针对气象卫星云图动态注意域的光伏功率预测方法技术

本发明专利技术公开了针对气象卫星云图动态注意域的光伏功率预测方法，属于可再生能源开发利用技术领域；该方法及系统包括如下三个功能模块：编码、特征增强和解码；其中，编码模块接入地球同步静止气象卫星数据，基于气象卫星云图计算光流图，并将气象卫星云图和光流图输入到二维多通道卷积神经网络模型，计算得到卷积隐层特征。特征增强模块基于卷积隐层特征、结合历史光伏功率和晴空光伏估计值，利用注意力模型计算得到动态注意域特征。解码模块将动态注意域特征作为输入，构建冗余循环神经网络模型，实现提前0.5～3小时光伏功率预测。本发明专利技术方法及系统能够部署于接入实时卫星遥感的光伏电站，满足电站监控运维及光伏并网系统实时调度需求。

【技术实现步骤摘要】
针对气象卫星云图动态注意域的光伏功率预测方法
本专利技术属于可再生能源开发利用
，具体涉及针对气象卫星云图动态注意域的光伏功率预测方法。
技术介绍
太阳能具有显著的环境和气候效益，发展太阳能光伏发电技术可以缓解能源消费中对化石燃料的依赖。近年来，全球光伏发电装机容量在全球范围内得到明显增长，到2019年底已达到720太瓦时。然而，由于太阳能发电输出具有极强的波动性和间歇性，若快速提升光伏发电并网渗透率将极大地影响并网发电系统的安全性和稳定性。因此，电力系统运营仍然需要准确的光伏发电功率预测技术，并将短期光伏预测结果应用于电网调度。光伏发电功率预测技术的准确性和时效性取决于预测模型的输入数据，而常规的预测模型使用数值气象预报中的太阳辐照度、环境温湿度和风速等作为输入，虽然能够满足提前一至多天的光伏预测需求，但是由于气象预报时间分辨率的限制，其应用于三小时以内的预测时无法反映云团快速运动的影响性，对于光伏功率爬坡或电压跌落等极端电网变化事件难以有效预警。因此，发展基于气象卫星云图的光伏功率预测是当前可再生能源利用中的一大难点。
技术实现思路
专利技术目的：基于上述光伏功率预测技术中的局限性和难点，本专利技术提出针对气象卫星云图动态注意域的光伏功率预测系统及其方法。技术方案：为实现上述专利技术目的，本专利技术的针对气象卫星云图动态注意域的光伏功率预测方法，包括如下步骤：1)基于稠密光流算法计算每两帧气象卫星云图之间的光流图；将待预测时刻及其之前5个小时内的历史气象卫星云图和光流图按通道合并，形成多通道动态特征图谱；2)构建二维多通道卷积神经网络模型，以多通道动态特征图谱作为输入，计算得到卷积隐层特征；3)针对待预测时刻的日期和时间估算地表水平面的太阳晴空总辐射强度，计算晴空光伏功率估计值；4)基于注意力模型，以晴空光伏功率估计值、历史光伏功率和卷积隐层特征作为模型输入，计算得到动态注意域特征；5)基于冗余循环神经网络模型，将动态注意域特征作为模型输入，输出提前0.5～3小时的光伏功率预测值；6)通过误差评价指标验证预测结果精度，实现光伏电站的发电功率预测功能。进一步地，所述的步骤1)中，所述的气象卫星云图是接入红外光谱频段范围在0.46～0.65微米、纬度范围在北纬60度～南纬60度以内、经度范围在东经80度～东经200度以内、经纬度空间分辨率1/20度(5千米)、时间分辨率30分钟的地球同步静止气象卫星遥感云图。进一步地，所述的步骤1)中，具体包括如下步骤：基于Farneback二阶稠密光流算法计算每两帧气象卫星云图之间的光流图，首先假设对于每相邻两帧气象云图，图中云团运动过程中的光线反射强度在帧间保持恒定，满足公式：I(x,y,t)≈I(x+dx,y+dy,t+dt)式中，I(x,y,t)为云图中云团在横坐标x、纵坐标y、时间t处的单个像素光线反射强度，dx为云团的横向运动位移，dy为云团的纵向运动位移，dt为图像帧的时间间隔；其次，对光线反射强度帧间恒定公式进行泰勒展开，并取时间间隔dt近似为0，约简公式得到光流运动方程，其方程公式为：式中，和分别为I、t、x和y的偏导，u为横向光流速度，v为纵向光流速度；然后，对光流运动方程取最小二范数进行优化，并基于拉格朗日乘子引入二阶光流似然函数，得到光流计算求解的目标函数，其函数公式为：式中，min为最小目标函数，||·||2为二范数函数，λ为拉格朗日乘子；最后，基于梯度下降算法对光流运动的最小目标函数进行优化求解，计算得到每相邻两帧气象卫星云图的光流图。进一步地，所述的步骤4)中，具体包括如下步骤：首先，获取待预测时刻的日期和时间，基于地外太阳辐射常数HSC计算光伏电站所在地址该时刻的地表水平面的太阳晴空总辐射HG，计算公式为：式中，HG为地表水平面的太阳晴空总辐射，HSC为地外太阳辐射常数，nday为待预测时刻日期，δs为待预测时刻日期的太阳赤纬角，ωs为待预测时刻时间的太阳时角，为光伏电站地址的纬度角，sin和cos为正弦和余弦函数；其次，构建太阳入射辐射-光伏功率的二阶多项式拟合函数fpoly(·)，根据历史光伏功率包络线PENV和历史太阳入射辐射包络线HENV求解拟合函数系数，计算光电转换效率：式中，ηPV为光电转换效率，PENV为历史光伏功率包络线，HENV为历史太阳入射辐射包络线，fpoly(·)为二阶多项式拟合函数，a、b和c为二阶多项式函数系数；接着，根据计算的光电转换效率ηPV和地表水平面的太阳晴空总辐射HG计算晴空光伏功率估计值p*，其计算公式为：p*＝ηPVHi＝ηPVHG×(cosβPVcosZs+sinβsinZscosωs)式中，p*为晴空光伏功率估计值，ηPV为光电转换效率，Hi为太阳入射辐射，HG为地表水平面的太阳晴空总辐射，βPV、Zs和ωs分别为光伏阵列倾斜角、待预测时刻时间的太阳天顶角和太阳时角；然后，将晴空光伏功率估计值p*、时间t的历史光伏功率Pt和卷积隐层特征输入注意力模型，输出注意力权值式中，为大小nH×nH×1、时间t+1的注意力权值，fAM为注意力模型，为大小nH×nH×nl的卷积隐层特征，Pt为时间t的历史光伏功率，为时间t+1的晴空光伏功率估计值，nH为特征尺寸，nl为特征通道数；最后，将注意力权值和卷积隐层特征进行逐通道乘法运算，计算得到动态注意域特征式中，为时间t+1的动态注意域特征，为逐通道乘法运算符。进一步地，所述的步骤5)包括如下步骤：首先，初始化循环神经网络模型的记忆单元状态c0和隐含层状态h0；其次，循环更新模型中冗余解码单元的记忆单元状态和隐含层状态，计算公式为：式中，ci、fi、hi、ii、oi分别为第i个样本的记忆单元状态、遗忘状态、隐含层状态、输入状态和输出值，ci–1和hi–1为第i–1个样本的记忆单元状态和隐含层状态，xi为第i个样本的动态注意域特征输入，Wc和bc为记忆单元权值和记忆单元偏置，tanh为正切函数；接着，将时间t的隐含层状态ht、时间t+1的动态注意域特征时间t的历史光伏功率Pt和时间t+1的晴空光伏功率值作为输入，输出时间t+1的光伏功率预测值，其计算公式为：式中，为时间t+1的光伏功率预测值，σo、Wo和bo为光伏预测的激活函数、权值和偏置；然后，将时间t+1的光伏功率预测值率回代到计算公式中时间t的历史光伏功率Pt的相应位置，循环输出时间t+2至t+6的光伏功率预测值，每个相邻时刻间隔半小时，完成提前0.5～3小时的光伏功率预测。进一步地，所述的步骤6)包括如下步骤：根据光伏功率预测结果，使用三种误差评价指标，均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对标度误差(MASE)验证预测结果精度，其计算公式分别为：<本文档来自技高网...

【技术保护点】
1.针对气象卫星云图动态注意域的光伏功率预测方法，其特征在于：包括如下步骤：/n1)基于稠密光流算法计算每两帧气象卫星云图之间的光流图；将待预测时刻及其之前5个小时内的历史气象卫星云图和光流图按通道合并，形成多通道动态特征图谱；/n2)构建二维多通道卷积神经网络模型，以多通道动态特征图谱作为输入，计算得到卷积隐层特征；/n3)针对待预测时刻的日期和时间估算地表水平面的太阳晴空总辐射强度，计算晴空光伏功率估计值；/n4)基于注意力模型，以晴空光伏功率估计值、历史光伏功率和卷积隐层特征作为模型输入，计算得到动态注意域特征；/n5)基于冗余循环神经网络模型，将动态注意域特征作为模型输入，输出光伏功率预测值；/n6)通过误差评价指标验证预测结果精度，实现光伏电站的发电功率预测功能。/n

【技术特征摘要】
1.针对气象卫星云图动态注意域的光伏功率预测方法，其特征在于：包括如下步骤：
1)基于稠密光流算法计算每两帧气象卫星云图之间的光流图；将待预测时刻及其之前5个小时内的历史气象卫星云图和光流图按通道合并，形成多通道动态特征图谱；
2)构建二维多通道卷积神经网络模型，以多通道动态特征图谱作为输入，计算得到卷积隐层特征；
3)针对待预测时刻的日期和时间估算地表水平面的太阳晴空总辐射强度，计算晴空光伏功率估计值；
4)基于注意力模型，以晴空光伏功率估计值、历史光伏功率和卷积隐层特征作为模型输入，计算得到动态注意域特征；
5)基于冗余循环神经网络模型，将动态注意域特征作为模型输入，输出光伏功率预测值；
6)通过误差评价指标验证预测结果精度，实现光伏电站的发电功率预测功能。


2.根据权利要求1所述的针对气象卫星云图动态注意域的光伏功率预测方法，其特征在于：所述的步骤1)中，所述的气象卫星云图是接入红外光谱频段范围在0.46～0.65微米、纬度范围在北纬60度～南纬60度以内、经度范围在东经80度～东经200度以内、经纬度空间分辨率1/20度、时间分辨率30分钟的地球同步静止气象卫星遥感云图。


3.根据权利要求2所述的针对气象卫星云图动态注意域的光伏功率预测方法，其特征在于：所述的步骤1)中，具体包括如下步骤：
基于Farneback二阶稠密光流算法计算每两帧气象卫星云图之间的光流图，首先假设对于每相邻两帧气象云图，图中云团运动过程中的光线反射强度在帧间保持恒定，满足公式：
I(x,y,t)≈I(x+dx,y+dy,t+dt)
式中，I(x,y,t)为云图中云团在横坐标x、纵坐标y、时间t处的单个像素光线反射强度，dx为云团的横向运动位移，dy为云团的纵向运动位移，dt为图像帧的时间间隔；其次，对光线反射强度帧间恒定公式进行泰勒展开，并取时间间隔dt近似为0，约简公式得到光流运动方程，其方程公式为：



式中，和分别为I、t、x和y的偏导，u为横向光流速度，v为纵向光流速度；
然后，对光流运动方程取最小二范数进行优化，并基于拉格朗日乘子引入二阶光流似然函数，得到光流计算求解的目标函数，其函数公式为：



式中，min为最小目标函数，||·||2为二范数函数，λ为拉格朗日乘子；
最后，基于梯度下降算法对光流运动的最小目标函数进行优化求解，计算得到每相邻两帧气象卫星云图的光流图。


4.根据权利要求3所述的针对气象卫星云图动态注意域的光伏功率预测方法，其特征在于：所述的步骤4)中，具体包括如下步骤：
首先，获取待预测时刻的日期和时间，基于地外太阳辐射常数HSC计算光伏电站所在地址该时刻的地表水平面的太阳晴空总辐射HG，计算公式为：



式中，HG为地表水平面的太阳晴空总辐射，HSC为地外太阳辐射常数，nday为待预测时刻日期，δs为待预测时刻日期的太阳赤纬角，ωs为待预测时刻时间的太阳时角，为光伏电站地址的纬度角，sin和cos为正弦和余弦函数；其次，构建太阳入射辐射-光伏功率的二...

【专利技术属性】
技术研发人员：程礼临，臧海祥，许瑞琦，蒋欣，卫志农，孙国强，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32