一种基于Bi-LSTM-QR的新能源的灵活性需求量化方法及系统

本发明涉及新型电力系统灵活性研究技术领域，特别是一种基于Bi‑LSTM‑QR的新能源灵活性需求量化方法及系统。长序列新能源预测出力及对应的真实出力资料收集、置信度设定及上下界分位数损失函数确定、Bi‑LSTM模型训练、预测输出及波动区间量化的准确性评价、灵活性需求计算。本发明基于数据驱动的思想从区间概率预测的角度出发利用神经网络工具量化新能源的灵活性需求。基于电网已有预测系统收集海量长系列数据，将分位数损失函数嵌入神经网络Bi‑LSTM进行训练，拟合预测值与实际出的分位点映射关系。将预测值输入训练好的该模型能得到实际出力的分位数，基于中心区间预测方法将模型输出转换为置信度下的实际出力波动区间最后基于该区间计算各时刻的上下灵活性需求。