本申请涉及新能源电力系统，特别涉及一种基于功率预测的风光储联合装机容量配比方法。
背景技术：
1、风力发电和光伏发电是新能源电力系统中重要的能源形式，风光发电具有强随机性、易受天气状况影响的特点，给风光发电系统的稳定性和效率带来挑战，配置储能系统可以平抑风光发电的波动，但储能系统的容量需要与风电和光伏的装机容量相匹配。因此，需对风光储联合装机容量配比进行研究。
2、现有技术中，中国专利cn103326388a公开了基于功率预测的微电网储能系统及容量配置方法，采用快速启动发电设备和储能设备相配合作为微电网系统的备用电源，以平衡微电网系统中风力发电系统和光伏发电系统的功率波动；在单纯由微电网储能系统供电的情况下，测出多次快速启动发电设备的最长发电时间，基于风力发电系统和光伏发电系统的功率预测技术，计算出在该最长发电时间内风力发电系统和光伏发电系统的功率波动，得出微电网系统中储能设备的最小容量配置。
3、然而，上述现有技术受到学习机制的局限，对长序列风光功率的预测效果不佳，从而风光储联合出力的稳定性和装机容量配比的经济性较差。
技术实现思路
1、本申请提供了一种基于功率预测的风光储联合装机容量配比方法，用以解决现有的风光电力系统技术对长序列风光功率的预测效果不佳，风光储联合出力的稳定性和装机容量配比的经济性较差的问题。
2、一方面，本申请提供了一种基于功率预测的风光储联合装机容量配比方法，包括以下步骤：
3、步骤s1，读取风光多维特征数据，通过计算特征间相关系数，使用缩放因子对所述风光多维特征数据进行逐步处理，并划分得到不同特征数据集。
4、步骤s2，对所述不同特征数据集进行片段分割并编码，得到嵌入表示数据。
5、步骤s3，采用可学习中间层和encode-decoder循环结构构建功率预测模型，其中，所述可学习中间层用于实现不同时序的嵌入表示数据之间的交互，所述encode-decoder循环结构用于进行信息蒸馏和结果输出。
6、步骤s4，设置训练策略，对所述功率预测模型进行训练，训练过程中采用优化算法进行参数调整，采用训练好的功率预测模型进行风光功率预测，得到风光功率预测结果。
7、步骤s5，基于所述风光功率预测结果和系统稳定性要求构建系统功率波动模型，并构建储能系统模型。
8、步骤s6，考虑风光储联合系统的经济成本，基于所述系统功率波动模型和所述储能系统模型构建考虑功率波动和经济性双重目标的风光储联合装机容量配比模型，求解得到风光储联合装机容量配比方案。
9、在一种可能的实现方式中，步骤s1中，所述风光多维特征数据包括：风电光电历史输出功率和环境指标数据。
10、步骤s1包括：
11、读取所述风光多维特征数据，确定所述特征间相关系数，对所述风光多维特征数据进行预处理。
12、引入缩放因子，对所述风光多维特征数据进行norm处理，对处理后的风光多维特征数据划分得到不同特征数据集。
13、在一种可能的实现方式中，步骤s2包括：
14、构建数据集分割函数，采用所述数据集分割函数对所述不同特征数据集进行片段分割，得到数据片段。
15、对所述数据片段进行编码，得到所述嵌入表示数据。
16、在一种可能的实现方式中，步骤s3中，在采用可学习中间层和encode-decoder循环结构构建功率预测模型之前，先对不同时序的嵌入表示数据进行add和norm操作。
17、在一种可能的实现方式中，步骤s4中，还采用评估指标对训练好的功率预测模型进行性能评估。
18、在一种可能的实现方式中，步骤s5包括：
19、分析风电和光伏的出力变化特性，基于所述风光功率预测结果和系统稳定性要求构建系统功率波动模型，计算最小化系统功率波动的风光最佳容量配比。
20、构建储能系统模型，根据所述储能系统模型确定功率波动量化指标与储能容量配比函数的映射框架。
21、在一种可能的实现方式中，步骤s6中，确定所述风光储联合装机容量配比模型的多目标函数和约束条件，采用多目标螳螂搜索算法对所述风光储联合装机容量配比模型求解，得到所述风光储联合装机容量配比方案。
22、本申请中的一种基于功率预测的风光储联合装机容量配比方法，具有以下优点：
23、通过结合特征间相关系数、缩放因子、片段分割、编码、可学习中间层，达到从全局注意力搜索捕捉全局数据间的依赖性，实现了对长序列风光功率的精准预测；基于风光功率预测结果，构建考虑功率波动和经济性目标的风光储联合装机容量配比模型并求解，提高了风光储联合出力的稳定性和装机容量配比的经济性。
1.一种基于功率预测的风光储联合装机容量配比方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s1中，所述风光多维特征数据包括：风电光电历史输出功率和环境指标数据；
3.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s2包括：
4.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s3中，在采用可学习中间层和encode-decoder循环结构构建功率预测模型之前，先对不同时序的嵌入表示数据进行add和norm操作。
5.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s4中，还采用评估指标对训练好的功率预测模型进行性能评估。
6.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s5包括：
7.根据权利要求1所述的一种基于功率预测的风光储联合装机容量配比方法，其特征在于，步骤s6中，确定所述风光储联合装机容量配比模型的多目标函数和约束条件，采用多目标螳螂搜索算法对所述风光储联合装机容量配比模型求解，得到所述风光储联合装机容量配比方案。
