一种日前光伏发电功率预测方法及装置制造方法及图纸

本发明专利技术涉及电力系统运行与分析技术领域，具体提供了一种日前光伏发电功率预测方法及装置，包括：获取历史时段的光伏发电功率数据和与光伏发电相关因素数据；将所述历史时段的光伏发电功率数据和与光伏发电相关因素数据作为预先构建的预测模型的输入，得到日前光伏发电功率预测数据。本发明专利技术提供的技术方案，可以有效降低环境因素对于光伏发电的影响，提高日前光伏发电功率预测精度，保障电源接入电网的稳定性能。的稳定性能。的稳定性能。

【技术实现步骤摘要】
一种日前光伏发电功率预测方法及装置


[0001]本专利技术涉及电力系统运行与分析
，具体涉及一种日前光伏发电功率预测方法及装置。

技术介绍

[0002]由于化石能源不可再生，其能源储配量在逐年减少。如今人们对能源结构改革有了新的认识与挑战，倡导大力发展太阳能、风能等可再生能源。光伏发电由于依赖天气状况，受到当地气象信息影响较大，表现出强烈的随机性和波动性，为电网的稳定运行提出了新的挑战。
[0003]考虑到日前光伏发电预测问题，越来越多的研究开始挖掘和利用历史发电输出数据进行直接预测。现有的预测方式单纯的依赖于历史功率数据，预测结果准确度较低，并不能解决准确预测的问题。

技术实现思路

[0004]为了克服上述缺陷，本专利技术提出了一种日前光伏发电功率预测方法及装置。
[0005]第一方面，提供一种日前光伏发电功率预测方法，所述日前光伏发电功率预测方法包括：
[0006]获取历史时段的光伏发电功率数据和与光伏发电相关因素数据；
[0007]将所述历史时段的光伏发电功率数据和与光伏发电相关因素数据作为预先构建的预测模型的输入，得到日前光伏发电功率预测数据。
[0008]优选的，所述与光伏发电相关因素包括下述中的至少一种：日天气类型、日最高温度、日最低温度。
[0009]优选的，所述预先构建的预测模型的获取过程包括：
[0010]将历史时段的光伏发电功率数据和历史时段的与光伏发电相关因素数据作为part特征，历史时段下一时段的光伏发电功率数据作为whole特征，构建训练数据；
[0011]利用所述训练数据，采用反向传播算法，对初始神经网络进行训练，得到所述预先构建的预测模型。
[0012]进一步的，所述初始神经网络包括：第一求和单元、第二求和单元、第三求和单元、第一transformer结构、第二transformer结构和第三transformer结构、第一感知机、第二感知机和第三感知机；
[0013]所述第一transformer结构，用于以输入的与光伏发电相关因素数据为注意块的查询，以输入的光伏发电功率数据为注意块的键和值，输出与光伏发电相关因素数据的特征向量；
[0014]所述第二transformer结构，用于以输入的光伏发电功率数据为注意块的查询，以输入的与光伏发电相关因素数据为注意块的键和值，输出光伏发电功率数据的特征向量；
[0015]所述第三transformer结构，用于以所述光伏发电功率数据的特征向量为注意块
的查询和值，以所述与光伏发电相关因素数据的特征向量为注意块的键，输出预测数据特征向量；
[0016]所述第一感知机，用于得到所述与光伏发电相关因素数据的特征向量对应的空间非线性映射向量；
[0017]所述第二感知机，用于得到光伏发电功率数据的特征向量对应的空间非线性映射向量；
[0018]所述第三感知机，用于得到预测数据特征向量对应的空间非线性映射向量；
[0019]所述第一求和单元，用于对所述输入的与光伏发电相关因素数据和所述与光伏发电相关因素数据的特征向量对应的空间非线性映射向量进行求和，得到与光伏发电相关因素数据的预测数据；
[0020]所述第二求和单元，用于对所述输入的光伏发电功率数据和光伏发电功率数据的特征向量对应的空间非线性映射向量进行求和，得到光伏发电功率数据预测特征数据；
[0021]所述第三求和单元，用于对所述输入的光伏发电功率数据和预测数据特征向量对应的空间非线性映射向量进行求和，得到光伏发电功率数据预测数据。
[0022]进一步的，所述与光伏发电相关因素数据的预测数据的计算式如下：
[0023][0024]所述光伏发电功率数据预测特征数据的计算式如下：
[0025][0026]所述光伏发电功率数据预测数据的计算式如下：
[0027][0028]上式中，为与光伏发电相关因素数据的预测数据，p
n
为所述输入的与光伏发电相关因素数据，为所述与光伏发电相关因素数据的特征向量，为光伏发电功率数据预测特征数据，为光伏发电功率数据预测数据，x
n
为所述输入的光伏发电功率数据，为所述光伏发电功率数据的特征向量，MLP为感知机函数，Attention为注意力机制函数，r为偏移量。
[0029]进一步的，所述与光伏发电相关因素数据的特征向量的计算式如下：
[0030][0031]所述光伏发电功率数据的特征向量的计算式如下：
[0032][0033]上式中，d
p
为所述输入的与光伏发电相关因素数据对应的编码，d
x
为所述输入的光伏发电功率数据对应的编码。
[0034]进一步的，所述对初始神经网络进行训练的过程中，损失函数的数学模型如下：
[0035][0036]上式中，w1、w2和w3分别为第一、二、三权重系数，p
n+1
为与光伏发电相关因素真实数据，x
n+1
为光伏发电功率真实数据，MSE为均方误差函数。
[0037]进一步的，所述日前光伏发电功率预测数据为所述第三求和单元输出的光伏发电功率数据预测数据。
[0038]第二方面，提供一种日前光伏发电功率预测装置，所述日前光伏发电功率预测装置包括：
[0039]获取模块，用于获取历史时段的光伏发电功率数据和与光伏发电相关因素数据；
[0040]分析模块，用于将所述历史时段的光伏发电功率数据和与光伏发电相关因素数据作为预先构建的预测模型的输入，得到日前光伏发电功率预测数据。
[0041]优选的，所述与光伏发电相关因素包括下述中的至少一种：日天气类型、日最高温度、日最低温度。
[0042]优选的，所述预先构建的预测模型的获取过程包括：
[0043]将历史时段的光伏发电功率数据和历史时段的与光伏发电相关因素数据作为part特征，历史时段下一时段的光伏发电功率数据作为whole特征，构建训练数据；
[0044]利用所述训练数据，采用反向传播算法，对初始神经网络进行训练，得到所述预先构建的预测模型。
[0045]进一步的，所述初始神经网络包括：第一求和单元、第二求和单元、第三求和单元、第一transformer结构、第二transformer结构和第三transformer结构、第一感知机、第二感知机和第三感知机；
[0046]所述第一transformer结构，用于以输入的与光伏发电相关因素数据为注意块的查询，以输入的光伏发电功率数据为注意块的键和值，输出与光伏发电相关因素数据的特征向量；
[0047]所述第二transformer结构，用于以输入的光伏发电功率数据为注意块的查询，以输入的与光伏发电相关因素数据为注意块的键和值，输出光伏发电功率数据的特征向量；
[0048]所述第三transformer结构，用于以所述光伏发电功率数据的特征向量为注意块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种日前光伏发电功率预测方法，其特征在于，所述方法包括：获取历史时段的光伏发电功率数据和与光伏发电相关因素数据；将所述历史时段的光伏发电功率数据和与光伏发电相关因素数据作为预先构建的预测模型的输入，得到日前光伏发电功率预测数据。2.如权利要求1所述的方法，其特征在于，所述与光伏发电相关因素包括下述中的至少一种：日天气类型、日最高温度、日最低温度。3.如权利要求1所述的方法，其特征在于，所述预先构建的预测模型的获取过程包括：将历史时段的光伏发电功率数据和历史时段的与光伏发电相关因素数据作为part特征，历史时段下一时段的光伏发电功率数据作为whole特征，构建训练数据；利用所述训练数据，采用反向传播算法，对初始神经网络进行训练，得到所述预先构建的预测模型。4.如权利要求3所述的方法，其特征在于，所述初始神经网络包括：第一求和单元、第二求和单元、第三求和单元、第一transformer结构、第二transformer结构和第三transformer结构、第一感知机、第二感知机和第三感知机；所述第一transformer结构，用于以输入的与光伏发电相关因素数据为注意块的查询，以输入的光伏发电功率数据为注意块的键和值，输出与光伏发电相关因素数据的特征向量；所述第二transformer结构，用于以输入的光伏发电功率数据为注意块的查询，以输入的与光伏发电相关因素数据为注意块的键和值，输出光伏发电功率数据的特征向量；所述第三transformer结构，用于以所述光伏发电功率数据的特征向量为注意块的查询和值，以所述与光伏发电相关因素数据的特征向量为注意块的键，输出预测数据特征向量；所述第一感知机，用于得到所述与光伏发电相关因素数据的特征向量对应的空间非线性映射向量；所述第二感知机，用于得到光伏发电功率数据的特征向量对应的空间非线性映射向量；所述第三感知机，用于得到预测数据特征向量对应的空间非线性映射向量；所述第一求和单元，用于对所述输入的与光伏发电相关因素数据和所述与光伏发电相关因素数据的特征向量对应的空间非线性映射向量进行求和，得到与光伏发电相关因素数据的预测数据；所述第二求和单元，用于对所述输入的光伏发电功率数据和光伏发电功率数据的特征向量对应的空间非线性映射向量进行求和，得到光伏发电功率数据预测特征数据；所述第三求和单元，用于对所述输入的光伏发电功率数据和预测数据特征向量对应的空间非线性映射向量进行求和，得到光伏发电功率数据预测数据。5.如权利要求4所述的方法，其特征在于，所述与光伏发电相关因素数据的预测数据的计算式如下：所述光伏发电功率数据预测特征数据的计算式如下：
所述光伏发电功率数据预测数据的计算式如下：上式中，为与光伏发电相关因素数据的预测数据，p
n
为所述输入的与光伏发电相关因素数据，为所述与光伏发电相关因素数据的特征向量，为光伏发电功率数据预测特征数据，为光伏发电功率数据预测数据，x
n
为所述输入的光伏发电功率数据，为所述光伏发电功率数据的特征向量，MLP为感知机函数，Attention为注意力机制函数，r为偏移量。6.如权利要求5所述的方法，其特征在于，所述与光伏发电相关因素数据的特征向量的计算式如下：所述光伏发电功率数据的特征向量的计算式如下：上式中，d
p
为所述输入的与光伏发电相关因素数据对应的编码，d
x
为所述输入的光伏发电功率数据对应的编码。7.如权利要求6所述的方法，其特征在于，所述对初始神经网络进行训练的过程中，损失函数的数学模型如下：上式中，w1、w2和w3分别为第一、二、三权重系数，p
n+1
为与光伏发电相关因素真实数据，x
n+1
为光伏发电功率真实数据，MSE为均方误差函数。8.如权利要求4所述的方法，其特征在于，所述日前光伏发电功率预测数据为所述第三求和单元输出的光伏发电功率数据预测数据。9.一种日前光伏发电功率预测装置，其特征在于，所述装置包括：获取模块，用于获取历史时段的光伏发电功率数据和与光伏发电相关因素数据；分析模块，用于将所述历史时段的光伏发电功率数据和与光伏发电相关因素数据作为预先构建的预...

【专利技术属性】
技术研发人员：王晶，于宗民，孔维政，高鹏，吕子鑫，张华成，陈辉，高阳，
申请(专利权)人：国网能源研究院有限公司国网江苏省电力有限公司常州供电分公司，
类型：发明
国别省市：