【技术实现步骤摘要】
电站的发电数据预测方法、装置、计算机设备和存储介质
本申请涉及计算机
，尤其涉及一种电站的发电数据预测方法、装置、计算机设备和存储介质。
技术介绍
当前光伏电站发电量预测方法主要有以下两类，一类是基于光伏发电量原理的预测方法，主要是通过太阳能发电过程中的光电转化和逆变过程，建立经验公式，调整经验系数，计算能量损失量等步骤预测发电功率；另一类是利用机器学习方法，利用历史数据训练回归模型或者神经网络模型，再对未来数据做进一步预测。现有技术由于光伏电站发电量同时受外界环境因素影响较大，因此存在预测适应性差的问题。
技术实现思路
为了解决上述技术问题，本申请提供了一种适应性强的电站的发电数据预测方法、装置、计算机设备和存储介质。一种电站的发电数据预测方法，包括：获取第一预设时间段内的环境数据和对应的发电数据；将第一预设时间段内的环境数据和对应的发电数据输入预测模型中，根据预测模型对环境数据进行训练，得到已训练的预测模型；获取第二预设时间段内的环境数据，将第二预设时间段内的环境...
【技术保护点】
1.一种电站的发电数据预测方法，所述方法包括：/n获取第一预设时间段内的环境数据和对应的发电数据；/n将所述第一预设时间段内的环境数据和对应的发电数据输入预测模型中，根据所述预测模型对所述环境数据和对应的所述发电数据进行训练，得到已训练的预测模型；/n获取第二预设时间段内的环境数据，将所述第二预设时间段内的环境数据输入所述已训练的预测模型，得到第二预设时间段内所述电站的预测发电数据，其中所述第一预设时间段为所述第二预设时间段的历史时间段。/n
【技术特征摘要】
1.一种电站的发电数据预测方法，所述方法包括：
获取第一预设时间段内的环境数据和对应的发电数据；
将所述第一预设时间段内的环境数据和对应的发电数据输入预测模型中，根据所述预测模型对所述环境数据和对应的所述发电数据进行训练，得到已训练的预测模型；
获取第二预设时间段内的环境数据，将所述第二预设时间段内的环境数据输入所述已训练的预测模型，得到第二预设时间段内所述电站的预测发电数据，其中所述第一预设时间段为所述第二预设时间段的历史时间段。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预测模型对所述环境数据和对应的所述发电数据进行训练，得到已训练的预测模型，包括：
通过所述预测模型对所述训练数据进行预测，将所述得到对应的发电训练预测数据；
计算根据所述发电训练预测数据和对应的发电数据的差异度，当所述差异度未满足预设收敛条件时，更新所述预测模型的模型参数，直至所述发电训练预测数据和对应的发电数据的差异度满足所述预设收敛条件时，得到所述已训练的预测模型。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取包含历史环境数据和对应的历史发电数据的样本数据集合；
按照不同的分割时长对所述样本数据集合进行分割，得到多个候选测试样本集合和对应的候选训练样本集合；
通过所述预测模型对所述不同的分割时长对应的候选训练样本集合进行训练，和对应的候选训练样本集合进行验证，得到所述不同的分割时长的验证结果；
根据所述不同的分割时长的验证结果确定所述第一预设时间和所述第二预设时间。
4.根据权利要求3所述的方法，其特征在于，所述通过所述预测模型对所述不同的分割时长对应的候选训练样本集合进行训练，和对应的候选训练样本集合进行验证，得到所述不同的分割时长的验证结果，包括：
通过所述预测模型对各个所述候选训练样本集合中的历史环境数据进行预测，得到各个历史环境数据对应的历史发电预测数据；
计算各个所述历史发电预测数据和对应的历史发电数据的差异度，根据各个所述差异度更新对应的所述预测模型的参数，直至所述预测模型满足所述预设收敛条件，得到各个候选已训练的预测模型；
通过各个所述候选已训练的预测模型对对应的所述测试样本集合中的各个历史环境数据进行预测，得到各个所述候选已训练的预测模型对应的测试发电预测数据；
根据各个所述测试发电数据与对应的测试样本集合中的各个历史发电数据的差异确定各个所述候选已训练的预测模型的验证结果。
5.根据权利...
【专利技术属性】
技术研发人员：李利明，
申请(专利权)人：汉能移动能源控股集团有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。