一种光伏发电功率的预测方法、存储介质及终端设备技术

本发明专利技术公开了一种光伏发电功率的预测方法、存储介质及终端设备，所述光伏发电功率的预测方法包括步骤：以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率；本发明专利技术提供的光伏发电功率的预测方法，根据气象类型的特性对光伏发电功率进行预测，综合考虑了天气的复杂性和多样性，提高光伏发电功率预测的准确率，降低装机量偏大或偏小问题出现的概率。

【技术实现步骤摘要】
一种光伏发电功率的预测方法、存储介质及终端设备
本专利技术涉及光伏发电
，特别涉及一种光伏发电功率的预测方法、存储介质及终端设备。
技术介绍
在微电网的建设过程中，设计人员会根据供电场地的大小以及发电量的要求，对光伏电站进行设计并得出日发电量、年发电量等发电量预测结果；微电网的发电功率主要取决于外部运行条件，即气象因素，如辐射度、环境温度、环境湿度等。现有的光伏发电功率的预测通常采用直接预测方式，这种方式利用发电功率和气象参数等变量的历史数据建立预测模型，直接得到发电功率的预测值，然而，由于气象数据的复杂性和多样性，直接得出的发电功率的预测值，往往与实际发电功率之间存在较大的误差，造成实际装机量偏大或偏小。可见，现有技术还有待改进和提高。
技术实现思路
鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种光伏发电功率的预测方法、存储介质及终端设备，提高发电功率预测的准确率，降低装机量偏大或偏小问题出现的概率。为了达到上述目的，本专利技术采取了以下技术方案：一种光伏发电功率的预测方法，包括：以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率。所述的光伏发电功率的预测方法中，所述将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组，具体包括：预先设定气象类型组所包含的气象类型，所述气象类型与光伏发电功率数据相对应；将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象训练组，所述气象训练组包括若干气象训练部，所述气象训练部与光伏发电功率数据相对应；根据光伏发电功率数据，匹配气象训练部和气象类型，得出气象分类组。所述的光伏发电功率的预测方法中，所述将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象训练组，具体包括：将所述训练样本输入至第一预测模型；第一预测模型随机选取一个训练样本，并对训练样本中的气象数据进行训练，得出气象训练部；第一预测模型对输入的训练样本全部训练后，得出气象训练组。所述的光伏发电功率的预测方法中，所述第一预测模型随机选取一个训练样本，并对训练样本中的气象数据进行训练，得出气象训练部，具体包括：第一预测模型随机选取一个训练样本，并确认训练样本中的气象数据所包括的气象因素；第一预测模型任意选取一个气象因素作为气象数据的分裂节点，直至所包括的气象因素全部被选取，得出气象训练部。所述的光伏发电功率的预测方法中，所述将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率，具体包括:将所述气象类型组输入至第二预测模型；第二预测模型根据气象分类组所包括的气象类型，分别对属于同一气象类型的气象训练部的光伏发电功率数据进行训练；输出与气象类型对应的预测的光伏发电功率。所述的光伏发电功率的预测方法中，所述输出与气象类型对应的预测的光伏发电功率，之前，还包括：比较实际迭代次数和预先设定的最大迭代次数；当实际迭代次数大于等于预先设定的最大迭代次数时，输出与气象类型对应的预测的光伏发电功率。所述的光伏发电功率的预测方法中，所述第一训练模型采用极度随机树算法对训练样本进行训练，得出气象类型组。所述的光伏发电功率的预测方法中，所述第二训练模型采用基于蚁群算法的梯度提升回归算法对气象类型组进行训练，得出预测的光伏发电功率。本专利技术还相应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存储有一个或多个程序，所述一个或多个程序可被一个或多个处理器执行，以实现如上任一所述的光伏发电功率预测方法中的步骤。本专利技术还相应提供了一种终端设备，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述通信总线实现处理器和存储器之间的连接通信；所述处理器执行所述计算机可读程序时，实现如上任一所述的光伏发电功率预测方法中的步骤。有益效果：本专利技术提供了一种光伏发电功率的预测方法、存储介质及终端设备，所述的光伏发电功率的预测方法，先根据气象类型的特性对历史数据进行分类，综合考虑了天气的复杂性和多样性对光伏发电功率的影响；再针对各类气象类型所包括的数据，对光伏发电功率数据作进一步的训练，得出光伏发电功率的预测值；对历史数据先进行分类再进一步处理，可降低光伏发电功率预测值与实际发电功率之间的误差，提高预测的准确率，避免出现装机量偏大或偏小等问题。附图说明图1为本专利技术提供的光伏发电功率的预测方法的流程示意图；图2为本专利技术提供的光伏发电功率的预测方法中步骤S200的流程示意图；图3为本专利技术提供的光伏发电功率的预测方法中步骤S220的流程示意图；图4为本专利技术提供的光伏发电功率的预测方法中步骤S222的流程示意图；图5为本专利技术提供的光伏发电功率的预测方法中步骤S300的流程示意图；图6为本专利技术提供的极度随机树算法的流程示意图；图7为本专利技术提供的基于蚁群算法的梯度提升回归算法的流程示意图；图8为本专利技术提供的光伏发电功率预测值与实际值的对比图；图9为本专利技术提供的终端设备的结构原理图。具体实施方式本专利技术提供了一种光伏发电功率的预测方法、存储介质及终端设备，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术作进一步详细说明。在本专利技术的描述中，需要理解的是，术语“安装”、“连接”等应做广义理解，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。微电网是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。请参阅图1，本专利技术提供了一种光伏发电功率的预测方法，包括：S100、以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；由于天气因素对光伏发电功率的影响较大，因此，要综合考虑气象数据中的各个天气因素对光伏发电功率的影响，且光伏发电功率数据应与气象数据相对应，避免影响后续光伏发电功率的预测；所述同一历史时间段可以是同一天的光伏发电功率数据和气象数据，监控装置可每隔30分钟记录一次光伏发电功率数据及其对应的气象数据。在一个实施例中，所述气象数据可以包括温度、湿度、太阳辐射量、降水量、风速和空气质量等。进一步地，请参阅图1，所述光伏发电功率的预测方法还包括步骤：S200、将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；除了太阳辐射量，气象数据的其他气象因素对光伏发电功率也有影响，为了充分考虑复杂多样的气象因素对光伏发电功率的影响，在进行光伏发电功率预测前，先根据气象数据本文档来自技高网...

【技术保护点】
1.一种光伏发电功率的预测方法，其特征在于，包括：/n以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；/n将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；/n将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率。/n

【技术特征摘要】
1.一种光伏发电功率的预测方法，其特征在于，包括：
以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；
将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；
将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率。


2.根据权利要求1所述的一种光伏发电功率的预测方法，其特征在于，所述将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组，具体包括：
预先设定气象类型组所包含的气象类型，所述气象类型与光伏发电功率数据相对应；
将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象训练组，所述气象训练组包括若干气象训练部，所述气象训练部与光伏发电功率数据相对应；
根据光伏发电功率数据，匹配气象训练部和气象类型，得出气象分类组。


3.根据权利要求2所述的一种光伏发电功率的预测方法，其特征在于，所述将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象训练组，具体包括：
将所述训练样本输入至第一预测模型；
第一预测模型随机选取一个训练样本，并对训练样本中的气象数据进行训练，得出气象训练部；
第一预测模型对输入的训练样本全部训练后，得出气象训练组。


4.根据权利要求3所述的一种光伏发电功率的预测方法，其特征在于，所述第一预测模型随机选取一个训练样本，并对训练样本中的气象数据进行训练，得出气象训练部，具体包括：
第一预测模型随机选取一个训练样本，并确认训练样本中的气象数据所包括的气象因素；
第一预测模型任意选取一个气象因素作为气象数据的分裂节点，直至所包括的气象因素全部被选取，得出气象训练部。...

【专利技术属性】
技术研发人员：王小杨，李超，孙韵琳，
申请(专利权)人：电子科技大学中山学院，广东华矩检测技术有限公司，
类型：发明
国别省市：广东;44