一种光伏发电功率短期预测方法及系统技术方案

本发明专利技术涉及发电功率预测领域，具体公开一种光伏发电功率短期预测方法及系统，获取光伏发电数据的历史数据；对历史数据进行预处理；以预处理后的历史数据为样本，基于深度置信网络进行预测模型的预训练，获得预训练光伏发电功率短期预测模型；对预训练光伏发电功率短期预测模型进行反向微调，获得最终的光伏发电功率短期预测模型；将测试当天气象数据作为输入，基于最终的光伏发电功率短期预测模型对测试当天的光伏发电功率进行预测。本发明专利技术建立监督调优模型，进行训练有监督的策略模型，再通过训练回报模型，直接从数据中学习目标函数，最后进行参数微调，从而达到精确预测的目的。从而达到精确预测的目的。从而达到精确预测的目的。

【技术实现步骤摘要】
一种光伏发电功率短期预测方法及系统


[0001]本专利技术涉及发电功率预测领域，具体涉及一种光伏发电功率短期预测方法及系统。

技术介绍

[0002]光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术。主要由太阳电池板（组件）、控制器和逆变器三大部分组成，主要部件由电子元器件构成。太阳能电池经过串联后进行封装保护可形成大面积的太阳电池组件，再配合上功率控制器等部件就形成了光伏发电装置。
[0003]光伏发电的主要原理是半导体的光电效应。光子照射到金属上时，它的能量可以被金属中某个电子全部吸收，电子吸收的能量足够大，能克服金属原子内部的库仑力做功，离开金属表面逃逸出来，成为光电子。硅原子有4个外层电子，如果在纯硅中掺入有5个外层电子的原子如磷原子，就成为N型半导体；若在纯硅中掺入有3个外层电子的原子如硼原子，形成P型半导体。当P型和N型结合在一起时，接触面就会形成电势差，成为太阳能电池。当太阳光照射到P－N结后，电流便从P型一边流向N型一边，形成电流。
[0004]光伏发电将光能转换为电能，受太阳辐射变化等天气因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏发电功率短期预测方法，其特征在于，包括以下步骤：获取光伏发电数据的历史数据，光伏发电数据包括光伏发电功率和对应的气象数据；对历史数据进行预处理；以预处理后的历史数据为样本，基于深度置信网络进行预测模型的预训练，获得预训练光伏发电功率短期预测模型；对预训练光伏发电功率短期预测模型进行优化微调，获得最终的光伏发电功率短期预测模型；其中进行优化微调时，每次网络参数调整均基于当前网络参数和上次网络参数进行网络参数的调整；将测试当天气象数据作为输入，基于最终的光伏发电功率短期预测模型对测试当天的光伏发电功率进行预测。2.根据权利要求1所述的光伏发电功率短期预测方法，其特征在于，对历史数据进行预处理，包括：判别异常数据并删除；基于删除数据前后的数据计算填补数据，将填补数据填补到删除的异常数据的位置；将数据填补后的历史数据进行数据归一化处理，获得最终的历史数据。3.根据权利要求2所述的光伏发电功率短期预测方法，其特征在于，对历史数据进行预处理，具体包括：步骤1，采用格拉布斯算法判别异常数据，将异常数据删除；设为一组光伏发电功率数据或一组气象数据，将数据从小到大排列，，计算本组数据的均值与标准差：；；令；其中，为判断数据中的最小值是否为异常值的格拉斯统计量，为判断数据中的最大值是否为异常值的格拉斯统计量；给出一个检测水平，根据检测水平查询国家标准得的n，得到检测水平相对应的格拉布斯判别法的临界值；当或时判断数据为异常值；步骤2，采用插补法中的 k 近邻法来补全异常数据；根据异常数据附近 k 个最近邻的数据得到这 k 个数据的平均值，然后将这个平均值填入异常数据处，算法公式为：；
其中，是异常数据前面第个数据，是异常数据后面的第个数据；对数据填补后的历史数据进行线性转换，使数据落在[0,1]之间。4.根据权利要求1、2或3所述的光伏发电功率短期预测方法，其特征在于，基于深度置信网络进行预测模型的预训练，具体包括：进行预训练时采用包括多个受限玻尔兹曼机和一个BP神经网络的神经网络，每个受限玻尔兹曼机包括一个可见层和一个隐藏层，底层的可见层作为输入层，输入层和多个隐藏层形成用于提取样本数据的特征的深度置信网络，最后一个隐藏层和输出层...

【专利技术属性】
技术研发人员：吕学志，张荣华，刘涛，张金桂，曲秀勇，寇春雷，王庆利，纪海强，孙逢麟，李建杰，曹金京，穆明亮，李尊华，菅欣怡，王友国，李蓬，李兴旺，宋汉梁，刘海明，
申请(专利权)人：国网山东省电力公司滨州供电公司，
类型：发明
国别省市：