基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测
王光华1，张纪欣1，崔良1，薛书倩2，张彬3，张沛3
（1.国网河北省电力有限公司保定供电分公司；2.北京清软创新科技股份有限公司；3.北京交通大学电气工程学院）
原文发表在《全球能源互联网》2024年7月“虚拟电厂关键技术与市场机制”专题中，欢迎点击品读。本文受国网河北省电力有限公司科技项目：含高比例分布式光伏的多级电网负荷预测方法研究及应用（KJ2022-051）资助。
文章导读
随着中国“双碳”目标的深入推进，光伏发电已经成为一种重要的清洁能源。精确的分布式屋顶光伏日前功率预测对优化调度计划，提高电力系统运行的安全性和经济性有重要意义。本文考虑分布式屋顶光伏的处理特性和多变量气象因子对功率的影响，提出基于凝聚层次聚类（agglomerative hierarchical clustering, AHC）和DA-transformer的分布式光伏母线级日前功率预测方法。将晴空天气下分布式屋顶光伏用户出力作为户用光伏出力特征，以动态时间规整（dynamic time warping, DTW）距离作为分布式光伏用户出力相似性的度量指标，并基于对同一母线上的分布式光伏用户进行分类。构建考虑多特征变量间注意力系数和每个时间步间注意力系数的DA-transformer模型，建立多特征气象因素与功率之间的复杂映射关系，实现分布式屋顶光伏日前功率预测。
研究成果
01
针对分布式光伏母线开展了日前功率预测的研究，提出了基于Transformer的分布式光伏母线级日前功率预测模型，将DTW作为凝聚聚类的度量指标，分别搭建DA-transformer预测模型。
02
光伏预测精度提升可以提高光伏发电系统的效率、降低电网运行成本、改善能源消费结构和促进清洁能源的发展。
主要内容
图1展示了基于DA-transformer的分布式屋顶光伏变电站级日前功率预测框架，模块1利用动态时间规整算法计算不同分布式光伏用户出力之间的相似度，以DTW距离为聚类指标，采用AHC将分布式光伏用户聚成两类。模块2对每一类分布式屋顶光伏，构建基于DA-transformer模型的日前功率预测方法，捕捉多特征和时间步之间的相关性，最后将每一类预测结果相加得到变电站级日前功率预测值。
⬆ 图1 基于DA-transformer的分布式屋顶光伏变电站级日前功率预测框架
⬆ 图2 凝聚层次聚类流程图
传统Transformer模型的自注意机制采用点乘的方式使得模型只能够学习到时间序列中各时间点之间的依赖关系，无法学习同一时间点多特征变量之间的相关性。而光伏输出功率受到辐照度、总云量、降雨量、风速、温度多个气象特征的影响，不同气象特征对光伏输出功率波动影响存在差别，因此采用通道卷积注意力机制给输入的不同变量分配不同的权重。首先通过全局平均池化将每个特征变量压缩为1个实数，然后通过卷积特征给每个通道生成1个权重值，最后将每个权重加权到每个通道上，具体流程如图3所示，计算公式如式1所示。
本文引文信息
王光华，张纪欣，崔良，等.基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测[J].全球能源互联网，2024，7(4)：393-405.
WANG Guanghua , ZHANG Jixin , CUI Liang , et al. Substation-level distributed rooftop photovoltaic power day-ahead prediction based on double attention mechanism transformer model[J]. Journal of Global Energy Interconnection, 2024, 7(4):393-405(in Chinese).
作者简介
王光华
高级工程师
主要研究方向为电力系统负荷预测、新能源发电功率预测、电力市场。
张 沛
博士、教授、博士生导师
主要研究方向为电力系统调度运行、电力系统规划和新能源预测与消纳等。
E-mail：peizhang166@qq.com
相关精彩阅读
编辑：张鹏
审核：周舟
郑重声明
根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信作品，需包含本微信名称、二维码等关键信息，并在文首注明《全球能源互联网》原创。
个人请按本微信原文转发、分享。
分享优秀论文，帮小编点个 “在看” 哦
