一种光伏功率预测方法及光伏功率预测模型训练方法技术

本申请是一种光伏功率预测方法，具体涉及光伏电力技术领域。所述方法包括：获取目标输入序列；对目标输入序列进行序列分解，获得初始化周期项以及初始化趋势项；对目标输入序列进行时间特征提取，获得第一时间向量以及第二时间向量；根据光伏功率预测模型中的编码器对目标输入序列以及第一时间向量进行处理，获得编码结果；将初始化周期项、第二时间向量以及编码结果输入光伏功率预测模型中的解码器的第一支路，获得解码器输出的第一子结果；将初始化趋势项输入解码器的第二支路，获得第二子结果；基于第一子结果以及第二子结果的融合结果，确定光伏功率结果。基于上述方案预测得到的光伏功率结果具有较高的准确性。的光伏功率结果具有较高的准确性。的光伏功率结果具有较高的准确性。

【技术实现步骤摘要】
一种光伏功率预测方法及光伏功率预测模型训练方法


[0001]本申请涉及光伏电力
，具体涉及一种光伏功率预测方法及光伏功率预测模型训练方法。

技术介绍

[0002]光伏发电因其清洁无污染、应用形式灵活、安全可靠等优点近年来得到了迅速的发展。
[0003]但光伏发电功率具有明显的间歇性与随机波动特性，随着电网中光伏发电的渗透率不断增加，给电力系统的发电、输电以及用电实时动态平衡带来了巨大挑战，严重制约了光伏发电的安全性。现有技术中，通常可以采用长短期记忆网络、梯度提升树类算法等算法进行光伏发电预测。
[0004]然而，上述方法对光伏发电预测的准确性较差。

技术实现思路

[0005]本申请提供了一种光伏功率预测方法及光伏功率预测模型训练方法，提高了光伏功率预测的准确性，该技术方案如下。
[0006]一方面，提供了一种光伏功率预测方法，所述方法包括：
[0007]获取目标输入序列；所述目标输入序列用于指示在目标时间段内，光伏设备在对应天气下的光伏发电情况；
[0008]对所述目标输入序列进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏功率预测方法，其特征在于，所述方法包括：获取目标输入序列；所述目标输入序列用于指示在目标时间段内，光伏设备在对应天气下的光伏发电情况；对所述目标输入序列进行序列分解，获得初始化周期项以及初始化趋势项；对所述目标输入序列进行时间特征提取，获得第一时间向量以及第二时间向量；所述第一时间向量用于指示所述目标输入序列的各个数据的时间戳；所述第二时间向量用于指示所述目标输入序列的指定区间的数据的时间戳；根据光伏功率预测模型中的编码器对所述目标输入序列以及所述第一时间向量进行处理，获得编码结果；所述编码器中包括依次连接的自相关机制单元以及序列分解单元；将初始化周期项、第二时间向量以及所述编码结果输入所述光伏功率预测模型中的解码器的第一支路，获得解码器输出的第一子结果；所述解码器中的第一支路包括至少一对依次连接的自相关机制单元以及序列分解单元；将初始化趋势项输入解码器的第二支路，获得第二子结果；基于所述第一子结果以及第二子结果的融合结果，确定光伏功率结果。2.根据权利要求1所述的方法，其特征在于，对所述目标输入序列进行序列分解，获得初始化周期项以及初始化趋势项，包括：对所述目标输入序列进行平均池化操作，获得初始化趋势项；基于所述目标输入序列与所述初始化趋势项的差值，生成所述初始化周期项。3.根据权利要求1所述的方法，其特征在于，所述对所述目标输入序列进行时间特征提取，获得第一时间向量以及第二时间向量，包括：对所述目标输入序列的各个数据的时间戳进行特征提取，获得各个数据分别对应的时间戳数据；所述时间戳数据用于指示至少一个时间位置；所述时间位置包括当前小时中的分钟数、当前天的小时数、当前周的天数、当前月的天数、当前年的天数；根据所述目标输入序列的各个数据分别对应的时间戳数据，生成所述第一时间向量；根据所述目标输入序列的指定时间区间的数据分别对应的时间戳信息，生成所述第二时间向量。4.根据权利要求1所述的方法，其特征在于，所述获取目标输入序列，包括：获取目标发电数据以及目标天气数据；所述目标发电数据用于指示在目标时间段内光伏设备的光伏发电情况；所述目标天气数据用于指示在目标时间段内的天气情况；获取历史预报辐照以及历史实测辐照；所述历史预报辐照用于指示在目标时间段内的预计辐照度；所述历史实测辐照用于指示在目标时间段内的实际辐照度；根据所述历史预报辐照与所述历史实测辐照之差，生成辐照度误差；根据所述目标发电数据、目标天气数据以及辐照度误差，生成所述目标输入序列。5.根据权利要求1至4任一所述的方法，其特征在于，所述光伏功率预测模型为Autoformer模型；所述将初始化周期项、第二时间向量以及所述编码结果输入所述光伏功率预测模型中的解码器的第一支路，获得解码器输出的第一子结果，包括：将所述初始化周期项以及第二时间向量输入所述解码器的第一支路，以通过第一自相关机制单元以及第一序列分解单元进行处理，得到中间向量；
将所述中间向量与所述编码结果依次通过第二自相关机制单元、第二序列分解单元、第一前馈神经网络以及第三序列分解单元进行处理，获得第一子结果；所述将初始化趋势项输入解码器的第二支路，获得第二子结果，包括：将所述初始化趋势项输入解码器的第二支路，并依次与第一序列分解单元分解得到的第一子趋势项、第二序列分解单元分解得到的第二子趋势项以及第三序列分解单元分解得到的第三子趋势项融合，获得第二子结果。6.一种光伏功率预测模型训练方法，其特征在于，所述方法包括：获取样本输入序列以及所述样本输入序列对应的样本标注；所述样本输入序列用于指示在第一样本时间段内，光伏设备在对应天气下的光伏发电情况；所述样本标注为所述第一样本时间段后的第二样本时间段的光伏发电情况；对所述样本输入序列进行序列分解，获得初始化样本周期项以及初始化样本趋势项；对所述样本输入序列进行时间特征提取，获得第一样本向量以及第二样本向量；所述第一样本向量用于指示所述样本输入序列的各个数据的时间戳；所述第二样本向量用于指示所述样本输入序列的指定区间的数据的时间戳；...

【专利技术属性】
技术研发人员：蒋文，费远宇，曾维波，
申请(专利权)人：固德威技术股份有限公司，
类型：发明
国别省市：