型产能场景的效率和准确性。
Description
技术领域
本发明涉及可再生能源技术领域,尤其涉及一种典型产能场景确定方法、装置、设备及存储介质。
背景技术
随着可再生能源的不断发展,可再生能源接入输电电网时,通常需要确定接入输电电网的可再生能源的产能,避免输电电网超过输送功率。可再生能源的产能的计算较为复杂,通过确定典型产能场景的方式可以简化计算再生能源的产能。
目前,通常使用面向确定数据聚类算法,确定可再生能源对应的典型产能场景。然而,通过面向确定数据聚类算法,忽略了可再生能源产能概率分布的相似性,无法充分从大规模可再生能源数据集中快速确定典型产能场景,致使确定典型产能场景的效率和准确率较低,无法满足实际需求。
发明内容
本发明提供了一种典型产能场景确定方法、装置、设备及存储介质,以提升确定典型产能场景的效率和准确性。
根据本发明的一方面,提供了一种典型产能场景确定方法。该方法包括:
获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能;
根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息;
根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息;
基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;
根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
根据本发明的另一方面,提供了一种典型产能场景确定装置,该装置包括:
历史单天产能获取模块,用于获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能;
产能概率密度信息确定模块,用于根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息;
历史产能距离信息确定模块,用于根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息;
历史单天产能集合确定模块,用于基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;
典型产能场景确定模块,用于根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的典型产能场景确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的典型产能场景确定方法。
本发明实施例的技术方案,通过获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能。通过各个所述历史单天产能中的各个小时产能,可以计算出每个所述历史单天产能对应的产能概率密度信息,从而表示可再生能源产能概率分布的相似性。根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息,根据各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,可以将各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合,进而根据各个所述历史单天产能集合,从而可以实现自动确定出所述可再生能源区域对应的典型产能场景,进而以提升了确定典型产能场景的效率以及提高了确定典型产能场景准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种典型产能场景确定方法流程图;
图2是根据本发明实施例一提供的一种典型产能场景确定方法流程图;
图3是根据本发明实施例三提供的一种典型产能场景确定装置结构图;
图4是实现本发明实施例技术方案的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种典型产能场景确定方法的流程图,本实施例可适用于确定情况,该方法可以由典型产能场景确定装置来执行,该典型产能场景确定装置可以采用硬件和/或软件的形式实现,该典型产能场景确定装置可配置于电子设备中。如图1所示,该方法包括:
S101、获取可再生能源区域在预设历史天数内的各个历史单天产能。
本发明实施例可以适用于确定可再生能源的各种典型产能场景的情况。其中,典型产能场景可以包括晴天产能场景、阴天产能场景、针对风级产能场景以及雪天产能场景等。本领域技术人员可以根据典型产能场景快速确定各个可再生能源区域的产能,并根据输电电网的承载能力确定将各个可再生能源区域的产能进行并网输送或者进行产能存储。
其中,本发明实施例可以将同一地区的可再生能源或者将隶属于同一输电节点的可再生能源确定为一个可再生能源区域。预设历史天数可以根据实际业务情况进行确定。所述历史单天产能可以是指在预设历史天数内可再生能源区域每天的产能。所述历史单天产能可以包括当天中预设小时数内的每小时产能。
具体地,为确定可再生能源的各种典型产能场景,需要获取可再生能源区域在预设历史天数内每天的历史单天产能。
S102、根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息。
其中,产能概率密度信息可以是指历史单天产能对应的概率密度,用于表示各个所述历史单天产能随机发生的概率信息。
具体的,可以通过确定各个所述历史单天产能中的各个小时产能,并根据各个小时产能计算出每个所述历史单天产能对应的产能概率密度信息。
示例性地,所述根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息,包括:
根据所述历史单天产能中的各个小时产能,确定每个小时产能对应的产能标准偏差,并根据所述产能标准偏差和所述预设历史天数,确定所述历史单天产能中每个小时产能对应的参考产能标准偏差;基于高斯核函数,根据所述参考产能标准偏差、各个所述历史单天产能和所述预设历史天数,确定每个所述历史单天产能对应的产能概率密度信息。
其中,产能标准偏差可以是指历史单天产能中的各个小时产能对应的标准偏差。参考产能标准偏差可以是指根据产能标准偏差确定每个小时产能的标准偏差参考值。
具体地,根据所述历史单天产能中的各个小时产能,通过标准偏差计算公式,计算出每个小时产能对应的产能标准偏差。根据产能标准偏差和所述预设历史天数,确定所述历史单天产能中每个小时产能对应的参考产能标准偏差。其中,确定参考产能标准偏差可以通过如下公式获得:
hj=1.06×δjn-1/5
其中,δj可以表示第j个小时对应的产能标准偏差;n可以表示预设历史天数。根据获得的参考产能标准偏差、高斯核函数公式、各个所述历史单天产能和所述预设历史天数,可以计算出每个所述历史单天产能对应的产能概率密度信息。
示例性地,确定每个所述历史单天产能对应的产能概率密度信息,按照如下公式表示:
其中,P(t)表示产能概率密度信息;K表示高斯核函数;hj表示参考产能标准偏差,其中,hj=1.06×δjn-1/5,δj表示第j个小时产能的标准偏差;n表述预设历史天数;m表示预设小时数;t表示待确定产能概率密度信息对应的历史单天产能;ti表示各个历史单天产能。
S103、根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息。
其中,历史产能距离信息可以是指每两个历史单天产能之间的产能距离。具体地,根据各个所述历史单天产能对应的产能概率密度信息可以确定出每两两所述历史单天产能之间的历史产能距离信息。
示例性地,确定每两两所述历史单天产能之间的历史产能距离信息,可以包括:根据第一产能概率密度信息和第二产能概率密度信息,确定第一历史单天产能对应的第一参考产能距离信息和第二历史单天产能对应的第二参考产能距离信息;根据所述第一参考产能距离信息和所述第一产能概率密度信息,确定所述第一历史单天产能对应的第一历史产能距离信息;根据所述第二参考产能距离信息和所述第二产能概率密度信息,确定所述第二历史单天产能对应的第二历史产能距离信息;将所述第一历史产能距离信息与所述第二历史产能距离信息进行求和运算处理,并将求和运算的结果确定为历史产能距离信息。
其中,将待计算历史产能距离信息的两个历史单天产能分别确定为第一历史单天产能和第二历史单天产能。将第一历史单天产能对应的产能概率密度信息确定为第一产能概率密度信息。将第二历史单天产能对应的产能概率密度信息确定为第二产能概率密度信息。第一参考产能距离信息可以是指第一历史单天产能与两个历史单天产能之间参考点的参考距离。第二参考产能距离信息可以是指第二历史单天产能与两个历史单天产能之间参考点的参考距离。第一历史产能距离信息可以是指第一历史单天产能与两个历史单天产能之间参考点的产能距离。第二历史产能距离信息可以是指第二历史单天产能与两个历史单天产能之间参考点的产能距离。
具体地,根据第一产能概率密度信息和第二产能概率密度信息,可以计算出第一历史单天产能对应的第一参考产能距离信息。根据第一产能概率密度信息和第二产能概率密度信息,还可以计算出第二历史单天产能对应的第二参考产能距离信息。根据确定的第一参考产能距离信息和所述第一产能概率密度信息,可以确定出第一历史单天产能对应的第一历史产能距离信息;根据确定的第二参考产能距离信息和所述第二产能概率密度信息,可以确定出所述第二历史单天产能对应的第二历史产能距离信息。将第一历史产能距离信息和第二历史产能距离信息进行相加,并将相加结果确定为历史产能距离信息。
示例性地,确定每两两所述历史单天产能之间的历史产能距离信息,可以通过如下方式获得:
其中,JS(Pi(t)||Pj(t))表示历史产能距离信息;Pi(t)可以表示第一产能概率密度信息;Pj(t)可以表示第二产能密度信息。
S104、基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合。
其中,场景聚类半径可以是指产能聚类的半径信息。预设产能距离数量阈值可以是预先设定的产能距离数量,用于确定是否将场景聚类半径内的产能进行聚类。历史单天产能集合可以是指各个历史单天产能根据聚类规则进行聚类后的集合。
具体地,将根据所述历史产能距离信息,确定在场景聚类半径区域范围内的其他历史产能距离信息,并与预设产能距离数量阈值进行对比,将符合聚类规则的历史单天产能进行产能聚类,获得各个历史单天产能集合。
示例性地,所述基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合,包括:
从当前还未聚类的历史单天产能中选取一个目标历史单天产能;基于所述目标历史单天产能对应的目标历史产能距离信息,确定所述目标历史产能距离信息以场景聚类半径为半径的目标领域区域;确定位于所述目标领域区域内其他还未聚类的所述历史产能距离信息的第一目标数量;若所述第一目标数量大于或等于预设产能距离数量阈值,则将位于所述目标领域区域内的所述历史产能距离信息所对应的历史单天产能进行聚类,确定历史单天产能集合,直至构建出所有历史单天产能集合。
其中,目标历史单天产能可以是指还未聚类至历史单天产能集合中的历史单天产能。目标历史产能距离信息可以是指目标历史单天产能对应的历史产能距离信息。目标领域区域可以是指目标历史产能距离信息以场景聚类半径为半径所覆盖的区域。第一目标数量可以是指目标领域区域内其他还未聚类的所述历史产能距离信息。
具体地,可以从当前还未聚类的历史单天产能中任意选取一个目标历史单天产能。根据目标历史单天产能对应的目标历史产能距离信息,确定所述目标历史产能距离信息以场景聚类半径为半径的目标领域区域。统计在所述目标领域区域内其他还未聚类至历史单天产能集合的历史产能距离信息的第一目标数量。若第一目标数量大于或等于预设产能距离数量阈值,则确定位于所述目标领域区域内的历史产能距离信息,并将这些历史产能距离信息所对应的历史单天产能进行聚类,确定历史单天产能集合。循环上述聚类操作的步骤,直至构建出所有历史单天产能集合。
示例性地,所述典型产能场景确定方法还可以包括:若存在不属于任何历史单天产能集合的离散历史单天产能,则将所述离散历史单天产能聚类为离散产能集合,并舍弃所述离散产能集合。
其中,离散历史单天产能可以是指不属于任何历史单天产能集合的历史单天产能。离散产能集合可以是指离散历史单天产能进行聚类后的集合。
具体地,确定不属于任何历史单天产能集合的离散历史单天产能,将所述离散历史单天产能聚类为离散产能集合,并将离散产能集合进行舍弃,在计算可再生能源的产能时,不考虑离散历史单天产能的影响,可以提高根据典型产能场景确定可再生能源的产能的准确性。
S105、根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
具体地,将每个所述历史单天产能集合确定为一个典型产能场景,将各个所述历史单天产能集合,确定为可再生能源区域对应的各个典型产能场景。
本发明实施例的技术方案,通过获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能。通过各个所述历史单天产能中的各个小时产能,可以计算出每个所述历史单天产能对应的产能概率密度信息,从而表示可再生能源产能概率分布的相似性。根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息,根据各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,可以将各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合,进而根据各个所述历史单天产能集合,从而可以实现自动确定出所述可再生能源区域对应的典型产能场景,进而以提升了确定典型产能场景的效率以及提高了确定典型产能场景准确性。
实施例二
图2为本发明实施例二提供的一种典型产能场景确定方法的流程图,本实施例在上述实施例的基础上,在确定典型产能场景之后还包括确定典型产能场景的有效性指标。如图2所示,该方法包括:
S201、获取可再生能源区域在预设历史天数内的各个历史单天产能。
S202、根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息。
S203、根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息。
S204、基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合。
S205、根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
S206、确定每个所述历史单天产能集合内平均历史产能距离信息,以及每个所述历史单天产能集合对应的中心历史产能距离信息。
具体地,根据所述历史单天产能集合中的各个所述历史单天产能对应的历史产能距离信息,确定每个所述历史单天产能集合内平均历史产能距离信息,以及每个所述历史单天产能集合对应的中心历史产能距离信息。
S207、基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值。
其中,历史单天产能集合数量可以是指历史单天产能集合的总数量。目标聚类有效性指标值可以是指可再生能源区域对应的聚类有效性指标值。
具体地,根据确定的每个所述历史单天产能集合内平均历史产能距离信息、每个所述历史单天产能集合对应的中心历史产能距离信息和历史单天产能集合数量,可以所述可再生能源区域对应的目标聚类有效性指标值。
示例性地,所述基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值,包括:根据每个所述历史单天产能集合内平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定每个所述历史单天产能集合与其他历史单天产能集合之间的目标平均历史产能距离信息和目标中心历史产能距离信息;根据各个所述目标平均历史产能距离信息和各个所述目标中心历史产能距离信息,确定每个所述历史单天产能集合对应的最大聚类有效性指标值;将各个所述历史单天产能集合对应的最大聚类有效性指标值进行均值运算处理,并将所述均值运算的结果确定为目标聚类有效性指标值。
其中,目标平均历史产能距离信息可以是指历史单天产能集合与其他历史单天产能集合之间平均历史产能距离信息。目标中心历史产能距离信息可以是指历史单天产能集合对应的中心历史产能距离信息与其他历史单天产能集合对应的中心历史产能距离信息之间的距离。
具体地,根据每个所述历史单天产能集合内平均历史产能距离信息,确定每个所述历史单天产能集合与其他历史单天产能集合之间的目标平均历史产能距离信息;根据每个所述历史单天产能集合对应的中心历史产能距离信息,确定每个所述历史单天产能集合与其他历史单天产能集合之间的目标中心历史产能距离信息。根据各个所述目标平均历史产能距离信息和各个所述目标中心历史产能距离信息,确定每个所述历史单天产能集合对应的最大聚类有效性指标值。根据各个所述历史单天产能集合对应的最大聚类有效性指标值进行计算平均值,并将平均值结果确定为目标聚类有效性指标值。
示例性地,确定目标聚类有效性指标值,可以通过如下方式获得:
其中,k表示历史单天产能集合数量。avg(C)表示历史单天产能集合内平均历史产能距离信息;d为常量;v表示历史单天产能集合对应的中心历史产能距离信息。
S208、若所述目标聚类有效性指标值大于或等于预设有效性指标值,则输出所述可再生能源区域对应的典型产能场景。
其中,预设有效性指标值可以是预先设定的,用于判断目标聚类有效性指标值是否达到设定标准。
具体地,如果目标聚类有效性指标值大于或等于预设有效性指标值,则表明目标聚类有效性指标值符合预定标准,则输出可再生能源区域对应的典型产能场景。
本发明实施例技术方案,通过确定每个所述历史单天产能集合内平均历史产能距离信息,以及每个所述历史单天产能集合对应的中心历史产能距离信息。基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值。并基于目标聚类有效性指标值进行判断是否符合预定标准,若所述目标聚类有效性指标值大于或等于预设有效性指标值,则表明目标聚类有效性指标值符合预定标准,则输出所述可再生能源区域对应的典型产能场景,从而可以提高确定典型产能场景准确性,进而可以提高确定可再生能源的产能的准确性。
实施例三
图3为本发明实施例三提供的一种典型产能场景确定装置的结构示意图。如图3所示,该装置包括:历史单天产能获取模块310、产能概率密度信息确定模块320、历史产能距离信息确定模块330、历史单天产能集合确定模块340和典型产能场景确定模块350。其中,
历史单天产能获取模块310,用于获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能;产能概率密度信息确定模块320,用于根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息;历史产能距离信息确定模块330,用于根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息;历史单天产能集合确定模块340,用于基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;典型产能场景确定模块350,用于根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
本发明实施例的技术方案,通过获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能。通过各个所述历史单天产能中的各个小时产能,可以计算出每个所述历史单天产能对应的产能概率密度信息,从而表示可再生能源产能概率分布的相似性。根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息,根据各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,可以将各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合,进而根据各个所述历史单天产能集合,从而可以实现自动确定出所述可再生能源区域对应的典型产能场景,进而以提升了确定典型产能场景的效率以及提高了确定典型产能场景准确性。
在上述实施例的基础上,所述产能概率密度信息确定模块320,可以包括参考产能标准偏差确定单元和产能概率密度信息确定单元。其中,
所述参考产能标准偏差确定单元,用于根据所述历史单天产能中的各个小时产能,确定每个小时产能对应的产能标准偏差,并根据所述产能标准偏差和所述预设历史天数,确定所述历史单天产能中每个小时产能对应的参考产能标准偏差;
所述产能概率密度信息确定单元,用于基于高斯核函数,根据所述参考产能标准偏差、各个所述历史单天产能和所述预设历史天数,确定每个所述历史单天产能对应的产能概率密度信息。
在上述实施例的基础上,所述基于高斯核函数,根据所述参考产能标准偏差、各个所述历史单天产能和所述预设历史天数,确定每个所述历史单天产能对应的产能概率密度信息,按照如下公式表示:
其中,P(t)表示产能概率密度信息;K表示高斯核函数;hj表示参考产能标准偏差,其中,hj=1.06×δjn-1/5,δj表示第j个小时产能的标准偏差;n表述预设历史天数;m表示预设小时数;t表示待确定产能概率密度信息对应的历史单天产能;ti表示各个历史单天产能。
在上述实施例的基础上,所述历史产能距离信息确定模块330,可以具体用于:根据第一产能概率密度信息和第二产能概率密度信息,确定第一历史单天产能对应的第一参考产能距离信息和第二历史单天产能对应的第二参考产能距离信息;根据所述第一参考产能距离信息和所述第一产能概率密度信息,确定所述第一历史单天产能对应的第一历史产能距离信息;根据所述第二参考产能距离信息和所述第二产能概率密度信息,确定所述第二历史单天产能对应的第二历史产能距离信息;将所述第一历史产能距离信息与所述第二历史产能距离信息进行求和运算处理,并将求和运算的结果确定为历史产能距离信息。
在上述实施例的基础上,所述历史单天产能集合确定模块340,可以具体用于:从当前还未聚类的历史单天产能中选取一个目标历史单天产能;基于所述目标历史单天产能对应的目标历史产能距离信息,确定所述目标历史产能距离信息以场景聚类半径为半径的目标领域区域;确定位于所述目标领域区域内其他还未聚类的所述历史产能距离信息的第一目标数量;若所述第一目标数量大于或等于预设产能距离数量阈值,则将位于所述目标领域区域内的所述历史产能距离信息所对应的历史单天产能进行聚类,确定历史单天产能集合,直至构建出所有历史单天产能集合。
在上述实施例的基础上,所述典型产能场景确定装置,还可以包括典型产能场景输出模块。其中,典型产能场景输出模块还可以包括信息确定单元、目标聚类有效性指标值确定单元和典型产能场景输出单元。其中,
信息确定单元,用于确定每个所述历史单天产能集合内平均历史产能距离信息,以及每个所述历史单天产能集合对应的中心历史产能距离信息;
目标聚类有效性指标值确定单元,用于基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值;
典型产能场景输出单元,用于若所述目标聚类有效性指标值大于或等于预设有效性指标值,则输出所述可再生能源区域对应的典型产能场景。
在上述实施例的基础上,目标聚类有效性指标值确定单元,可以具体用于:根据每个所述历史单天产能集合内平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定每个所述历史单天产能集合与其他历史单天产能集合之间的目标平均历史产能距离信息和目标中心历史产能距离信息;根据各个所述目标平均历史产能距离信息和各个所述目标中心历史产能距离信息,确定每个所述历史单天产能集合对应的最大聚类有效性指标值;将各个所述历史单天产能集合对应的最大聚类有效性指标值进行均值运算处理,并将所述均值运算的结果确定为目标聚类有效性指标值。
本发明实施例所提供的典型产能场景确定装置可执行本发明任意实施例所提供的典型产能场景确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如典型产能场景确定方法。
在一些实施例中,典型产能场景确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的典型产能场景确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行典型产能场景确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种典型产能场景确定方法,其特征在于,包括:
获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能;
根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息;
根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息;
基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;
根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
2.根据权利要求1所述的方法,其特征在于,所述根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息,包括:
根据所述历史单天产能中的各个小时产能,确定每个小时产能对应的产能标准偏差,并根据所述产能标准偏差和所述预设历史天数,确定所述历史单天产能中每个小时产能对应的参考产能标准偏差;
基于高斯核函数,根据所述参考产能标准偏差、各个所述历史单天产能和所述预设历史天数,确定每个所述历史单天产能对应的产能概率密度信息。
4.根据权利要求1所述的方法,其特征在于,所述根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息,包括:
根据第一产能概率密度信息和第二产能概率密度信息,确定第一历史单天产能对应的第一参考产能距离信息和第二历史单天产能对应的第二参考产能距离信息;
根据所述第一参考产能距离信息和所述第一产能概率密度信息,确定所述第一历史单天产能对应的第一历史产能距离信息;
根据所述第二参考产能距离信息和所述第二产能概率密度信息,确定所述第二历史单天产能对应的第二历史产能距离信息;
将所述第一历史产能距离信息与所述第二历史产能距离信息进行求和运算处理,并将求和运算的结果确定为历史产能距离信息。
5.根据权利要求1所述的方法,其特征在于,所述基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合,包括:
从当前还未聚类的历史单天产能中选取一个目标历史单天产能;
基于所述目标历史单天产能对应的目标历史产能距离信息,确定所述目标历史产能距离信息以场景聚类半径为半径的目标领域区域;
确定位于所述目标领域区域内其他还未聚类的所述历史产能距离信息的第一目标数量;
若所述第一目标数量大于或等于预设产能距离数量阈值,则将位于所述目标领域区域内的所述历史产能距离信息所对应的历史单天产能进行聚类,确定历史单天产能集合,直至构建出所有历史单天产能集合。
6.根据权利要求1所述的方法,其特征在于,在根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景之后,包括:
确定每个所述历史单天产能集合内平均历史产能距离信息,以及每个所述历史单天产能集合对应的中心历史产能距离信息;
基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值;
若所述目标聚类有效性指标值大于或等于预设有效性指标值,则输出所述可再生能源区域对应的典型产能场景。
7.根据权利要求6所述的方法,其特征在于,所述基于历史单天产能集合数量、每个所述历史单天产能集合对应的平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定所述可再生能源区域对应的目标聚类有效性指标值,包括:
根据每个所述历史单天产能集合内平均历史产能距离信息和每个所述历史单天产能集合对应的中心历史产能距离信息,确定每个所述历史单天产能集合与其他历史单天产能集合之间的目标平均历史产能距离信息和目标中心历史产能距离信息;
根据各个所述目标平均历史产能距离信息和各个所述目标中心历史产能距离信息,确定每个所述历史单天产能集合对应的最大聚类有效性指标值;
将各个所述历史单天产能集合对应的最大聚类有效性指标值进行均值运算处理,并将所述均值运算的结果确定为目标聚类有效性指标值。
8.一种典型产能场景确定装置,其特征在于,包括:
历史单天产能获取模块,用于获取可再生能源区域在预设历史天数内的各个历史单天产能,其中,所述历史单天产能包括当天中预设小时数内的每小时产能;
产能概率密度信息确定模块,用于根据各个所述历史单天产能中的各个小时产能,确定每个所述历史单天产能对应的产能概率密度信息;
历史产能距离信息确定模块,用于根据各个所述产能概率密度信息,确定每两两所述历史单天产能之间的历史产能距离信息;
历史单天产能集合确定模块,用于基于各个所述历史产能距离信息、场景聚类半径和预设产能距离数量阈值,对各个所述历史单天产能进行产能聚类,获得聚类后的各个历史单天产能集合;
典型产能场景确定模块,用于根据各个所述历史单天产能集合,确定所述可再生能源区域对应的典型产能场景。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的典型产能场景确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的典型产能场景确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211265465.0A CN115564329A (zh) | 2022-10-17 | 2022-10-17 | 一种典型产能场景确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211265465.0A CN115564329A (zh) | 2022-10-17 | 2022-10-17 | 一种典型产能场景确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564329A true CN115564329A (zh) | 2023-01-03 |
Family
ID=84767429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211265465.0A Pending CN115564329A (zh) | 2022-10-17 | 2022-10-17 | 一种典型产能场景确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564329A (zh) |
-
2022
- 2022-10-17 CN CN202211265465.0A patent/CN115564329A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN115438007A (zh) | 一种文件合并方法、装置、电子设备及介质 | |
CN115564329A (zh) | 一种典型产能场景确定方法、装置、设备及存储介质 | |
CN115511453A (zh) | 一种数据处理方法、装置、设备及系统 | |
CN115049551A (zh) | 一种点云地面点的滤除方法、装置、设备及存储介质 | |
CN114996930A (zh) | 一种建模方法、装置、电子设备及存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114596196A (zh) | 点云数据的滤波方法和装置、设备以及存储介质 | |
CN117131353B (zh) | 一种超差电能表确定方法、装置、电子设备及存储介质 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
CN116186536A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN115907380A (zh) | 用电负荷管理方法、装置、电子设备及存储介质 | |
CN116308455A (zh) | 一种贸易网络中枢纽区域的识别方法和装置 | |
CN116777674A (zh) | 配电网数据处理方法、装置、电子设备及存储介质 | |
CN118213981A (zh) | 一种配电网调度参数确定方法、装置、设备及存储介质 | |
CN116502841A (zh) | 一种事件的处理方法、装置、电子设备以及介质 | |
CN115392733A (zh) | 配网规划项目工程量投资估算方法、装置、设备及存储介质 | |
CN117611412A (zh) | 一种事件预警方法、装置、设备及介质 | |
CN117932474A (zh) | 一种通信缺失数据确定模型的训练方法、装置、设备及存储介质 | |
CN115840645A (zh) | 预测负载指标的方法、装置、存储介质以及电子设备 | |
CN115912355A (zh) | 变电站供电区域的划分方法、装置、设备及介质 | |
CN116304635A (zh) | 一种抽水蓄能设备的运行数据分析方法、装置及设备 | |
CN117455577A (zh) | 目标产品的推荐方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |