CN117540140A - 用于确定可再生能源的概率分布信息的方法、装置及设备 - Google Patents

用于确定可再生能源的概率分布信息的方法、装置及设备 Download PDF

Info

Publication number
CN117540140A
CN117540140A CN202311405539.0A CN202311405539A CN117540140A CN 117540140 A CN117540140 A CN 117540140A CN 202311405539 A CN202311405539 A CN 202311405539A CN 117540140 A CN117540140 A CN 117540140A
Authority
CN
China
Prior art keywords
sample data
target
target sample
data
determining
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
Application number
CN202311405539.0A
Other languages
English (en)
Inventor
马超
徐希蒙
邓泽兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202311405539.0A priority Critical patent/CN117540140A/zh
Publication of CN117540140A publication Critical patent/CN117540140A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种用于确定可再生能源的概率分布信息的方法、装置及设备，可以应用于人工智能和数据处理技术领域。该方法包括：对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，初始样本数据表征在历史时间段可再生能源变量的历史数据；基于目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，目标样本数据集包括多个目标样本数据；根据目标样本数据和最大目标样本数据，确定与目标样本数据对应的目标数据，其中，目标数据表征与多个目标样本数据对应的变量；以及基于目标概率密度函数处理目标数据，确定目标数据对应的概率分布信息。

Description

用于确定可再生能源的概率分布信息的方法、装置及设备
技术领域
本公开涉及人工智能和数据处理技术领域，尤其涉及一种用于确定可再生能源的概率分布信息的方法、装置及设备。
背景技术
随着“双碳”目标的提出，可再生能源因其环境友好性、可再生性以及廉价性，成为当今能源系统中举足轻重的一部分，但可再生能源自身具有波动性和随机性的特点，如何根据可再生能源自身特点制定合适的运行策略成为一个亟待解决的问题。
在实现本公开构思的过程中，发明人发现相关技术中针对可再生能源预测过程中存在如下缺陷：对可再生能源相关预测结果准确性较低，与实际情况不符，难以满足实际生产的需求。
发明内容
鉴于上述问题，本公开提供了一种用于确定可再生能源的概率分布信息的方法、装置及设备。
根据本公开的第一个方面，提供了一种用于确定可再生能源的概率分布信息的方法，包括：对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，上述初始样本数据表征在历史时间段可再生能源变量的历史数据；基于上述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，上述目标样本数据集包括多个上述目标样本数据；根据上述目标样本数据和上述最大目标样本数据，确定与上述目标样本数据对应的目标数据，其中，上述目标数据表征与多个上述目标样本数据对应的变量；以及基于上述目标概率密度函数处理上述目标数据，确定上述目标数据对应的概率分布信息。
根据本公开的实施例，上述基于上述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，包括：根据上述目标样本数据，确定初始概率密度函数；根据上述目标样本数据集中的最大目标样本数据和上述初始概率密度函数，确定与多个上述目标样本数据各自对应的核函数；以及根据多个上述核函数，构建目标概率密度函数。
根据本公开的实施例，上述根据上述目标样本数据集中的最大目标样本数据，确定与多个上述目标样本数据各自对应的核函数，包括：根据上述目标样本数据的数据数量，确认上述核函数的目标参数；以及根据上述目标参数以及上述目标样本数据集中的最大目标样本数据，确定与多个上述目标样本数据各自对应的核函数。
根据本公开的实施例，上述基于上述目标概率密度函数处理上述目标数据，确定上述目标数据对应的概率分布信息，包括：基于上述目标概率密度函数处理上述目标数据，得到上述目标数据对应的概率密度；以及基于上述目标数据对应的概率密度，生成上述目标数据对应的概率分布信息。
根据本公开的实施例，上述对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，包括：对上述初始样本数据集中的异常样本数据进行删除，得到目标样本数据；以及根据上述目标样本数据，生成上述目标样本数据集。
根据本公开的实施例，上述根据上述目标样本数据和上述最大目标样本数据确定与上述目标样本数据对应的目标数据包括：根据上述目标样本数据和上述最大目标样本数据之间的比值，确定上述目标数据。
根据本公开的实施例，上述可再生能源变量包括以下至少一项：风速、辐照、风电出力和光伏出力。
本公开的第二方面提供了一种用于确定可再生能源的概率分布信息的装置，包括：预处理模块，用于对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，上述初始样本数据表征在历史时间段可再生能源变量的历史数据；目标概率密度函数确定模块，用于基于上述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，上述目标样本数据集包括多个上述目标样本数据；目标数据确定模块，用于根据上述目标样本数据和上述最大目标样本数据，确定与上述目标样本数据对应的目标数据，其中，上述目标数据表征与多个上述目标样本数据对应的变量；以及概率分布信息确定模块，用于基于上述目标概率密度函数处理上述目标数据，确定上述目标数据对应的概率分布信息。
本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。
本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
根据本公开提供的一种用于确定可再生能源的概率分布信息的方法、装置及设备，通过对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，从而可以根据目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，来灵活确定目标概率密度函数，并根据目标样本数据和最大目标样本数据，来确定与目标样本数据对应的目标数据，进而可以根据目标概率密度函数处理不同的目标数据，得到与不同目标数据对应的概率分布信息，进一步提高了可再生能源概率分布结果的准确性。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的方法、装置及设备的应用场景图；
图2示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的方法的流程图；
图3示意性示出了根据本公开实施例的不同目标样本数据对应的贝塔核函数函数图像；
图4示意性示出了根据本公开实施例的可再生能源变量的概率分布信息示意图；
图5示意性示出了根据本公开实施例的可再生能源变量的概率密度结果示意图；
图6示意性示出了根据本公开实施例的基于经验分布和预测分布绘制的P-P图；
图7示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的装置的结构框图；以及
图8示意性示出了根据本公开实施例的适于实现用于确定可再生能源的概率分布信息的方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。
发明人发现，在相关技术中，针对可再生能源预测方面，对可再生能源相关预测结果存在误差，与实际情况不符，难以满足实际生产的需求。鉴于此，本公开提供的一种用于确定可再生能源的概率分布信息的方法、装置及设备，通过对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，从而可以根据目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，来灵活确定目标概率密度函数，并根据目标样本数据和最大目标样本数据，来确定与目标样本数据对应的目标数据，进而可以根据目标概率密度函数处理不同的目标数据，得到与不同目标数据对应的概率分布信息，进一步提高了可再生能源概率分布结果的准确性。
本公开的实施例提供了一种用于确定可再生能源的概率分布信息的方法、装置及设备，该方法包括：对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，初始样本数据表征在历史时间段可再生能源变量的历史数据；基于目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，目标样本数据集包括多个目标样本数据；根据目标样本数据和最大目标样本数据，确定与目标样本数据对应的目标数据，其中，目标数据表征与多个目标样本数据对应的变量；以及基于目标概率密度函数处理目标数据，确定目标数据对应的概率分布信息。
图1示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的方法、装置及设备的应用场景图。
如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的用于确定可再生能源的概率分布信息的方法一般可以由服务器105执行。相应地，本公开实施例所提供的用于确定可再生能源的概率分布信息的装置一般可以设置于服务器105中。本公开实施例所提供的用于确定可再生能源的概率分布信息的方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的用于确定可再生能源的概率分布信息的装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的方法的流程图。
如图2所示，该实施例的用于确定可再生能源的概率分布信息的方法包括操作S210～操作S240。
在操作S210，对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，初始样本数据表征在历史时间段可再生能源变量的历史数据。
根据本公开的实施例，初始样本数据可以是某一历史时间段内的可再生能源(例如风能、太阳能)出力数据。初始样本数据存在异常值，例如负值、零值、空值、明显偏离数据正常水平的极大值等情况，通过对初始样本数据进行预处理可以得到多个目标样本数据，并可以根据多个目标样本数据生成目标样本数据集，例如，某200MW光伏电站，选取该电站2022年1-11月每15分钟的光伏出力数据，所获得的初始样本数据为32064条，通过对初始样本数据进行清洗、删除，得到预处理后的16732条样本数据，该16732条样本数据即为目标样本数据。
在操作S220，基于目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，目标样本数据集包括多个目标样本数据。
根据本公开的实施例，最大目标样本数据可以是从目标样本数据集中识别并得到的最大样本数据。例如，从目标样本数据集中提取出最大目标样本数据xmax＝217.71MW。目标概率密度函数可以通过采用自适应核密度估计算法，将与目标样本数据的数据数量相同的核函数平均得到，核函数可以是基于贝塔分布概率密度函数的贝塔核函数，核函数的带宽可以是根据目标样本数据集中目标样本数据的数据数量进行确定的。
在操作S230，根据目标样本数据和最大目标样本数据，确定与目标样本数据对应的目标数据，其中，目标数据表征与多个目标样本数据对应的变量。
根据本公开的实施例，目标数据可以是与多个目标样本数据对应的变量，可以是目标概率密度函数的自变量，目标数据可以根据目标样本数据与最大目标样本数据的比值进行确定。
在操作S240，基于目标概率密度函数处理目标数据，确定目标数据对应的概率分布信息。
根据本公开的实施例，可以根据目标概率密度函数对不同的目标数据进行计算，得到可再生能源的概率密度结果，并可以对可再生能源的概率密度结果进行积分计算，得到再生能源的概率分布信息，概率分布信息可以表征可再生能源的概率分布结果。
根据本公开的实施例，通过对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，从而可以根据目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，来灵活确定目标概率密度函数，并根据目标样本数据和最大目标样本数据，来确定与目标样本数据对应的目标数据，进而可以根据目标概率密度函数处理不同的目标数据，得到与不同目标数据对应的概率分布信息，进一步提高了可再生能源概率分布信息的准确性。
根据本公开的实施例，基于目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，包括：根据目标样本数据，确定初始概率密度函数；根据目标样本数据集中的最大目标样本数据和初始概率密度函数，确定与多个目标样本数据各自对应的核函数；以及根据多个核函数，构建目标概率密度函数。
根据本公开的实施例，初始概率密度函数可以是贝塔分布概率密度函数，初始概率密度函数具体操作如公式(1)所示：
其中，p、q为贝塔分布概率密度函数的形状系数，α为定积分中的积分变量，x为初始概率密度函数的变量。
根据目标样本数据集中的最大目标样本数据xmax和初始概率密度函数，可以确定与多个目标样本数据各自对应的核函数，其中，核函数可以是根据初始概率密度函数(贝塔分布概率密度函数)构建的核函数，即贝塔核函数，具体操作如公式(2)所示：
图3示意性示出了根据本公开实施例的不同目标样本数据对应的贝塔核函数函数图像。
如图3所示，可以选取不同的目标样本数据，例如xn分别为x1、x2、x3、x4、x5，同时根据目标样本数据集中的最大目标样本数据xmax，各目标样本数据所对应的目标数据(即核函数的自变量)分别为0.05、0.3、0.5、0.7、0.95，获得贝塔核函数函数图像各不相同。
根据多个核函数和初始概率密度函数，可以构建目标概率密度函数，目标概率密度函数具体操作如公式(3)所示：
其中，N为目标样本数据集中的数据数量，1≤n≤N，且N、n均为整数，x为目标概率密度函数的变量。
根据本公开的实施例，通过贝塔核函数，使得贝塔核函数计算结果可以随着不同的目标样本数据而灵活调整，进而可以通过根据核函数所构建的目标概率密度函数更加准确的预测出未来时间段可再生能源变量的概率密度。
根据本公开的实施例，根据目标样本数据集中的最大目标样本数据，确定与多个目标样本数据各自对应的核函数，包括：根据目标样本数据的数据数量，确认核函数的目标参数；以及根据目标参数以及目标样本数据集中的最大目标样本数据，确定与多个目标样本数据各自对应的核函数。
根据本公开的实施例，核函数的目标参数可以是核函数的带宽，根据样本目标数据的数据数量可以选择合适的带宽，例如，根据目标样本数据的数据数量为16732条，选择带宽b＝0.01。根据核函数的带宽和目标样本数据集中的最大目标样本数据xmax，确定各目标样本数据对应的核函数。
根据本公开的实施例，基于目标概率密度函数处理目标数据，确定目标数据对应的概率分布信息，包括：基于目标概率密度函数处理目标数据，得到目标数据对应的概率密度；以及基于目标数据对应的概率密度，生成目标数据对应的概率分布信息。
根据本公开的实施例，目标数据对应的概率密度可以是通过将不同的目标数据代入目标概率密度函数即公式(3)所获得的，各目标数据可以与各目标样本数据相对应。概率分布信息可以通过对概率密度进行积分计算所获得，具体操作如公式(4)所示：
其中，为可再生能源概率分布信息。
图4示意性示出了根据本公开实施例的可再生能源变量的概率分布信息示意图。
如图4所示，可以根据不同的目标样本数据，所得到的可再生能源变量的概率分布信息(结果)介于(0，1)之间。
根据本公开的实施例，通过可再生能源概率分布信息的计算，可以展示不确定可再生能源变量的分布情况，为后续可再生能源变量特性评估及相关基础设施(例如光伏电站)的优化设计提供数据支持。
根据本公开的实施例，对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，包括：对初始样本数据集中的异常样本数据进行删除，得到目标样本数据；以及根据目标样本数据，生成目标样本数据集。
根据本公开的实施例，对初始样本数据集中的异常样本数据进行处理可以包括但不限于：异常值处理、重复值删除、日期格式转化以及非数值型数据转换为数值型数据等，处理后得到目标样本数据。
图5示意性示出了根据本公开实施例的可再生能源变量的概率密度结果示意图。
如图5所示，对初始样本数据进行与处理后，所得到的目标样本数据的统计直方图以及可再生能源变量的概率密度结果，可知，概率密度函数与直方图匹配良好，例如，在可再生能源变量的边界处，即0MW和217MW处，概率密度结果与可再生能源变量匹配度较高。
根据本公开的实施例，根据目标样本数据和最大目标样本数据确定与目标样本数据对应的目标数据包括：根据目标样本数据和最大目标样本数据之间的比值，确定目标数据。
根据本公开的实施例，可再生能源变量包括以下至少一项：风速、辐照、风电出力和光伏出力。
在一种可行的实施例中，可以从可再生能源历史出力数据中获取部分数据，作为验证数据，来对可再生能源概率分布预测方法进行测试，验证目标概率密度函数对可再生能源概率分布的预测结果准确性与有效性。
图6示意性示出了根据本公开实施例的基于经验分布和预测分布绘制的P-P图。
如图6所示，多个目标样本数据可以表示为各散点，通过可再生能源概率分布预测方法对可再生能源变量数据进行预测，得到各散点与测试对角线的重合度，可以验证出目标概率密度函数对可再生能源概率分布的预测结果具有较高的准确性与有效性
基于上述用于确定可再生能源的概率分布信息的方法，本公开还提供了一种用于确定可再生能源的概率分布信息的装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的用于确定可再生能源的概率分布信息的装置的结构框图。
如图7所示，该实施例的用于确定可再生能源的概率分布信息的装置700包括预处理模块710、目标概率密度函数确定模块720、目标数据确定模块730和概率分布信息确定模块740。
预处理模块710，用于对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，初始样本数据表征在历史时间段可再生能源变量的历史数据。在一实施例中，预处理模块710可以用于执行前文描述的操作S210，在此不再赘述。
目标概率密度函数确定模块720，用于基于目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，目标样本数据集包括多个目标样本数据。在一实施例中，目标概率密度函数确定模块720可以用于执行前文描述的操作S220，在此不再赘述。
目标数据确定模块730，用于根据目标样本数据和最大目标样本数据，确定与目标样本数据对应的目标数据，其中，目标数据表征与多个目标样本数据对应的变量。在一实施例中，目标数据确定模块730可以用于执行前文描述的操作S230，在此不再赘述。
概率分布信息确定模块740，用于基于目标概率密度函数处理目标数据，确定目标数据对应的概率分布信息。在一实施例中，概率分布信息确定模块740可以用于执行前文描述的操作S240，在此不再赘述。。
根据本公开的实施例，通过预处理模块710、目标概率密度函数确定模块720、目标数据确定模块730和概率分布信息确定模块740，通过对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，从而可以根据目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，来灵活确定目标概率密度函数，并根据目标样本数据和最大目标样本数据，来确定与目标样本数据对应的目标数据，进而可以根据目标概率密度函数处理不同的目标数据，得到与不同目标数据对应的概率分布信息，进一步提高了可再生能源概率分布信息的准确性。
根据本公开的实施例，目标概率密度函数确定模块包括：初始概率密度函数确定子模块、核函数确定子模块和目标概率密度函数构建子模块。
初始概率密度函数确定子模块，用于根据目标样本数据，确定初始概率密度函数。核函数确定子模块，用于根据目标样本数据集中的最大目标样本数据和初始概率密度函数，确定与多个目标样本数据各自对应的核函数。目标概率密度函数构建子模块，用于根据多个核函数，构建目标概率密度函数。
根据本公开的实施例，核函数确定子模块，包括：目标参数确定单元和核函数确定单元。
目标参数确定单元，用于根据目标样本数据的数据数量，确认核函数的目标参数。核函数确定单元，用于根据目标参数以及目标样本数据集中的最大目标样本数据，确定与多个目标样本数据各自对应的核函数。
根据本公开的实施例，概率分布信息确定模块，包括目标数据处理子模块和概率分布信息生成子模块。
目标数据处理子模块，用于基于目标概率密度函数处理目标数据，得到目标数据对应的概率密度。概率分布信息生成子模块，用于基于目标数据对应的概率密度，生成目标数据对应的概率分布信息。
根据本公开的实施例，预处理模块，包括：删除子模块和目标样本数据集生成子模块。
删除子模块，用于对初始样本数据集中的异常样本数据进行删除，得到目标样本数据。目标样本数据集生成子模块，用于根据目标样本数据，生成目标样本数据集。
根据本公开的实施例，目标数据确定模块包括目标数据确定子模块，用于根据目标样本数据和最大目标样本数据之间的比值，确定目标数据。
根据本公开的实施例，可再生能源变量包括以下至少一项：风速、辐照、风电出力和光伏出力。
根据本公开的实施例，预处理模块710、目标概率密度函数确定模块720、目标数据确定模块730和概率分布信息确定模块740中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，预处理模块710、目标概率密度函数确定模块720、目标数据确定模块730和概率分布信息确定模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，预处理模块710、目标概率密度函数确定模块720、目标数据确定模块730和概率分布信息确定模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现用于确定可再生能源的概率分布信息的方法的电子设备的方框图。
如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至输入/输出(I/O)接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出(I/O)接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的用于确定可再生能源的概率分布信息的方法。
在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种用于确定可再生能源的概率分布信息的方法，包括：
对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，所述初始样本数据表征在历史时间段可再生能源变量的历史数据；
基于所述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，所述目标样本数据集包括多个所述目标样本数据；
根据所述目标样本数据和所述最大目标样本数据，确定与所述目标样本数据对应的目标数据，其中，所述目标数据表征与多个所述目标样本数据对应的变量；以及
基于所述目标概率密度函数处理所述目标数据，确定所述目标数据对应的概率分布信息。
2.根据权利要求1所述的方法，其中，所述基于所述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，包括：
根据所述目标样本数据，确定初始概率密度函数；
根据所述目标样本数据集中的最大目标样本数据和所述初始概率密度函数，确定与多个所述目标样本数据各自对应的核函数；以及
根据多个所述核函数，构建目标概率密度函数。
3.根据权利要求2所述的方法，其中，所述根据所述目标样本数据集中的最大目标样本数据，确定与多个所述目标样本数据各自对应的核函数，包括：
根据所述目标样本数据的数据数量，确认所述核函数的目标参数；以及
根据所述目标参数以及所述目标样本数据集中的最大目标样本数据，确定与多个所述目标样本数据各自对应的核函数。
4.根据权利要求1所述的方法，其中，所述基于所述目标概率密度函数处理所述目标数据，确定所述目标数据对应的概率分布信息，包括：
基于所述目标概率密度函数处理所述目标数据，得到所述目标数据对应的概率密度；以及
基于所述目标数据对应的概率密度，生成所述目标数据对应的概率分布信息。
5.根据权利要求1所述的方法，其中，所述对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，包括：
对所述初始样本数据集中的异常样本数据进行删除，得到目标样本数据；以及
根据所述目标样本数据，生成所述目标样本数据集。
6.根据权利要求1所述的方法，其中，所述根据所述目标样本数据和所述最大目标样本数据，确定与所述目标样本数据对应的目标数据，包括：
根据所述目标样本数据和所述最大目标样本数据之间的比值，确定所述目标数据。
7.根据权利要求1所述的方法，其中，所述可再生能源变量包括以下至少一项：风速、辐照、风电出力和光伏出力。
8.一种用于确定可再生能源的概率分布信息的装置，包括：
预处理模块，用于对样本数据集中的初始样本数据进行预处理，得到目标样本数据集，其中，所述初始样本数据表征在历史时间段可再生能源变量的历史数据；
目标概率密度函数确定模块，用于基于所述目标样本数据集中的最大目标样本数据和目标样本数据的数据数量，确定目标概率密度函数，其中，所述目标样本数据集包括多个所述目标样本数据；
目标数据确定模块，用于根据所述目标样本数据和所述最大目标样本数据，确定与所述目标样本数据对应的目标数据，其中，所述目标数据表征与多个所述目标样本数据对应的变量；以及
概率分布信息确定模块，用于基于所述目标概率密度函数处理所述目标数据，确定所述目标数据对应的概率分布信息。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。
CN202311405539.0A 2023-10-27 2023-10-27 用于确定可再生能源的概率分布信息的方法、装置及设备 Pending CN117540140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311405539.0A CN117540140A (zh) 2023-10-27 2023-10-27 用于确定可再生能源的概率分布信息的方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311405539.0A CN117540140A (zh) 2023-10-27 2023-10-27 用于确定可再生能源的概率分布信息的方法、装置及设备

Publications (1)

Publication Number Publication Date
CN117540140A true CN117540140A (zh) 2024-02-09

Family

ID=89787065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311405539.0A Pending CN117540140A (zh) 2023-10-27 2023-10-27 用于确定可再生能源的概率分布信息的方法、装置及设备

Country Status (1)

Country Link
CN (1) CN117540140A (zh)

Similar Documents

Publication Publication Date Title
CN113507419B (zh) 流量分发模型的训练方法、流量分发方法及装置
US11645540B2 (en) Deep graph de-noise by differentiable ranking
CN115965474A (zh) 业务处理方法、装置、设备及存储介质
CN115174353A (zh) 故障根因确定方法、装置、设备及介质
CN114218283A (zh) 异常检测方法、装置、设备、介质
CN117911159A (zh) 实时数据处理方法、装置、设备、存储介质及程序产品
CN115981970B (zh) 运维数据分析方法、装置、设备和介质
CN114710397B (zh) 服务链路的故障根因定位方法、装置、电子设备及介质
CN115795345A (zh) 信息处理方法、装置、设备及存储介质
CN117540140A (zh) 用于确定可再生能源的概率分布信息的方法、装置及设备
CN113052509A (zh) 模型评估方法、模型评估装置、电子设备和存储介质
CN113362097B (zh) 一种用户确定方法和装置
CN113935334A (zh) 文本信息处理方法、装置、设备和介质
CN114844810B (zh) 心跳数据处理方法、装置、设备及介质
CN118796613A (zh) 数据库告警方法和装置
CN115455088A (zh) 数据统计方法、装置、设备及存储介质
CN116010952A (zh) 动态基线确定方法、交易数据检测方法、装置和电子设备
CN117610933A (zh) 异常检测方法、装置、电子设备和可读存储介质
CN114048056A (zh) 根因定位方法、装置、设备、介质和程序产品
CN117667636A (zh) 基于广义线性模型的日志分析方法、系统、设备及介质
CN114693421A (zh) 风险评估方法、装置、电子设备和介质
CN117151420A (zh) 风险监控方法、装置、设备、介质和程序产品
CN117093609A (zh) 查询语句处理方法、装置、设备、介质及程序产品
CN116974871A (zh) 系统性能评估方法、装置、设备及存储介质
CN118820631A (zh) 图谱处理方法、装置、设备、介质和程序产品

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