本公开涉及电网调频，尤其涉及一种考虑潜在影响因素的超容储能调频预测方法及装置。
背景技术：
1、当前，风电和光伏发电机组、直流输电装置等电力电子设备在电力系统的大规模应用，显著缩短了传统燃煤机组的运行时长，降低了电力消费的碳排放水平。但电力电子发电设备在替代传统燃煤机组的同时，也同步压减了电网旋转备用容量。电力电子化电力系统的低惯量、欠阻尼特征是大电网安全稳定运行面临的最大挑战。
2、储能技术是目前公认的可以有效提升电网旋转备用容量的途径。储能的方式目前主要采用基于化学方式的锂电池、铅酸电池、铅碳电池等，而锂电池、铅酸电池、铅碳电池等电化学类储能系统受电化学反应速率的限制，其功率密度比较小。当发生电网暂态扰动事件功率突变时，电化学储能系统不能快速地吸收或释放目标功率，较难满足系统的动态要求。
3、超级电容器具有充放电速度快、循环寿命长、安全性高等优势，尤其适合短时大容量功率需求场景，放电倍率是锂电池的百倍以上，近年来成为国内外广泛关注的一种新型储能元件。超级电容器如果能在电网中应用，可快速释放能量，全面解决大扰动情形下电网频率失稳、电压暂降等问题。
4、对于联合储能系统，需要对调频指令信号进行预测并分配，传统的预测仅仅是依据历史数据对调频指令进行预测，这种方法无法考虑其他潜在因素的影响，导致预测结果不够准确。
技术实现思路
1、本公开实施例提供了一种考虑潜在影响因素的超容储能调频预测方法及装置，用以解决现有的对于电网调频过程中的潜在影响因素挖掘不充分，预测调频指令不准确的问题。
2、基于上述问题，第一方面，提供一种考虑潜在影响因素的超容储能调频预测方法，包括：
3、获取预设潜在影响因素；
4、对所述预设潜在影响因素进行相同长度序列化，生成对应数量的与调频指令信号等长的第一序列；
5、对所述第一序列进行相关性筛查，将得到的正相关的序列保留，无关的序列深入挖掘，以及负相关的序列剔除；
6、将所述正相关的序列和对所述无关的序列进行深入挖掘后得到的第二序列组合，形成新的序列；
7、将历史调频指令序列和所述新的序列输入预先训练好的预测模型中，输出预测调频指令信号；所述预测模型以第一历史调频指令序列和基于预设潜在影响因素生成的第二历史调频指令对应的序列为输入，以预测的第二历史调频指令信号为输出，基于真实的第二历史调频指令信号进行训练。
8、结合第一方面，在一种可能的实施方式中，所述预设潜在影响因素至少包括：其他地区负荷的历史序列。
9、结合第一方面，在一种可能的实施方式中，所述对所述预设潜在影响因素进行相同长度序列化，包括：
10、当所述预设潜在影响因素的长度小于调频指令信号的长度时，对所述预设潜在影响因素进行拓展，得到与调频指令信号等长的第一序列；
11、当所述预设潜在影响因素的长度大于调频指令信号的长度时，对所述预设潜在影响因素进行删减，将序列删减部分的值与序列保留部分进行预设运算，得到与调频指令信号等长的第一序列。
12、结合第一方面，在一种可能的实施方式中，采用下式确定所述预设潜在影响因素对应的拓展部分：
13、
14、其中x(t)表示历史调频指令序列，rand()表示随机函数，n表示历史调频指令序列的长度，j表示预设潜在影响因素的长度，n表示预设潜在影响因素的数量。
15、结合第一方面，在一种可能的实施方式中，所述对所述第一序列进行相关性筛查，包括：
16、将历史调频指令序列输入所述预测模型中，输出预测调频指令信号，并与实际值进行比较，确定预测调频指令信号与实际值之间的误差系数为初始误差系数；
17、将历史调频指令序列的前95％和所述第一序列输入所述预测模型中，输出预测的后5％的调频指令序列；
18、将所述预测模型得到的预测的后5％的调频指令序列与历史调频指令序列的后5％进行比较，确定误差系数；
19、基于所述初始误差系数和所述第一序列对应的误差系数之间的关系，确定所述第一序列为正相关的序列或无关的序列或负相关的序列。
20、结合第一方面，在一种可能的实施方式中，所述基于所述初始误差系数和所述第一序列对应的误差系数之间的关系，确定所述第一序列为正相关的序列或无关的序列或负相关的序列，包括：
21、当所述第一序列对应的误差系数小于初始误差系数的90％时，该第一序列为正相关的序列；
22、当所述第一序列对应的误差系数大于初始误差系数的90％且小于初始误差系数时，该第一序列为无关的序列；
23、当所述第一序列对应的误差系数大于初始误差系数时，该第一序列为负相关的序列。
24、结合第一方面，在一种可能的实施方式中，所述对无关的序列进行深入挖掘，包括：
25、针对每个无关的序列，执行如下修正步骤：将该无关的序列中的每一个值通过修正函数进行修正，生成当前修正后的无关的序列；将该当前修正后的无关的序列和历史调频指令序列输入所述预测模型中，并确定对应的新的误差系数；
26、确定该新的误差系数是否满足预设条件；若不满足，则基于当前修正后的无关的序列，再次执行所述修正步骤，直到满足所述预设条件，并将满足所述预设条件的修正后的无关的序列确定为第二序列；
27、所述预设条件包括：新的误差系数小于所述初始误差系数的90％。
28、结合第一方面，在一种可能的实施方式中，所述修正函数如下所示：
29、
30、其中，xi表征所述无关的序列中的第i个值，表征与xi对应的修正后的值。
31、第二方面，提供一种考虑潜在影响因素的超容储能调频预测装置，包括：
32、潜在因素获取模块，用于获取预设潜在影响因素；
33、预处理模块，用于对所述预设潜在影响因素进行相同长度序列化，生成对应数量的与调频指令信号等长的第一序列；
34、相关性筛查模块，用于对所述第一序列进行相关性筛查，将得到的正相关的序列保留，无关的序列深入挖掘，以及负相关的序列剔除；
35、深入挖掘模块，用于将所述正相关的序列和对所述无关的序列进行深入挖掘后得到的第二序列组合，形成新的序列；
36、最终预测模块，用于将历史调频指令序列和所述新的序列输入预先训练好的预测模型中，输出预测调频指令信号；所述预测模型以第一历史调频指令序列和基于预设潜在影响因素生成的第二历史调频指令对应的序列为输入，以预测的第二历史调频指令信号为输出，基于真实的第二历史调频指令信号进行训练。
37、结合第二方面，在一种可能的实施方式中，所述预处理模块中，预设潜在影响因素包括：其他地区负荷的历史序列、上一年本地区的调频指令序列。
38、结合第二方面，在一种可能的实施方式中，所述预处理模块中，对所述预设潜在影响因素进行相同长度序列化，包括：
39、当所述预设潜在影响因素的长度小于调频指令信号的长度时，对所述预设潜在影响因素进行拓展，得到与调频指令信号等长的第一序列；
40、当所述预设潜在影响因素的长度大于调频指令信号的长度时，对所述预设潜在影响因素进行删减，将序列删减部分的值与序列保留部分进行预设运算，得到与调频指令信号等长的第一序列。
41、结合第二方面，在一种可能的实施方式中，所述预处理模块中，采用下式确定所述预设潜在影响因素对应的拓展部分：
42、
43、其中x(t)表示历史调频指令序列，rand()表示随机函数，n表示历史调频指令序列的长度，j表示预设潜在影响因素的长度，n表示预设潜在影响因素的数量。
44、结合第二方面，在一种可能的实施方式中，所述相关性筛查模块中，对所述第一序列进行相关性筛查，包括：
45、将历史调频指令序列输入所述预测模型中，输出预测调频指令信号，并与实际值进行比较，确定预测调频指令信号与实际值之间的误差系数为初始误差系数；
46、将历史调频指令序列的前95％和所述第一序列输入所述预测模型中，输出预测的后5％的调频指令序列；
47、将所述预测模型得到的预测的后5％的调频指令序列与历史调频指令序列的后5％进行比较，确定误差系数；
48、基于所述初始误差系数和所述第一序列对应的误差系数之间的关系，确定所述第一序列为正相关的序列或无关的序列或负相关的序列。
49、结合第二方面，在一种可能的实施方式中，所述相关性筛查模块中，所述基于所述初始误差系数和所述第一序列对应的误差系数之间的关系，确定所述第一序列为正相关的序列或无关的序列或负相关的序列，包括：
50、当所述第一序列对应的误差系数小于初始误差系数的90％时，该第一序列为正相关的序列；
51、当所述第一序列对应的误差系数大于初始误差系数的90％且小于初始误差系数时，该第一序列为无关的序列；
52、当所述第一序列对应的误差系数大于初始误差系数时，该第一序列为负相关的序列。
53、结合第二方面，在一种可能的实施方式中，所述深入挖掘模块中，所述对无关的序列进行深入挖掘，包括：
54、针对每个无关的序列，执行如下修正步骤：将该无关的序列中的每一个值通过修正函数进行修正，生成当前修正后的无关的序列；将该当前修正后的无关的序列和历史调频指令序列输入所述预测模型中，并确定对应的新的误差系数；
55、确定该新的误差系数是否满足预设条件；若不满足，则基于当前修正后的无关的序列，再次执行所述修正步骤，直到满足所述预设条件，并将满足所述预设条件的修正后的无关的序列确定为第二序列；
56、所述预设条件包括：新的误差系数小于所述初始误差系数的90％。
57、结合第二方面，在一种可能的实施方式中，所述深入挖掘模块中，所述修正函数如下所示：
58、
59、其中，xi表征所述无关的序列中的第i个值，表征与xi对应的修正后的值。
60、第三方面，提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如第一方面，或者结合第一方面的任一种可能的实施方式所述的考虑潜在影响因素的超容储能调频预测方法的步骤。
61、第四方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如第一方面，或者结合第一方面的任一种可能的实施方式所述的考虑潜在影响因素的超容储能调频预测方法的步骤。
62、本公开实施例的有益效果包括：
63、本公开实施例提供了一种考虑潜在影响因素的超容储能调频预测方法及装置，应用于电厂运行过程中处理电网频率波动问题，通过对多种潜在影响因素的处理改进传统的预测方法，使预测结果更加准确，电网调频效率更高。本
技术实现要素：
涉及：获取预设潜在影响因素；将所述预设潜在影响因素进行相同长度序列化处理，转化为与历史调频指令序列等长的第一序列；对所述第一序列进行相关性筛查，将得到的正相关的序列保留，无关的序列深入挖掘，以及负相关的序列剔除；将所述正相关的序列和对所述无关的序列进行深入挖掘后得到的第二序列进行组合，形成新的序列；将历史调频指令序列和所述新的序列输入预先训练好的预测模型中，输出预测调频指令信号；所述预测模型以历史调频指令序列和预设潜在影响因素生成的序列为输入，以预测调频指令信号为输出，历史调频指令信号为真值。通过对多种潜在影响因素的处理，进一步提高预测的准确度，使调频效果更好、电厂收益提升。
1.一种考虑潜在影响因素的超容储能调频预测方法，其特征在于，包括：
2.如权利要求1所述的方法，所述预设潜在影响因素至少包括：其他地区负荷的历史序列。
3.如权利要求1所述的方法，其特征在于，所述对所述预设潜在影响因素进行相同长度序列化，包括：
4.如权利要求3所述的方法，其特征在于，采用下式确定所述预设潜在影响因素对应的拓展部分：
5.如权利要求1所述的方法，其特征在于，所述对所述第一序列进行相关性筛查，包括：
6.如权利要求5所述的方法，其特征在于，所述基于所述初始误差系数和所述第一序列对应的误差系数之间的关系，确定所述第一序列为正相关的序列或无关的序列或负相关的序列，包括：
7.如权利要求5所述的方法，其特征在于，所述对无关的序列进行深入挖掘，包括：
8.如权利要求7所述的方法，其特征在于，所述修正函数如下所示：
9.一种考虑潜在影响因素的超容储能调频预测装置，其特征在于，包括：
10.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至8任一所述的考虑潜在影响因素的超容储能调频预测方法的步骤。
