本申请提出一种光伏发电量的预测方法、装置、电子设备和存储介质，其中，该方法包括：获取预测日对应的天气数据，并获取天气数据与预测日匹配的历史采样日，以及将历史采样日的历史光伏发电量数据输入到至少两个光伏发电量预测模型中，以得到各个光伏发电量预测模型对应的光伏发电量预测数据，并通过投票融合模型进行多个光伏发电量预测数据进行投票融合，以得到预测日对应的光伏发电量预测数据。由此，在预测光伏发电量的过程中，通过多个光伏发电量预测模型对光伏发电量进行预测，并对多个光伏发电量预测结果进行投票融合，以得到预测日对应的光伏发电量预测数据，提高了光伏发电量预测数据的准确性。预测数据的准确性。预测数据的准确性。
【技术实现步骤摘要】
光伏发电量的预测方法、装置、电子设备和存储介质
[0001]本申请涉及光伏发电
，尤其涉及一种光伏发电量的预测方法、装置、电子设备和存储介质。
技术介绍
[0002]光伏发电量的预测对于光伏发电厂的选址，并网都有着重大意义。因此，如何准确预测出光伏发电量是目前亟需解决的技术问题。
技术实现思路
[0003]本申请提出一种光伏发电量的预测方法、装置、电子设备和存储介质。
[0004]本申请第一方面实施例提出了一种光伏发电量的预测方法，所述方法包括：获取预测日以及对应的天气数据；获取所述天气数据与所述预测日匹配的历史采样日；获取所述历史采样日的历史光伏发电量数据；将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中，以得到各个所述光伏发电量预测模型对应的光伏发电量预测数据；将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型进行投票融合，以得到所述预测日对应的光伏发电量预测数据。
[0005]在本申请的一个实施例中，所述将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型进行投票融合，以得到所述预测日对应的光伏发电量预测数据，包括：通过所述投票融合模型，对各个所述光伏发电量预测数据两两组合生成多个光伏发电量数据对；通过所述投票融合模型，确定各个所述光伏发电量数据对的相似度；通过所述投票融合模型从多个所述光伏发电量数据对中，选择相似度大于相似度阈值的目标光伏发电量预测数据对；通过所述投票融合模型，对所述目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。
[0006]在本申请的一个实施例中，在所述目标光伏发电量数据对为多个的情况下，所述通过所述投票融合模型，对所述目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据，包括：通过所述投票融合模型从多个所述目标光伏发电量数据对，选择相似度最大的目标光伏发电量预测数据对，并对相似度最大的目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。
[0007]在本申请的一个实施例中，各个所述光伏发电量预测模型均包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，所述将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中，以得到各个所述光伏发电量预测模型对应的光伏发电量预测数据，包括：针对每个光伏发电量预测模型，将所述历史光伏发电量数据输入到所述光伏发电量预测模型的输入层，通过所述光伏发电量预测模型的输入层得到所述历史光伏发电量数据对应的输入向量；将所述输入向量输入到所述光伏发电量预测模型的CNN层，并对所述输入向量进行特征提取，以得到目标特征向量；将所述目标特征向量输入所述光伏发电量预测模型的LSTM层，以得到所述目标特征向量对应的输出向
量；将所述目标特征向量对应的输出向量输入到所述光伏发电量预测模型的注意力层中，以得到所述输出向量对应的注意力权重；将所述输出向量以及对应的注意力权重输入到所述光伏发电量预测模型的输出层，以得到所述光伏发电量预测模型对应的光伏发电量预测数据。
[0008]在本申请的一个实施例中，所述获取所述天气数据与所述预测日匹配的历史采样日，包括：获取在所述预测日之前的多个第一候选采样日；针对各个第一候选采样日，确定所述预测日的天气数据与所述第一候选采样日的天气数据之间的相似度；从多个第一候选采样日中，获取相似度大于预设相似度阈值的多个第二候选采样日；按照日期顺序，对多个所述第二候选采样日进行排序，以得到排序结果；从所述排序结果中选择出日期靠近所述预测日的前M个第二候选采样日作为所述历史采样日，其中，M为大于零的整数。
[0009]在本申请的一个实施例中，所述确定所述预测日的天气数据与所述候选历史采样日的天气数据之间的相似度，包括：确定所述预测日的天气数据与所述第一候选采样日的天气数据之间的灰色关联度；确定所述预测日的天气数据与所述第一候选采样日的天气数据之间的余弦相似度；根据所述灰色关联度和所述余弦相似度，确定所述预测日的天气数据与所述第一候选采样日的天气数据之间的相似度。
[0010]本申请提出一种光伏发电量的预测方法，获取预测日对应的天气数据，并获取天气数据与预测日匹配的历史采样日，以及将历史采样日的历史光伏发电量数据输入到至少两个光伏发电量预测模型中，以得到各个光伏发电量预测模型对应的光伏发电量预测数据，并通过投票融合模型进行多个光伏发电量预测数据进行投票融合，以得到预测日对应的光伏发电量预测数据。由此，在预测光伏发电量的过程中，通过多个光伏发电量预测模型对光伏发电量进行预测，并对多个光伏发电量预测结果进行投票融合，以得到预测日对应的光伏发电量预测数据，提高了光伏发电量预测数据的准确性。
[0011]本申请第二方面实施例提出了一种光伏发电量的预测装置，该装置包括：第一获取模块，用于获取预测日以及对应的天气数据；第二获取模块，用于获取所述天气数据与所述预测日匹配的历史采样日；第三获取模块，用于获取所述历史采样日的历史光伏发电量数据；光伏发电量预测模块，用于将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中，以得到各个所述光伏发电量预测模型对应的光伏发电量预测数据；确定模块，用于将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型进行投票融合，以得到所述预测日对应的光伏发电量预测数据。
[0012]在本申请的一个实施例中，所述确定模块，具体用于：通过所述投票融合模型，对各个所述光伏发电量预测数据两两组合生成多个光伏发电量数据对；通过所述投票融合模型，确定各个所述光伏发电量数据对的相似度；通过所述投票融合模型从多个所述光伏发电量数据对中，选择相似度大于相似度阈值的目标光伏发电量预测数据对；通过所述投票融合模型，对所述目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。
[0013]在本申请的一个实施例中，在所述目标光伏发电量数据对为多个的情况下，所述确定模块，具体用于：通过所述投票融合模型从多个所述目标光伏发电量数据对，选择相似度最大的目标光伏发电量预测数据对，并对相似度最大的目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。
[0014]在本申请的一个实施例中，各个所述光伏发电量预测模型均包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，所述光伏发电量预测模块，包括：输入单元，用于针对每个光伏发电量预测模型，将所述历史光伏发电量数据输入到所述光伏发电量预测模型的输入层，通过所述光伏发电量预测模型的输入层得到所述历史光伏发电量数据对应的输入向量；特征提取单元，用于将所述输入向量输入到所述光伏发电量预测模型的CNN层，并对所述输入向量进行特征提取，以得到目标特征向量；预测单元，用于将所述目标特征向量输入所述光伏发电量预测模型的LSTM层，以得到所述目标特征向量对应的输出向量；注意力单元，用于将所述目标特征向量本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种光伏发电量的预测方法，其特征在于，所述方法包括：获取预测日以及对应的天气数据；获取所述天气数据与所述预测日匹配的历史采样日；获取所述历史采样日的历史光伏发电量数据；将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中，以得到各个所述光伏发电量预测模型对应的光伏发电量预测数据；将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型进行投票融合，以得到所述预测日对应的光伏发电量预测数据。2.如权利要求1所述的方法，其特征在于，所述将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型进行投票融合，以得到所述预测日对应的光伏发电量预测数据，包括：通过所述投票融合模型，对各个所述光伏发电量预测数据两两组合生成多个光伏发电量数据对；通过所述投票融合模型，确定各个所述光伏发电量数据对的相似度；通过所述投票融合模型从多个所述光伏发电量数据对中，选择相似度大于相似度阈值的目标光伏发电量预测数据对；通过所述投票融合模型，对所述目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。3.如权利要求1所述的方法，其特征在于，在所述目标光伏发电量数据对为多个的情况下，所述通过所述投票融合模型，对所述目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据，包括：通过所述投票融合模型从多个所述目标光伏发电量数据对，选择相似度最大的目标光伏发电量预测数据对，并对相似度最大的目标光伏发电量预测数据对进行融合，以得到所述预测日对应的光伏发电量预测数据。4.如权利要求1所述的方法，其特征在于，各个所述光伏发电量预测模型均包括输入层、卷积神经网络CNN层、长短期记忆人工神经网络LSTM层、注意力层和输出层，所述将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中，以得到各个所述光伏发电量预测模型对应的光伏发电量预测数据，包括：针对每个光伏发电量预测模型，将所述历史光伏发电量数据输入到所述光伏发电量预测模型的输入层，通过所述光伏发电量预测模型的输入层得到所述历史光伏发电量数据对应的输入向量；将所述输入向量输入到所述光伏发电量预测模型的CNN层，并对所述输入向量进行特征提取，以得到目标特征向量；将所述目标特征向量输入所述光伏发电量预测模型的LSTM层，以得到所述目标特征向量对应的输出向量；将所述目标特征向量对应的输出向量输入到所述光伏发电量预测模型的注意力层中，以得到所述输出向量对应的注意力权重；将所述输出向量以及对应的注意力权重输入到所述光伏发电量预测模型的输出层，以得到所述光伏发电量预测模型对应的光伏发电量预测数据。
5.如权利要求1所述的方法，其特征在于，所述获取所述天气数据与所述预测日匹配的历史采样日，包括：获取在...
【专利技术属性】
技术研发人员：王鸿策，郭小江，申旭辉，孙财新，潘霄峰，赵瑞斌，汤海雁，秦猛，李春华，关何格格，曹庆伟，边防，陈晓路，杭兆峰，
申请(专利权)人：盛东如东海上风力发电有限责任公司华能国际电力江苏能源开发有限公司华能国际电力江苏能源开发有限公司清洁能源分公司，
类型：发明
国别省市：
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。