一种虚拟电厂的光伏发电与储能聚合管理方法及装置

技术领域

本发明涉及能源管理的技术领域，特别是涉及一种虚拟电厂的光伏发电与储能聚合管理方法及装置。

背景技术

光伏发电系统由多个分布在不同地点的光伏电站组成，这些电站通过太阳能光伏板将阳光转化为电能，对电能进行交直流转换后输出到电网上；而储能系统利用电池等设备将多余的电能储存起来，在需求高峰期释放出来，可以灵活地调节供需差异，减少电网负荷波动，提高电网的稳定性和可靠性。

现有技术中普遍通过虚拟电厂对各个分布式光伏发电系统和储能系统进行协同控制和优化调度，以提高能源管理效率，但由于虚拟电厂涉及到多个能源系统的协同管理，且虚拟电厂的运行和管理较为复杂，需要综合考虑多种因素和变量，如光伏发电系统的光伏发电量受到天气条件的影响，存在波动性，仅基于传统技术中利用历史发电量进行简单预测的方法，无法有效应对光伏发电量的波动性；且传统的优化调度方法往往只考虑当前的电能市场价格，无法充分利用光伏发电和负荷需求的预测信息，导致储能系统的充放电效率低下。

发明内容

本发明要解决的技术问题是：提供一种虚拟电厂的光伏发电与储能聚合管理方法及装置，通过提高对光伏发电量和负荷需求量的预测准确性，优化储能系统的充放电策略，从而提高虚拟电厂的能源管理效率。

为了解决上述技术问题，本发明提供了一种虚拟电厂的光伏发电与储能聚合管理方法，包括：

将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型分别输出多个未来时刻对应的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对；

基于所述预测天气-光伏发电量键值对，生成第一预测光伏发电量曲线，并基于所述预测能源价格-光伏发电量键值对，生成第二预测光伏发电量曲线，对所述第一预测光伏发电量曲线和所述第二预测光伏发电量曲线进行拟合处理，得到拟合光伏发电量曲线；

将获取的历史天气-实际负荷需求量键值对数据序列和历史能源价格-实际负荷需求量键值对数据序列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型分别输出多个未来时刻对应的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对；

基于所述预测天气-实际负荷需求量键值对，生成第一预测负荷需求量曲线，并基于所述预测能源价格-实际负荷需求量键值对，生成第二预测负荷需求量曲线，对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线；

基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，并基于所述储能系统充放电策略，对储能系统进行充放电管理。

在一种可能的实现方式中，将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模前，还包括：

选取多个历史时刻对应的历史天气数据和第一光伏发电量，基于所述历史天气数据和所述第一光伏发电量，构建每个历史时刻对应的历史天气-光伏发电量键值对，得到历史天气-光伏发电量键值对数据序列；

选取多个历史时刻对应的历史能源价格和第二光伏发电量，基于所述历史能源价格和所述第二光伏发电量，构建每个历史时刻对应的历史能源价格-光伏发电量键值对，得到历史能源价格-光伏发电量键值对数据序列。

在一种可能的实现方式中，所述光伏发电量预测模型的预训练过程，具体包括：

获取多个第一三元组样本数据，其中，每个第一三元组样本数据包括天气样本数据、能源价格样本数据和光伏发电量样本数据；

分别对所述多个第一三元组样本数据进行第一掩码处理，得到多个第一掩码样本数据，其中，所述第一掩码样本数据包括第一天气样本数据、掩码能源价格样本数据和第一光伏发电量样本数据；

并分别对所述多个第一三元组样本数据进行第二掩码处理，得到多个第二掩码样本数据，其中，所述第二掩码样本数据包括掩码天气样本数据、第一能源价格样本数据和第二光伏发电量样本数据；

以所述第一天气样本数据和所述掩码能源价格样本数据为模型输入，以所述第一光伏发电量样本数据为模型输出，并以所述掩码天气样本数据和所述第一能源价格样本数据为模型输入，以所述第二光伏发电量样本数据为模型输出，对初始光伏发电量预测模型进行模型训练，直至模型收敛或达到预设迭代次数，得到光伏发电量预测模型。

在一种可能的实现方式中，对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线，具体包括：

获取负荷需求量对应的负荷需求上限和负荷需求下限；

基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，以使得到第一校正预测负荷需求量曲线和第二校正预测负荷需求量曲线；

对所述第一校正预测负荷需求量曲线进行归一化处理，得到第一归一化负荷需求量曲线，对所述第二校正预测负荷需求量曲线进行归一化处理，得到第二归一化负荷需求量曲线；

对所述第一归一化负荷需求量曲线和所述第二归一化负荷需求量曲线进行加权平均处理，得到拟合负荷需求量曲线。

在一种可能的实现方式中，基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，具体包括：

基于所述负荷需求上限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第一预测负荷需求量值大于所述负荷需求上限，则将所述第一预测负荷需求量值校正为所述负荷需求上限；

基于所述负荷需求下限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第二预测负荷需求量值小于所述负荷需求下限，则将所述第二预测负荷需求量值校正为所述负荷需求下限。

在一种可能的实现方式中，基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，具体包括：

将所述拟合光伏发电量曲线和所述拟合负荷需求量曲线进行对比，当所述拟合光伏发电量曲线中的拟合光伏发电量大于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行充电；

当所述拟合光伏发电量曲线中的拟合光伏发电量小于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行放电；

当所述拟合光伏发电量曲线中的拟合光伏发电量等于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统保持平衡。

在一种可能的实现方式中，设置当前储能系统充放电策略为储能系统进行充电后，还包括：

获取所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第一距离，基于所述第一距离，确定所述储能系统的充电功率。

本发明还提供了一种虚拟电厂的光伏发电与储能聚合管理装置，包括：光伏发电量预测模块、拟合光伏发电量曲线获取模块、实际负荷需求量预测模块、拟合负荷需求量曲线获取模块和储能系统充放电策略设置模块；

其中，所述光伏发电量预测模块，用于将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型分别输出多个未来时刻对应的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对；

所述拟合光伏发电量曲线获取模块，用于基于所述预测天气-光伏发电量键值对，生成第一预测光伏发电量曲线，并基于所述预测能源价格-光伏发电量键值对，生成第二预测光伏发电量曲线，对所述第一预测光伏发电量曲线和所述第二预测光伏发电量曲线进行拟合处理，得到拟合光伏发电量曲线；

所述实际负荷需求量预测模块，用于将获取的历史天气-实际负荷需求量键值对数据序列和历史能源价格-实际负荷需求量键值对数据序列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型分别输出多个未来时刻对应的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对；

所述拟合负荷需求量曲线获取模块，用于基于所述预测天气-实际负荷需求量键值对，生成第一预测负荷需求量曲线，并基于所述预测能源价格-实际负荷需求量键值对，生成第二预测负荷需求量曲线，对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线；

所述储能系统充放电策略设置模块，用于基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，并基于所述储能系统充放电策略，对储能系统进行充放电管理。

在一种可能的实现方式中，所述光伏发电量预测模块，用于将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型前，还包括：

选取多个历史时刻对应的历史天气数据和第一光伏发电量，基于所述历史天气数据和所述第一光伏发电量，构建每个历史时刻对应的历史天气-光伏发电量键值对，得到历史天气-光伏发电量键值对数据序列；

选取多个历史时刻对应的历史能源价格和第二光伏发电量，基于所述历史能源价格和所述第二光伏发电量，构建每个历史时刻对应的历史能源价格-光伏发电量键值对，得到历史能源价格-光伏发电量键值对数据序列。

在一种可能的实现方式中，所述光伏发电量预测模块中所述光伏发电量预测模型的预训练过程，具体包括：

获取多个第一三元组样本数据，其中，每个第一三元组样本数据包括天气样本数据、能源价格样本数据和光伏发电量样本数据；

分别对所述多个第一三元组样本数据进行第一掩码处理，得到多个第一掩码样本数据，其中，所述第一掩码样本数据包括第一天气样本数据、掩码能源价格样本数据和第一光伏发电量样本数据；

并分别对所述多个第一三元组样本数据进行第二掩码处理，得到多个第二掩码样本数据，其中，所述第二掩码样本数据包括掩码天气样本数据、第一能源价格样本数据和第二光伏发电量样本数据；

以所述第一天气样本数据和所述掩码能源价格样本数据为模型输入，以所述第一光伏发电量样本数据为模型输出，并以所述掩码天气样本数据和所述第一能源价格样本数据为模型输入，以所述第二光伏发电量样本数据为模型输出，对初始光伏发电量预测模型进行模型训练，直至模型收敛或达到预设迭代次数，得到光伏发电量预测模型。

在一种可能的实现方式中，所述拟合负荷需求量曲线获取模块，用于对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线，具体包括：

获取负荷需求量对应的负荷需求上限和负荷需求下限；

基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，以使得到第一校正预测负荷需求量曲线和第二校正预测负荷需求量曲线；

对所述第一校正预测负荷需求量曲线进行归一化处理，得到第一归一化负荷需求量曲线，对所述第二校正预测负荷需求量曲线进行归一化处理，得到第二归一化负荷需求量曲线；

对所述第一归一化负荷需求量曲线和所述第二归一化负荷需求量曲线进行加权平均处理，得到拟合负荷需求量曲线。

在一种可能的实现方式中，所述拟合负荷需求量曲线获取模块，用于基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，具体包括：

基于所述负荷需求上限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第一预测负荷需求量值大于所述负荷需求上限，则将所述第一预测负荷需求量值校正为所述负荷需求上限；

基于所述负荷需求下限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第二预测负荷需求量值小于所述负荷需求下限，则将所述第二预测负荷需求量值校正为所述负荷需求下限。

在一种可能的实现方式中，所述储能系统充放电策略设置模块，用于基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，具体包括：

将所述拟合光伏发电量曲线和所述拟合负荷需求量曲线进行对比，当所述拟合光伏发电量曲线中的拟合光伏发电量大于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行充电；

当所述拟合光伏发电量曲线中的拟合光伏发电量小于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行放电；

当所述拟合光伏发电量曲线中的拟合光伏发电量等于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统保持平衡。

在一种可能的实现方式中，所述储能系统充放电策略设置模块，用于设置当前储能系统充放电策略为储能系统进行充电后，还包括：

获取所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第一距离，基于所述第一距离，确定所述储能系统的充电功率。

本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的虚拟电厂的光伏发电与储能聚合管理方法。

本发明还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的虚拟电厂的光伏发电与储能聚合管理方法。

本发明实施例一种虚拟电厂的光伏发电与储能聚合管理方法及装置，与现有技术相比，具有如下有益效果：

通过将历史天气-光伏发电量键值对数据和历史能源价格-光伏发电量键值对数据输入到预训练的光伏发电量预测模型中，可以获得多个未来时刻的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对，并基于预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对，对应生成第一预测光伏发电量曲线和第二预测光伏发电量曲线，通过对两条曲线进行拟合处理，得到拟合光伏发电量曲线，从而提高光伏发电量预测的准确性；通过将历史天气-实际负荷需求量键值对数据和历史能源价格-实际负荷需求量键值对数据输入到预训练的负荷需求量预测模型中，可以获得未来时刻的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对，并基于预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对，对应生成将第一预测负荷需求量曲线和第二预测负荷需求量曲线，通过对两条曲线进行拟合处理，得到拟合负荷需求量曲线，从而提高负荷需求量预测的准确性；最后通过拟合光伏发电量曲线和拟合负荷需求量曲线来设置储能系统的充放电策略，可以更准确地控制储能系统的运行，使其能够在光伏发电量高峰时段进行充电，在负荷需求量高峰时段进行放电，从而实现能源的平衡和优化，提高储能系统的效益。

附图说明

图1是本发明提供的一种虚拟电厂的光伏发电与储能聚合管理方法的一种实施例的流程示意图；

图2是本发明提供的一种虚拟电厂的光伏发电与储能聚合管理装置的一种实施例的结构示意图。

具体实施方式

下面将结合本发明中的附图，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1，参见图1，图1是本发明提供的一种虚拟电厂的光伏发电与储能聚合管理方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101-步骤105，具体如下：

步骤101：将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型分别输出多个未来时刻对应的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对。

一实施例中，选取多个历史时刻对应的历史天气数据和第一光伏发电量，基于所述历史天气数据和所述第一光伏发电量，构建每个历史时刻对应的历史天气-光伏发电量键值对，得到历史天气-光伏发电量键值对数据序列。

具体的，以同一历史时刻对应的历史天气数据为键名，并以同一历史时刻对应的第一光伏发电量为键值，构建每个历史时刻对应的历史天气-光伏发电量键值对。

优选的，选取的多个历史时刻为连续的历史时刻。

一实施例中，选取多个历史时刻对应的历史能源价格和第二光伏发电量，基于所述历史能源价格和所述历史能源价格，构建每个历史时刻对应的历史能源价格-光伏发电量键值对，得到历史能源价格-光伏发电量键值对数据序列。

具体的，以同一历史时刻对应的历史能源价格为键名，并以同一历史时刻对应的历史能源价格为键值，构建每个历史时刻对应的历史天气-光伏发电量键值对。

优选的，所述第一光伏发电量和所述第二光伏发电量为同一光伏发电量。

一实施例中，在对所述光伏发电量预测模型进行预训练过程时，具体的，通过获取多个第一三元组样本数据，其中，每个第一三元组样本数据包括天气样本数据、能源价格样本数据和光伏发电量样本数据。

具体的，获取多个同一时刻的天气样本数据、能源价格样本数据和光伏发电量样本数据，并将所述天气样本数据、所述能源价格样本数据和所述光伏发电量样本数据作为三元组，得到第一三元组样本数据；优选的，设置所述第一三元组样本数据的数据格式为天气样本数据—能源价格样本数据—光伏发电量样本数据。

一实施例中，分别对所述多个第一三元组样本数据进行第一掩码处理，得到多个第一掩码样本数据，其中，所述第一掩码样本数据包括第一天气样本数据、掩码能源价格样本数据和第一光伏发电量样本数据。

具体的，分别对所述多个第一三元组样本数据进行第一掩码处理时，获取每个第一三元组样本数据中的能源价格样本数据，并将每个能源价格样本数据进行格式转换处理，以使将所述每个能源价格样本数据成目标字符，得到掩码能源价格样本数据，其中，所述目标字符包括但不限于***、％％％、###等。

一实施例中，并分别对所述多个第一三元组样本数据进行第二掩码处理，得到多个第二掩码样本数据，其中，所述第二掩码样本数据包括掩码天气样本数据、第一能源价格样本数据和第二光伏发电量样本数据。

具体的，分别对所述多个第一三元组样本数据进行第二掩码处理时，获取每个第一三元组样本数据中的天气样本数据，并将每个天气样本数据进行格式转换处理，以使将所述每个能源价格样本数据成目标字符，得到掩码天气样本数据，其中，所述目标字符包括但不限于***、％％％、###等。

一实施例中，以所述第一天气样本数据和所述掩码能源价格样本数据为模型输入，以所述第一光伏发电量样本数据为模型输出，并以所述掩码天气样本数据和所述第一能源价格样本数据为模型输入，以所述第二光伏发电量样本数据为模型输出，对初始光伏发电量预测模型进行模型训练，直至模型收敛或达到预设迭代次数，得到光伏发电量预测模型。

具体的，以所述第一天气样本数据和所述掩码能源价格样本数据为模型输入时，模型对输入的所述第一天气样本数据和所述掩码能源价格样本数据进行识别处理，在识别到目标格式为目标字符的掩码能源价格样本数据后，对所述掩码能源价格样本数据进行忽略，只提取所述第一天气样本数据，并基于所述第一天气样本数据，输出预测的第一光伏发电量样本数据。

具体的，基于所述第一天气样本数据，输出预测的第一光伏发电量样本数据时，基于连续输入的第一天气样本数据，对未来时刻的天气数据进行预测，得到未来时刻对应的预测天气数据，基于预测天气数据，输出预测的第一光伏发电量样本数据。

具体的，以所述掩码天气样本数据和所述第一能源价格样本数据为模型输入时，模型对输入的所述掩码天气样本数据和所述第一能源价格样本数据进行识别处理，在识别到数据格式为目标字符的掩码天气样本数据后，对所述掩码天气样本数据进行忽略，只提取所述第一能源价格样本数据，并基于所述第一能源价格样本数据，输出预测的第二光伏发电量样本数据。

具体的，基于所述第一能源价格样本数据，输出预测的第二光伏发电量样本数据时，基于连续输入的第一能源价格样本数据，对未来时刻的能源价格数据进行预测，得到未来时刻对应的预测能源价格数据，基于预测能源价格数据，输出预测的第二光伏发电量样本数据。

一实施例中，得到光伏发电量预测模型后，直接将获取的历史天气-光伏发电量键值对数据系列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型获取所述历史天气-光伏发电量键值对数据系列中的多个历史天气数据，以使基于所述历史天气数据进行天气数据预测，得到未来时刻对应的第一预测天气数据，并基于所述第一预测天气数据输出预测的第一预测光伏发电量，基于所述第一预测天气数据和所述第一预测光伏发电量，得到多个未来时刻对应的预测天气-光伏发电量键值对。

一实施例中，得到光伏发电量预测模型后，直接将获取的历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型获取所述历史能源价格-光伏发电量键值对数据序列中的多个历史能源价格，以使基于所历史能源价格进行价格数据预测，得到未来时刻对应的第一预测能源价格数据，并基于所述第一预测能源价格数据输出预测的第二预测光伏发电量，基于所述第一预测能源价格数据和所述第二预测光伏发电量，得到多个未来时刻对应的预测能源价格-光伏发电量键值对。

步骤102：基于所述预测天气-光伏发电量键值对，生成第一预测光伏发电量曲线，并基于所述预测能源价格-光伏发电量键值对，生成第二预测光伏发电量曲线，对所述第一预测光伏发电量曲线和所述第二预测光伏发电量曲线进行拟合处理，得到拟合光伏发电量曲线。

一实施例中，基于所述预测天气-光伏发电量键值对，生成第一预测光伏发电量曲线时，基于每个所述预测天气-光伏发电量键值对对应的时刻按从小到大进行排序，得到预测天气-光伏发电量键值对数据序列；以所述预测天气-光伏发电量键值对数据序列中的每个光伏发电量以纵坐标，以所述预测天气-光伏发电量键值对数据序列对应的时刻为横坐标，生成第一预测光伏发电量曲线。

一实施例中，基于所述预测能源价格-光伏发电量键值对，生成第二预测光伏发电量曲线时，基于每个所述预测能源价格-光伏发电量键值对对应的时刻按从小到大进行排序，得到预测能源价格-光伏发电量键值对数据序列；以所述预测能源价格-光伏发电量键值对数据序列中的每个光伏发电量以纵坐标，以所述预测能源价格-光伏发电量键值对数据序列对应的时刻为横坐标，生成第二预测光伏发电量曲线。

一实施例中，对所述第一预测光伏发电量曲线进行归一化处理，得到第一归一化光伏发电量曲线，对所述第二预测光伏发电量曲线进行归一化处理，得到第二归一化光伏发电量曲线。

一实施例中，对所述第一归一化光伏发电量曲线和所述第二归一化光伏发电量曲线进行加权平均处理，得到拟合光伏发电量曲线。

步骤103：将获取的历史天气-实际负荷需求量键值对数据序列和历史能源价格-实际负荷需求量键值对数据序列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型分别输出多个未来时刻对应的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对。

一实施例中，选取多个历史时刻对应的历史天气数据和第一实际负荷需求量，基于所述历史天气数据和所述实际负荷需求量，构建每个历史时刻对应的历史天气-实际负荷需求量键值对，得到历史天气-实际负荷需求量键值对数据序列。

具体的，以同一历史时刻对应的历史天气数据为键名，并以同一历史时刻对应的第一实际负荷需求量为键值，构建每个历史时刻对应的历史天气-实际负荷需求量键值对。

一实施例中，选取多个历史时刻对应的历史能源价格和第二实际负荷需求量，基于所述历史能源价格和所述历史能源价格，构建每个历史时刻对应的历史能源价格-实际负荷需求量键值对，得到历史能源价格-实际负荷需求量键值对数据序列。

具体的，以同一历史时刻对应的历史能源价格为键名，并以同一历史时刻对应的历史能源价格为键值，构建每个历史时刻对应的历史天气-实际负荷需求量键值对。

优选的，所述第一实际负荷需求量和所述第二实际负荷需求量为同一实际负荷需求量。

一实施例中，在对所述负荷需求量预测模型进行预训练过程时，具体的，通过获取多个第二三元组样本数据，其中，每个第二三元组样本数据包括天气样本数据、能源价格样本数据和实际负荷需求量样本数据。

具体的，获取多个同一时刻的天气样本数据、能源价格样本数据和实际负荷需求量样本数据，并将所述天气样本数据、所述能源价格样本数据和所述实际负荷需求量样本数据作为三元组，得到第二三元组样本数据；优选的，设置所述第二三元组样本数据的数据格式为天气样本数据—能源价格样本数据—实际负荷需求量样本数据。

一实施例中，分别对所述多个第而三元组样本数据进行第三掩码处理，得到多个第三掩码样本数据，其中，所述第三掩码样本数据包括第二天气样本数据、第一掩码能源价格样本数据和第一实际负荷需求量样本数据。

具体的，分别对所述多个第二三元组样本数据进行第一掩码处理时，获取每个第二三元组样本数据中的能源价格样本数据，并将每个能源价格样本数据进行格式转换处理，以使将所述每个能源价格样本数据成目标字符，得到掩码能源价格样本数据，其中，所述目标字符包括但不限于***、％％％、###等。

一实施例中，并分别对所述多个第二三元组样本数据进行第四掩码处理，得到多个第四掩码样本数据，其中，所述第四掩码样本数据包括第一掩码天气样本数据、第二能源价格样本数据和第二实际负荷需求量样本数据。

具体的，分别对所述多个第二三元组样本数据进行第四掩码处理时，获取每个第二三元组样本数据中的天气样本数据，并将每个天气样本数据进行格式转换处理，以使将所述每个能源价格样本数据成目标字符，得到掩码天气样本数据，其中，所述目标字符包括但不限于***、％％％、###等。

一实施例中，以所述第二天气样本数据和所述第一掩码能源价格样本数据为模型输入，以所述第一实际负荷需求量样本数据为模型输出，并以所述第一掩码天气样本数据和所述第二能源价格样本数据为模型输入，以所述第二实际负荷需求量样本数据为模型输出，对初始负荷需求量预测模型进行模型训练，直至模型收敛或达到预设迭代次数，得到负荷需求量预测模型。

具体的，以所述第二天气样本数据和所述第一掩码能源价格样本数据为模型输入时，模型对输入的所述第二天气样本数据和所述第一掩码能源价格样本数据进行识别处理，在识别到目标格式为目标字符的掩码能源价格样本数据后，对所述第一掩码能源价格样本数据进行忽略，只提取所述天气样本数据，并基于所述天气样本数据，输出预测的第一实际负荷需求量样本数据。

具体的，基于所述第二天气样本数据，输出预测的第一实际负荷需求量样本数据时，基于连续输入的天气样本数据，对未来时刻的天气数据进行预测，得到未来时刻对应的预测天气数据，基于第二预测天气数据，输出预测的第一实际负荷需求量样本数据。

具体的，以所述第一掩码天气样本数据和所述第二能源价格样本数据为模型输入时，模型对输入的所述第一掩码天气样本数据和所述第二能源价格样本数据进行识别处理，在识别到数据格式为目标字符的第一掩码天气样本数据后，对所述第一掩码天气样本数据进行忽略，只提取所述第二能源价格样本数据，并基于所述第二能源价格样本数据，输出预测的第二实际负荷需求量样本数据。

具体的，基于所述第二能源价格样本数据，输出预测的第二实际负荷需求量样本数据时，基于连续输入的第二能源价格样本数据，对未来时刻的能源价格数据进行预测，得到未来时刻对应的第一预测能源价格数据，基于第一预测能源价格数据，输出预测的第二实际负荷需求量样本数据。

一实施例中，得到负荷需求量预测模型后，直接将获取的历史天气-负荷需求量键值对数据系列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型获取所述历史天气-负荷需求量键值对数据系列中的多个历史天气数据，以使基于所述历史天气数据进行天气数据预测，得到未来时刻对应的第二预测天气数据，并基于所述第二预测天气数据输出预测的第一预测负荷需求量，基于所述第二预测天气数据和所述第一预测负荷需求量，得到多个未来时刻对应的预测天气-负荷需求量键值对。

一实施例中，得到负荷需求量预测模型后，直接将获取的历史能源价格-负荷需求量键值对数据序列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型获取所述历史能源价格-负荷需求量键值对数据序列中的多个历史能源价格，以使基于所历史能源价格进行价格数据预测，得到未来时刻对应的第二预测能源价格数据，并基于所述第二预测能源价格数据输出预测的第二预测负荷需求量，基于所述第二预测能源价格数据和所述第二预测负荷需求量，得到多个未来时刻对应的预测能源价格-负荷需求量键值对。

步骤104：基于所述预测天气-实际负荷需求量键值对，生成第一预测负荷需求量曲线，并基于所述预测能源价格-实际负荷需求量键值对，生成第二预测负荷需求量曲线，对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线。

一实施例中，基于所述预测天气-实际负荷需求量键值对，生成第一预测负荷需求量曲线时，基于每个所述预测天气-实际负荷需求量键值对对应的时刻按从小到大进行排序，得到预测天气-实际负荷需求量键值对数据序列；以所述预测天气-实际负荷需求量键值对数据序列中的每个负荷需求量以纵坐标，以所述预测天气-实际负荷需求量键值对数据序列对应的时刻为横坐标，生成第一预测负荷需求量曲线。

一实施例中，基于所述预测能源价格-实际负荷需求量键值对，生成第二预测负荷需求量曲线时，基于每个所述预测能源价格-实际负荷需求量键值对对应的时刻按从小到大进行排序，得到预测能源价格-实际负荷需求量键值对数据序列；以所述预测能源价格-实际负荷需求量键值对数据序列中的每个负荷需求量以纵坐标，以所述预测能源价格-实际负荷需求量键值对数据序列对应的时刻为横坐标，生成第二预测负荷需求量曲线。

一实施例中，获取负荷需求量对应的负荷需求上限和负荷需求下限。

一实施例中，基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，以使得到第一校正预测负荷需求量曲线和第二校正预测负荷需求量曲线。

具体的，基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理时，基于所述负荷需求上限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第一预测负荷需求量值大于所述负荷需求上限，则将所述第一预测负荷需求量值校正为所述负荷需求上限；基于所述负荷需求下限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第二预测负荷需求量值小于所述负荷需求下限，则将所述第二预测负荷需求量值校正为所述负荷需求下限。

一实施例中，对所述第一校正预测负荷需求量曲线进行归一化处理，得到第一归一化负荷需求量曲线，对所述第二校正预测负荷需求量曲线进行归一化处理，得到第二归一化负荷需求量曲线。

一实施例中，对所述第一归一化负荷需求量曲线和所述第二归一化负荷需求量曲线进行加权平均处理，得到拟合负荷需求量曲线。

步骤105：基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，并基于所述储能系统充放电策略，对储能系统进行充放电管理。

一实施例中，将所述拟合光伏发电量曲线和所述拟合负荷需求量曲线进行对比，当所述拟合光伏发电量曲线中的拟合光伏发电量大于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行充电。

一实施例中，设置当前储能系统充放电策略为储能系统进行充电后，还获取所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第一距离，基于所述第一距离，确定所述储能系统的充电功率。

具体的，基于欧式距离计算所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第一距离，并获取预设充电功率倍数，将所述预设充电功率倍数和所述第一距离代入到预设的充电功率计算公式中，得到所述储能系统的充电功率。

具体的，所述充电功率计算公式如下所示：

(D

(D

式中，D

一实施例中，当所述拟合光伏发电量曲线中的拟合光伏发电量小于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行放电。

一实施例中，设置当前储能系统充放电策略为储能系统进行放电后，还获取所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第二距离，基于所述第二距离，确定所述储能系统的放电功率。

具体的，基于欧式距离计算所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第二距离，并获取预设放电功率倍数，将所述预设放电功率倍数和所述第二距离代入到预设的放电功率计算公式中，得到所述储能系统的放电功率。

具体的，所述放电功率计算公式如下所示：

(D

(D

式中，D

一实施例中，当所述拟合光伏发电量曲线中的拟合光伏发电量等于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统保持平衡。

综上，本实施例提供的一种虚拟电厂的光伏发电与储能聚合管理方法，通过将历史天气-光伏发电量键值对数据和历史能源价格-光伏发电量键值对数据输入到预训练的光伏发电量预测模型中，可以获得多个未来时刻的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对，并基于预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对，对应生成第一预测光伏发电量曲线和第二预测光伏发电量曲线，通过对两条曲线进行拟合处理，得到拟合光伏发电量曲线，从而提高光伏发电量预测的准确性；通过将历史天气-实际负荷需求量键值对数据和历史能源价格-实际负荷需求量键值对数据输入到预训练的负荷需求量预测模型中，可以获得未来时刻的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对，并基于预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对，对应生成将第一预测负荷需求量曲线和第二预测负荷需求量曲线，通过对两条曲线进行拟合处理，得到拟合负荷需求量曲线，从而提高负荷需求量预测的准确性；最后通过拟合光伏发电量曲线和拟合负荷需求量曲线来设置储能系统的充放电策略，可以更准确地控制储能系统的运行，使其能够在光伏发电量高峰时段进行充电，在负荷需求量高峰时段进行放电，从而实现能源的平衡和优化，提高储能系统的效益。

实施例2，参见图2，图2是本发明提供的一种虚拟电厂的光伏发电与储能聚合管理装置的一种实施例的结构示意图，如图2所示，该装置包括光伏发电量预测模块201、拟合光伏发电量曲线获取模块202、实际负荷需求量预测模块203、拟合负荷需求量曲线获取模块204和储能系统充放电策略设置模块205，具体如下：

所述光伏发电量预测模块201，用于将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型中，以使所述光伏发电量预测模型分别输出多个未来时刻对应的预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对。

所述拟合光伏发电量曲线获取模块202，用于基于所述预测天气-光伏发电量键值对，生成第一预测光伏发电量曲线，并基于所述预测能源价格-光伏发电量键值对，生成第二预测光伏发电量曲线，对所述第一预测光伏发电量曲线和所述第二预测光伏发电量曲线进行拟合处理，得到拟合光伏发电量曲线。

所述实际负荷需求量预测模块203，用于将获取的历史天气-实际负荷需求量键值对数据序列和历史能源价格-实际负荷需求量键值对数据序列输入到预训练的负荷需求量预测模型中，以使所述负荷需求量预测模型分别输出多个未来时刻对应的预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对。

所述拟合负荷需求量曲线获取模块204，用于基于所述预测天气-实际负荷需求量键值对，生成第一预测负荷需求量曲线，并基于所述预测能源价格-实际负荷需求量键值对，生成第二预测负荷需求量曲线，对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线。

所述储能系统充放电策略设置模块205，用于基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，并基于所述储能系统充放电策略，对储能系统进行充放电管理。

一实施例中，所述光伏发电量预测模块201，用于将获取的历史天气-光伏发电量键值对数据系列和历史能源价格-光伏发电量键值对数据序列输入到预训练的光伏发电量预测模型前，还包括：选取多个历史时刻对应的历史天气数据和第一光伏发电量，基于所述历史天气数据和所述第一光伏发电量，构建每个历史时刻对应的历史天气-光伏发电量键值对，得到历史天气-光伏发电量键值对数据序列；选取多个历史时刻对应的历史能源价格和第二光伏发电量，基于所述历史能源价格和所述第二光伏发电量，构建每个历史时刻对应的历史能源价格-光伏发电量键值对，得到历史能源价格-光伏发电量键值对数据序列。

一实施例中，所述光伏发电量预测模块201中所述光伏发电量预测模型的预训练过程，具体包括：获取多个第一三元组样本数据，其中，每个第一三元组样本数据包括天气样本数据、能源价格样本数据和光伏发电量样本数据；分别对所述多个第一三元组样本数据进行第一掩码处理，得到多个第一掩码样本数据，其中，所述第一掩码样本数据包括第一天气样本数据、掩码能源价格样本数据和第一光伏发电量样本数据；并分别对所述多个第一三元组样本数据进行第二掩码处理，得到多个第二掩码样本数据，其中，所述第二掩码样本数据包括掩码天气样本数据、第一能源价格样本数据和第二光伏发电量样本数据；以所述第一天气样本数据和所述掩码能源价格样本数据为模型输入，以所述第一光伏发电量样本数据为模型输出，并以所述掩码天气样本数据和所述第一能源价格样本数据为模型输入，以所述第二光伏发电量样本数据为模型输出，对初始光伏发电量预测模型进行模型训练，直至模型收敛或达到预设迭代次数，得到光伏发电量预测模型。

一实施例中，所述拟合负荷需求量曲线获取模块204，用于对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线，具体包括：获取负荷需求量对应的负荷需求上限和负荷需求下限；基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，以使得到第一校正预测负荷需求量曲线和第二校正预测负荷需求量曲线；对所述第一校正预测负荷需求量曲线进行归一化处理，得到第一归一化负荷需求量曲线，对所述第二校正预测负荷需求量曲线进行归一化处理，得到第二归一化负荷需求量曲线；对所述第一归一化负荷需求量曲线和所述第二归一化负荷需求量曲线进行加权平均处理，得到拟合负荷需求量曲线。

一实施例中，所述拟合负荷需求量曲线获取模块204，用于基于所述负荷需求上限和所述负荷需求下限分别对所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线进行校正处理，具体包括：基于所述负荷需求上限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第一预测负荷需求量值大于所述负荷需求上限，则将所述第一预测负荷需求量值校正为所述负荷需求上限；基于所述负荷需求下限，遍历所述第一预测负荷需求量曲线和所述第二预测负荷需求量曲线中的所有数据点，若存在所述数据点对应的第二预测负荷需求量值小于所述负荷需求下限，则将所述第二预测负荷需求量值校正为所述负荷需求下限。

一实施例中，所述储能系统充放电策略设置模块205，用于基于所述拟合光伏发电量曲线和拟合负荷需求量曲线，设置储能系统充放电策略，具体包括：将所述拟合光伏发电量曲线和所述拟合负荷需求量曲线进行对比，当所述拟合光伏发电量曲线中的拟合光伏发电量大于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行充电；当所述拟合光伏发电量曲线中的拟合光伏发电量小于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统进行放电；当所述拟合光伏发电量曲线中的拟合光伏发电量等于所述拟合负荷需求量曲线中的拟合负荷需求量时，设置当前储能系统充放电策略为储能系统保持平衡。

一实施例中，所述储能系统充放电策略设置模块205，用于设置当前储能系统充放电策略为储能系统进行充电后，还包括：获取所述拟合光伏发电量曲线中的拟合光伏发电量与所述拟合负荷需求量曲线中的拟合负荷需求量之间的第一距离，基于所述第一距离，确定所述储能系统的充电功率。

所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不在赘述。

需要说明的是，上述虚拟电厂的光伏发电与储能聚合管理装置的实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

在上述的虚拟电厂的光伏发电与储能聚合管理方法的实施例的基础上，本发明另一实施例提供了一种虚拟电厂的光伏发电与储能聚合管理终端设备，该虚拟电厂的光伏发电与储能聚合管理终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，实现本发明任意一实施例的虚拟电厂的光伏发电与储能聚合管理方法。

示例性的，在这一实施例中所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述虚拟电厂的光伏发电与储能聚合管理终端设备中的执行过程。

所述虚拟电厂的光伏发电与储能聚合管理终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述虚拟电厂的光伏发电与储能聚合管理终端设备可包括，但不仅限于，处理器、存储器。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述虚拟电厂的光伏发电与储能聚合管理终端设备的控制中心，利用各种接口和线路连接整个虚拟电厂的光伏发电与储能聚合管理终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述虚拟电厂的光伏发电与储能聚合管理终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

在上述虚拟电厂的光伏发电与储能聚合管理方法的实施例的基础上，本发明另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时，控制所述存储介质所在的设备执行本发明任意一实施例的虚拟电厂的光伏发电与储能聚合管理方法。

在这一实施例中，上述存储介质为计算机可读存储介质，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

综上，本发明提供的一种虚拟电厂的光伏发电与储能聚合管理方法及装置，基于光伏发电量预测模型得到预测天气-光伏发电量键值对和预测能源价格-光伏发电量键值对；并对对应生成的第一预测光伏发电量曲线和第二预测光伏发电量曲线进行拟合处理，得到拟合光伏发电量曲线；并基于负荷需求量预测模型得到预测天气-实际负荷需求量键值对和预测能源价格-实际负荷需求量键值对；并对对应生成的第一预测负荷需求量曲线和第二预测负荷需求量曲线进行拟合处理，得到拟合负荷需求量曲线；基于拟合光伏发电量曲线和拟合负荷需求量曲线，设置并基于储能系统充放电策略，对储能系统进行充放电管理；与现有技术相比，本发明的技术方案通过提高对光伏发电量和负荷需求量的预测准确性，优化储能系统的充放电策略，从而提高虚拟电厂的能源管理效率。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。