1.一种融合低轨卫星通信的微型光伏观测站协同部署优化方法,其特征在于,包括:构建包含目标预测站点、大型光伏场站及微型观测站的多级协同观测网络;
对所述多级协同观测网络中各级站点的历史功率数据进行标准化预处理,消除站点间装机容量差异;
基于地理坐标将观测区域划分为网格单元,采用修正的Delaunay三角剖分插值法填补无大型场站网格的功率缺失值,生成空间功率分布结果;
其中,采用修正的Delaunay三角剖分插值法填补无大型场站网格的功率缺失值,包括:引入两项修正策略,基于功率梯度进行重心权重调整,在原始几何重心系数的基础上,引入功率梯度修正因子,对三角形三个顶点的插值权重进行调整;
在所述空间功率分布结果提取每一网格的功率时序,采用皮尔逊相关系数实施站点时空相关性分析,并根据时空相关性分析结果构造目标矩阵;
建立混合整数非线性规划模型,以最大化信息增益为目标,结合所述目标矩阵生成约束建模;
求解所述约束建模对应的优化问题以生成优化部署结果;
其中,所述求解所述约束建模对应的优化问题以生成优化部署结果的步骤,包括:采用布尔向量编码方案,将部署区域中每个候选网格点的布设状态表示为二进制变量,构成染色体个体;
以最大化目标预测点的信息增益为核心,适应度函数设为:其中为惩罚项函数,用于对违反部署资源约束、通信带宽限制、空间最小间距条件的个体施加惩罚;
其中,定义决策变量:
为第行、第列网格单元的部署决策变量,取1表示在该位置布设微型观测站;
为在第行第列网格位置部署的微型观测站对目标站点预测精度的贡献权重;
为第行第列网格位置部署的微型观测站与目标站之间的时空相似度,1-表示与目标点的时序相关性强度;
R与C分别表示网格在纵向与横向的划分数;
采用罚函数法与修复算子法联合建模,对不满足约束的个体引入动态加权惩罚因子,对间距冲突部分采用局部修复方式强制剔除密集布设点,确保种群在进化过程中收敛于可行解空间;
通过选择、交叉、变异算子不断演化种群,采用精英保留策略提高解的稳定性,避免陷入局部最优;
当适应度函数变化幅度低于设定阈值,或达到最大迭代轮数时,输出当前最优部署解。
2.根据权利要求1所述的方法,其特征在于,所述对所述多级协同观测网络中各级站点的历史功率数据进行标准化预处理,消除站点间装机容量差异的步骤之前,包括:定义观测网络中涉及的三类建模对象及对应的数据结构,包括目标预测站点、已建成的现有大型光伏场站和微型观测站;
将目标预测站点记为指待预测的光伏功率站点,具备部分历史功率输出数据;
将大型光伏场站记为集合,指观测网络中具有持续观测记录的多座已建成光伏场站为主要数据源,其中为第i个大型光伏场站,N表示观测网络内大型光伏场站的数量;
将微型观测站记为集合,表示第k个微型观测站,K表示观测网络内微型观测站的总数;
各级观测站点均采集单位时间间隔内的光伏输出功率数据构成如下时序数据集:其中,表示统一的观测时间序列,、和分别表示大型光伏场站、微型观测站以及目标预测站点的光伏功率时间序列数据集;(t)、(t)、(t)分别表示时刻对应的第个大型光伏场站、第个微型观测站和目标站点的输出功率值。
3.根据权利要求2所述的方法,其特征在于,所述对所述多级协同观测网络中各级站点的历史功率数据进行标准化预处理,消除站点间装机容量差异的步骤,包括:采用z-score归一化方法对所述多级协同观测网络中各级站点的历史功率数据进行标准化预处理:其中,表示历史功率序列,和分别为该序列的均值与标准差,为标准化后的历史功率序列,得到新的时序数据集:其中,、和分别表示归一化后的大型光伏场站、微型观测站以及目标预测站点的光伏功率时间序列数据集;(t)、(t)、(t) 分别表示分别表示对应时刻的标准化功率值。
4.根据权利要求1所述的方法,其特征在于,所述基于地理坐标将观测区域划分为网格单元,采用修正的Delaunay三角剖分插值法填补无大型场站网格的功率缺失值,生成空间功率分布结果的步骤,包括:设研究区域边界为,划分为个等间距网格单元,每个网格单元代表一块固定的空间区域,其功率值由落入该网格内的光伏场站的归一化功率序列求平均获得:其中,表示地理位置属于第行第列网格内的光伏场站的集合,表示该网格内场站的数量,若某网格内无站点数据,则视为缺失值,,分别表示观测网络的经纬度取值,为经度最小值,为经度最大值,为纬度最小值,为纬度最大值,R与C分别表示网格在纵向与横向的划分数,其中,(t)表示第行第列网格单元在时刻的平均归一化功率值;(t)表示落入该网格单元内第个光伏场站在时刻的归一化功率值;
采用Delaunay三角剖分插值法对网格缺失区域进行补全,该方法通过构建空间上相邻有效点的三角剖分结构,在此基础上进行插值估算;
设某一无观测数据的目标网格,其邻近区域中与其欧氏距离最小且不共线的三个已知观测网格的坐标分别为(,),(,),(,),对应的功率值为,,任意插值点(,)的功率值可表示为:其中,,,为点(,)相对于三角形三个顶点的重心坐标系数,满足,且各自为非负;
修正后插值表达式如下:
其中,修正系数计算如下:
其中为调节参数,用于控制对功率突变的抑制程度,表示第个顶点的最大相对功率梯度,(,)表示包含已知观测数据的第个邻近网格单元的行、列索引位置;(,)表示与第个网格相邻的其他网格单元的行、列索引位置,用于计算局部功率梯度;
在构建Delaunay剖分结构后,预先评估每个三角形内部功率分布的标准差,若某三角形功率差异超过设定阈值,则标记为插值不可用区域;
得到t时刻下的观测网络的空间功率分布矩阵为:
其中,表示时刻观测网络中第行第列网格内归一化功率值。
5.根据权利要求4所述的方法,其特征在于,所述在所述空间功率分布结果提取每一网格的功率时序,采用皮尔逊相关系数实施站点时空相关性分析,并根据时空相关性分析结果构造目标矩阵的步骤,包括:将观测时间下的预测目标站点的功率序列以及第行第列网格中所包含的现有大型光伏场站的平均功率序列,表示为:其中表示观测时间,表示时刻目标预测站点在观测时段内的功率序列向量,表示时刻第行、第列网格单元内的大型光伏场站平均功率序列;
采用皮尔逊相关系数来评估,保持功率序列不变,将功率序列在区间范围内进行平移,通过计算相似性度量寻找最优对齐位置,其中,平移后的序列记作,定义如下:采用皮尔逊相关系数作为相似度度量,在每一个平移量下,皮尔逊相关系数定义如下:其中,与分别表示平移后序列与原始序列的均值;
将第行第列网格的功率序列与目标预测站点的功率序列之间的时空相似度定义为最大皮尔逊相关系数的互补形式,并实施归一化:其中,表示在平移量下两个功率序列最大的皮尔逊相关系数,时空相似度的取值范围为[0,1],其中0表示在某一平移位置下两序列高度线性相关,值越大表示相似性越低;
得到观测网络中每一个网格与目标预测站点所在网格光伏功率序列之间的时空相似度,构造矩阵FCorr:。
6.根据权利要求5所述的方法,其特征在于,所述建立混合整数非线性规划模型,以最大化信息增益为目标,结合所述目标矩阵生成约束建模的步骤,包括:定义决策变量:
:第行第列网格位置部署的微型观测站与目标站的地理距离;
设计目标函数,考虑微型观测站部署对目标点预测能力的信息增益函数:同时考虑多类约束,包括:
目标站间隔距离限制,控制微型观测站与目标预测站点最远不能超过:;
最大部署数限制,控制总布站数量,不得超过可用资源上限:;
部署成本约束,每个候选点的部署成本为,总预算为:;
通信资源约束,每个微型观测站通过低轨卫星链路回传数据,设带宽消耗为,卫星互联网支持总带宽为,则:其中,引入通信时延阈值的软约束和/或加权惩罚项;
空间覆盖多样性,设定候选点间最小部署间距:
;
其中,(,)和分别表示任意两个已部署观测站所在的网格坐标,和为横坐标,和为纵坐标;表示两个已部署观测站之间的空间距离,表示任意两布设点之间的最小欧氏距离阈值;
可部署性约束,设可部署性指示参数,若则该点不可部署,需满足:;
微型观测站部署优化问题形式化为以下混合整数非线性规划问题:。
7.一种融合低轨卫星通信的微型光伏观测站协同部署优化系统,其特征在于,执行如权利要求1所述的方法,包括:网络构建模块,用于构建包含目标预测站点、大型光伏场站及微型观测站的多级协同观测网络;
融合低轨卫星通信的微型光伏观测站协同部署优化模块,用于对所述多级协同观测网络中各级站点的历史功率数据进行标准化预处理,消除站点间装机容量差异;
功率计算模块,用于基于地理坐标将观测区域划分为网格单元,采用修正的Delaunay三角剖分插值法填补无大型场站网格的功率缺失值,生成空间功率分布结果;
矩阵构建模块,用于在所述空间功率分布结果提取每一网格的功率时序,采用皮尔逊相关系数实施站点时空相关性分析,并根据时空相关性分析结果构造目标矩阵;
模型生成模块,用于建立混合整数非线性规划模型,以最大化信息增益为目标,结合所述目标矩阵生成约束建模;
结果输出模块,用于求解所述约束建模对应的优化问题以生成优化部署结果。
8.一种计算机设备,其特征在于,所述设备包括:存储器、处理器,所述处理器在运行所述存储器存储的计算机指令时,执行如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至6中任一项所述的方法。