发电量预测方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种发电量预测方法，包括：获取待预测区域的卫星图像，并对卫星图像进行切分，以获得多个子卫星图像；确定各个子卫星图像所包括的光伏电站的预测面积，并获取各个子卫星图像所处区域的天气指数；基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练，以获得子发电量，并基于各个子发电量确定待预测区域对应的光伏电站的发电量。本发明专利技术还公开了一种发电量预测装置、设备及计算机可读存储介质。本发明专利技术实现通过对待预测区域内的光伏电站进行分块预测，提高光伏电站发电量预测的准确性以及精度。同时，通过图像进行光伏电站发电量的预测，提升了光伏电站发电量进行预测的便捷性。

Power generation prediction methods, devices, equipment and computer readable storage media

【技术实现步骤摘要】
发电量预测方法、装置、设备及计算机可读存储介质
本专利技术涉及金融科技领域，尤其涉及一种发电量预测方法、装置、设备及计算机可读存储介质。
技术介绍
目前光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。主要由太阳电池板(组件)、控制器和逆变器三大部分组成，主要部件由电子元器件构成。太阳能电池经过串联后进行封装保护可形成大面积的太阳电池组件，再配合上功率控制器等部件就形成了光伏发电装置。光伏发电站以光伏发电系统为主，包含各类建(构)筑物及检修、维护、生活等辅助设施在内的发电站。大规模光伏发电是一种利用太阳能的有效方式，但太阳辐射、大气温度和天气类型等因素容易对光伏发电产生影响，并且呈非线性。因此，光伏发电量的预测对合理安排电器使用时间和最大限度利用太阳能资源、减小用电成本有着重要的意义。目前，光伏发电量预测往往对光伏电站进行整体预测，而光伏电站中的各个太阳电池板的发电量影响因素均不相同，导致发电量预测的准确性较低。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种发电量预测方法、装置、设备及计算机可读存储介质，旨在解决现有光伏电站的发电量预测准确性较低的技术问题。为实现上述目的，本专利技术提供一种发电量预测方法，所述发电量预测方法包括以下步骤：获取待预测区域的卫星图像，并对所述卫星图像进行切分，以获得多个子卫星图像；确定各个子卫星图像所包括的光伏电站的预测面积，并获取各个子卫星图像所处区域的天气指数；基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练，以获得各个子卫星图像所包括的光伏电站的子发电量，并基于各个所述子发电量确定待预测区域对应的光伏电站的发电量。进一步地，所述确定各个子卫星图像所包括的光伏电站的面积的步骤包括：通过光伏电站分割模型分别对各个子卫星图像进行模型训练，以获得各个子卫星图像对应的光伏电站的图像预测面积；基于图像预测面积，确定各个子卫星图像所包括的光伏电站的预测面积。进一步地，所述通过光伏电站分割模型分别对各个子卫星图像进行模型训练的步骤之前，还包括：获取第一训练样本集，其中，所述第一训练样本集包括多个卫星图片，以及各个卫星图片中所包括的光伏电站的实际面积；基于所述第一训练样本集，对待训练电站分割模型进行模型训练，以获得训练后的电站分割模型；确定训练后的电站分割模型是否收敛；若训练后的电站分割模型收敛，则将训练后的待训练电站分割模型作为所述光伏电站分割模型；若训练后的电站分割模型未收敛，则将训练后的电站分割模型作为待训练电站分割模型，并返回执行基于所述第一训练样本集，对待训练电站分割模型进行模型训练的步骤。进一步地，所述获取各个子卫星图像所处区域的天气指数的步骤包括：获取各个子卫星图像所处区域对应的室外环境照片；基于各个所述室外环境照片确定各个所述天气指数。进一步地，所述基于各个所述室外环境照片确定各个所述天气指数的步骤包括：通过太阳辐射强度回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的太阳辐射强度，并通过大气温度回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的大气温度；或者，通过联合回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的太阳辐射强度以及大气温度。进一步地，所述通过联合回归模型对各个室外环境照片进行模型训练的步骤之前还包括：获取第二训练样本集，其中，所述第二训练样本集包括预设地点的多个室外环境测试照片，以及各个室外环境测试照片对应的实际天气指数；基于所述第二训练样本集，对待训练联合回归模型进行模型训练，以获得第一回归模型；若第一回归模型收敛，则将第一回归模型作为所述联合回归模型。进一步地，所述基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练的步骤之前，还包括：获取第三训练样本集，其中，所述第三训练样本集包括预设光伏电站的多个不同时刻的实际发电量，以及各个实际发电量对应的实际天气指数以及预设光伏电站的实际面积；基于所述第三训练样本集，对待训练发电量回归模型进行模型训练，以获得第二回归模型；若第二回归模型收敛，则将第二回归模型作为所述发电量回归模型。进一步地，所述对所述卫星图像进行切分，以获得多个子卫星图像的步骤包括：基于预设步长对所述卫星图像进行切分，以获得多个大小相同的子卫星图像。此外，为实现上述目的，本专利技术还提供一种发电量预测装置，所述发电量预测装置包括：获取模块，用于获取待预测区域的卫星图像，并对所述卫星图像进行切分，以获得多个子卫星图像；确定模块，用于确定各个子卫星图像所包括的光伏电站的面积，并获取各个子卫星图像所处区域的天气指数；预测模块，用于基于发电量回归模型，分别对各个子卫星图像对应的面积以及天气指数进行模型训练，以获得各个子卫星图像所包括的光伏电站的子发电量，并基于各个所述子发电量确定待预测区域对应的光伏电站的发电量。此外，为实现上述目的，本专利技术还提供一种发电量预测设备，所述发电量预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的发电量预测程序，所述发电量预测程序被所述处理器执行时实现前述的发电量预测方法的步骤。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有发电量预测程序，所述发电量预测程序被处理器执行时实现前述的发电量预测方法的步骤。本专利技术通过获取待预测区域的卫星图像，并对所述卫星图像进行切分，以获得多个子卫星图像；接着确定各个子卫星图像所包括的光伏电站的面积，并获取各个子卫星图像所处区域的天气指数；而后基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练，以获得各个子卫星图像所包括的光伏电站的子发电量，并基于各个所述子发电量确定待预测区域对应的光伏电站的发电量，通过对卫星图像进行切分，实现通过对待预测区域内的光伏电站进行分块预测，降低各个区块的影响因素不同而对发电量预测的影响，提高光伏电站发电量预测的准确性以及精度。同时，通过图像进行光伏电站发电量的预测，能够实现仅采用图像数据就能监测光伏电站的发电量，大大降低了发电量影响因素检测的传感器硬件成本与发电量预测模型的计算成本，提升了光伏电站发电量进行预测的便捷性。附图说明图1是本专利技术实施例方案涉及的硬件运行环境中发电量预测设备的结构示意图；图2为本专利技术发电量预测方法第一实施例的流程示意图；图3为本专利技术发电量预测装置一实施例的功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限本文档来自技高网...

【技术保护点】
1.一种发电量预测方法，其特征在于，所述发电量预测方法包括以下步骤：/n获取待预测区域的卫星图像，并对所述卫星图像进行切分，以获得多个子卫星图像；/n确定各个子卫星图像所包括的光伏电站的预测面积，并获取各个子卫星图像所处区域的天气指数；/n基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练，以获得各个子卫星图像所包括的光伏电站的子发电量，并基于各个所述子发电量确定待预测区域对应的光伏电站的发电量。/n

【技术特征摘要】
1.一种发电量预测方法，其特征在于，所述发电量预测方法包括以下步骤：
获取待预测区域的卫星图像，并对所述卫星图像进行切分，以获得多个子卫星图像；
确定各个子卫星图像所包括的光伏电站的预测面积，并获取各个子卫星图像所处区域的天气指数；
基于各个子卫星图像对应的预测面积以及天气指数，通过发电量回归模型进行模型训练，以获得各个子卫星图像所包括的光伏电站的子发电量，并基于各个所述子发电量确定待预测区域对应的光伏电站的发电量。


2.如权利要求1所述的发电量预测方法，其特征在于，所述确定各个子卫星图像所包括的光伏电站的面积的步骤包括：
通过光伏电站分割模型分别对各个子卫星图像进行模型训练，以获得各个子卫星图像对应的光伏电站的图像预测面积；
基于图像预测面积，确定各个子卫星图像所包括的光伏电站的预测面积。


3.如权利要求2所述的发电量预测方法，其特征在于，所述通过光伏电站分割模型分别对各个子卫星图像进行模型训练的步骤之前，还包括：
获取第一训练样本集，其中，所述第一训练样本集包括多个卫星图片，以及各个卫星图片中所包括的光伏电站的实际面积；
基于所述第一训练样本集，对待训练电站分割模型进行模型训练，以获得训练后的电站分割模型；
确定训练后的电站分割模型是否收敛；
若训练后的电站分割模型收敛，则将训练后的待训练电站分割模型作为所述光伏电站分割模型；
若训练后的电站分割模型未收敛，则将训练后的电站分割模型作为待训练电站分割模型，并返回执行基于所述第一训练样本集，对待训练电站分割模型进行模型训练的步骤。


4.如权利要求1所述的发电量预测方法，其特征在于，所述获取各个子卫星图像所处区域的天气指数的步骤包括：
获取各个子卫星图像所处区域对应的室外环境照片；
基于各个所述室外环境照片确定各个所述天气指数。


5.如权利要求4所述的发电量预测方法，其特征在于，所述基于各个所述室外环境照片确定各个所述天气指数的步骤包括：
通过太阳辐射强度回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的太阳辐射强度，并通过大气温度回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的大气温度；
或者，
通过联合回归模型对各个室外环境照片进行模型训练，以获得各个天气指数中的太阳辐射强度以及大气温度。<...

【专利技术属性】
技术研发人员：汪飙，侯鑫，邹冲，朱超杰，吴海山，殷磊，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44