光伏发电量的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种光伏发电量的预测方法、装置、电子设备及存储介质，该预测方法包括以下步骤：获取多个历史日期与目标日期之间的天气相似度因子、日期差距因子和星期差距因子，之后，基于三个因子计算历史日期与目标日期之间的相似性，获取最相似的多个历史日期，多个历史日期的光伏发电量的平均值即为目标日期的光伏发电量的预测值。综上所述，该预测方法能够精确的预测光伏电站的发电量。够精确的预测光伏电站的发电量。够精确的预测光伏电站的发电量。

【技术实现步骤摘要】
光伏发电量的预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及电力调度
，尤其涉及一种光伏发电量的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]在传统能源开采日益见底且生态环境急剧恶化的今天，太阳能作为一种清洁能源并且储量丰富，加之目前光伏发电技术日益成熟，光伏发电已经被国际公认为最具竞争性的一项能源技术之一。然而，光伏发电也存在明显的缺点，光伏发电受气象等因素影响较大，具有较强的间歇性和波动性，导致光伏发电不稳定以及不连续，使得高比例光伏接入后给电力系统造成巨大的冲击与挑战。若能准确进行光伏发电量预测，不仅可以提高光伏电站运营效率，在一些应用场景，如光伏、储能以及电网共同作用的园区等，对实现园区绿电也有着重要的意义。

技术实现思路

[0003]本专利技术的目的在于提供一种光伏发电量的预测方法、装置、电子设备及存储介质。
[0004]为了实现上述专利技术目的之一，本专利技术一实施方式提供了一种光伏发电量的预测方法，包括以下步骤：
[0005]获取N个历史日期date
i
与目标日期dest之间的天气相似度因子ζ
i
，获取N个历史日期date
i
与目标日期dest之间的日期差距因子δ
i
，获取N个历史日期date
i
与目标日期dest之间的星期差距因子γ
i
，所述天气相似度因子ζ
i
包含有M个时间点Time1、Time2、...、Time
M
对应的因子ζ
i
(1)、ζ
i
(2)、...、ζ
i
(M)，其中，N、M和i是正整数，且i＝1，2，...，N；
[0006]生成矩阵其中，j是正整数，j＝1，2，...，M+2；矩阵Y的第1行、第2行、...、第M行的指标分别为Time1、Time2、...、Time
M
，矩阵Y的第M+1行的指标为日期差距因子，矩阵Y的第M+1行的指标为星期差距因子；
[0007]对矩阵Y进行归一化处理，历史日期date
i
与目标日期dest相似性与目标日期dest相似性C
j
＝S
j
×
R
j
，，r
ij
为矩阵Y第i行的指标和第j行的指标之间的相关系数；
[0008]以从大到小的次序、从相似性F1、F2、...、F
M
中选择Num个最大的相似性，获取Num个相似性一一对应的Num个历史日期，所述Num个历史日期一一对应的光伏发电量的平均值即为目标日期dest的光伏发电量的预测值。
[0009]作为本专利技术一实施方式的进一步改进，所述“获取N个历史日期date
i
与目标日期dest之间的天气相似度因子ζ
i”具体包括：获取历史日期date
i
在时间点Time1、Time2、...、
Time
M
一一对应的天气类型数据x
i
(1)、x
i
(2)、...、x
i
(M)；获取目标日期dest在时间点Time1、Time2、...、Time
M
一一对应的天气类型数据x0(1)、x0(2)、...、x0(M)；其中，天气类型数据均为自然数，且不同的天气类型对应的不同的自然数；每个天气相似度因子ζ
i
包含有M个时间点Time
k
对应的因子其中，k是正整数，0<ρ<1，k＝1,2，...，M。
[0010]作为本专利技术一实施方式的进一步改进，所述“获取N个历史日期date
i
与目标日期dest之间的日期差距因子δ
i”具体包括：每个历史日期date
i
与目标日期dest之间的日期差距因子其中，mod是取余函数，int是取整函数，1<β1,β2,β3<1，N1,N2和N3是常数，Δ
i
为历史日期date
i
与目标日期dest之间的相隔天数，当历史日期date
i
与目标日期dest均是重大节日时，P
i
＝1，否则，P
i
＝0。
[0011]作为本专利技术一实施方式的进一步改进，所述“获取N个历史日期date
i
与目标日期dest之间的星期差距因子γ
i”具体包括：每个历史日期date
i
与目标日期dest之间的星期差距因子γ
i
＝1
‑
|w
i
‑
w0|，其中，星期类型星期一，星期二，星期三，星期四，星期五，星期六和星期日分别对应到一个实数，w
i
为历史日期date
i
所处的星期类型对应的实数，w0为目标日期dest所处的星期类型对应的实数。
[0012]作为本专利技术一实施方式的进一步改进，星期一对应到0.1，星期二至星期四对应到0.2，星期五对应到0.3，周六对应到0.7，星期日对应到1。
[0013]作为本专利技术一实施方式的进一步改进，所述“对矩阵Y进行归一化处理”具体包括：生成矩阵其中，之后，对于矩阵Y中的每个y
i,j
＝y
′
i,j
。
[0014]作为本专利技术一实施方式的进一步改进，所述“对矩阵Y进行归一化处理”具体包括：生成矩阵其中，之后，对于矩阵Y中的每个y
i,j
＝y
′
i,j
。
[0015]本专利技术实施例还提供了一种光伏发电量的预测装置，包括以下模块：信息获取模块，用于获取N个历史日期date
i
与目标日期dest之间的天气相似度因子ζ
i
，获取N个历史日期date
i
与目标日期dest之间的日期差距因子δ
i
，获取N个历史日期date
i
与目标日期dest之间的星期差距因子γ
i
，所述天气相似度因子ζ
i
包含有M个时间点Time1、Time2、...、Time
M
对应的因子ζ
i
(1)、ζ
i
(2)、...、ζ
i
(M)，其中，N、M和i是正整数，且i＝1，2，...，N；矩阵生成模块，用于生成矩阵其中，j是正整数，j＝1，2，...，M+2；矩阵Y的第1行、第2行、...、第M行的指标分别为Time1、Time2、...、Time
M
，矩阵Y的第M+1行的指标为日期差距因子，矩阵Y的第M+1行的指标为星期差距因子；
矩阵处理模块，用于对矩阵Y进行归一化处理，历史日期date
...

【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，包括以下步骤：获取N个历史日期date
i
与目标日期dest之间的天气相似度因子ζ
i
，获取N个历史日期date
i
与目标日期dest之间的日期差距因子δ
i
，获取N个历史日期date
i
与目标日期dest之间的星期差距因子γ
i
，所述天气相似度因子ζ
i
包含有M个时间点Time1、Time2、...、Time
M
对应的因子ζ
i
(1)、ζ
i
(2)、...、ζ
i
(M)，其中，N、M和i是正整数，且i＝1，2，...，N；生成矩阵其中，j是正整数，j＝1，2，...，M+2；矩阵Y的第1行、第2行、...、第M行的指标分别为Time1、Time2、...、Time
M
，矩阵Y的第M+1行的指标为日期差距因子，矩阵Y的第M+1行的指标为星期差距因子；对矩阵Y进行归一化处理，历史日期date
i
与目标日期dest相似性与目标日期dest相似性C
j
＝S
j
×
R
j
，，r
ij
为矩阵Y第i行的指标和第j行的指标之间的相关系数；以从大到小的次序、从相似性F1、F2、...、F
M
中选择Num个最大的相似性，获取Num个相似性一一对应的Num个历史日期，所述Num个历史日期一一对应的光伏发电量的平均值即为目标日期dest的光伏发电量的预测值。2.根据权利要求1所述的预测方法，其特征在于，所述“获取N个历史日期date
i
与目标日期dest之间的天气相似度因子ζ
i”具体包括：获取历史日期date
i
在时间点Time1、Time2、...、Time
M
一一对应的天气类型数据x
i
(1)、x
i
(2)、...、x
i
(M)；获取目标日期dest在时间点Time1、Time2、...、Time
M
一一对应的天气类型数据x0(1)、x0(2)、...、x0(M)；其中，天气类型数据均为自然数，且不同的天气类型对应的不同的自然数；每个天气相似度因子ζ
i
包含有M个时间点Time
k
对应的因子其中，k是正整数，0<ρ<1，k＝1,2，...，M。3.根据权利要求1所述的预测方法，其特征在于，所述“获取N个历史日期date
i
与目标日期dest之间的日期差距因子δ
i”具体包括：每个历史日期date
i
与目标日期dest之间的日期差距因子其中，mod是取余函数，int是取整函数，1<β1,β2,β3<1，N1,N2和N3是常数，Δ
i
为历史日期date
i
与目标日期dest之间的相隔天数，当历史日期date
i
与目标日期dest均是重大节日时，P
i
＝1，否则，P
i
＝0。4.根据权利要求1所述...

【专利技术属性】
技术研发人员：洪星，汪宁宁，杨帆，朱冲，洪佳音，陈超，何辉，
申请(专利权)人：安徽固太新能源有限公司，
类型：发明
国别省市：