一种光伏电站的功率预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种光伏电站的功率预测方法、装置、设备及存储介质，所述方法包括：获取光伏电站的运行数据，并对运行数据进行类别划分；对运行数据进行特征增强处理，得到增强变量；将增强变量作为输入变量，输入训练好的功率预测模型，将功率预测模型的输出确定为光伏电站的功率预测结果，其中，功率预测模型与运行数据的类别相匹配。本发明专利技术提供的光伏电站的功率预测方法，通过划分数据类型与对数据进行特征增强处理，结合学习能力更强的功率预测模型，提高了功率预测的准确性与稳定性。提高了功率预测的准确性与稳定性。提高了功率预测的准确性与稳定性。

【技术实现步骤摘要】
一种光伏电站的功率预测方法、装置、设备及存储介质


[0001]本专利技术涉及光伏发电
，尤其涉及一种光伏电站的功率预测方法、装置、设备及存储介质。

技术介绍

[0002]近年来，我国以光伏、风电为代表的新能源发电技术蓬勃发展。由于太阳辐照的昼夜周期性，光伏发电只能在白天进行，是一种典型的间歇型电源。此外，光伏发电受气象、环境、设备等多重因素耦合影响，具有较大的随机性和波动性。准确的光伏功率预测是保障光伏发电能够被高效消纳的一项重要基础技术。通过光伏发电功率预测技术的研究及应用可以为光伏电站和电网侧的运行服务，帮助光伏电站合理安排组件清洗、设备检修计划，并帮助电网的调度部门制定科学的发电计划。
[0003]根据预测的时间尺度进行分类可分为超短期预测、短期预测、中长期预测。其中超短期功率预测通过实时监测数据、电站逆变器运行数据、历史运行数据等数据源建立预测模型，预测时效为0
‑
4h，主要用于光伏发电功率控制、电能质量评估等。短期预测的预报时效为0
‑
72h，以数值天气预报为主，主要用于电力系统的功率平衡与经济调度。中长期预测主要用于检修安排、期望发电量的预测等。如何提高光伏发电功率预测的精度是本领域研究的热点问题。

技术实现思路

[0004]本专利技术提供了一种光伏电站的功率预测方法、装置、设备及存储介质，以提高光伏发电功率预测的精度。
[0005]根据本专利技术的一方面，提供了一种光伏电站的功率预测方法，包括：
[0006]获取所述光伏电站的运行数据，并对所述运行数据进行类别划分；
[0007]对所述运行数据进行特征增强处理，得到增强变量；
[0008]将所述增强变量作为输入变量，输入训练好的功率预测模型，将所述功率预测模型的输出确定为所述光伏电站的功率预测结果，其中，所述功率预测模型与所述运行数据的类别相匹配。
[0009]进一步地，对所述运行数据进行类别划分，包括：
[0010]根据所述运行数据的时间特征，将所述运行数据划分为春季、夏季、秋季、冬季四个类别；
[0011]基于所述春季、夏季、秋季、冬季四个类别，将每个类别的数据再根据气象特征进行划分，得到春季晴天、春季阴天、夏季晴天、夏季阴天、秋季晴天、秋季阴天、冬季晴天和冬季阴天八个类别。
[0012]进一步地，对所述运行数据进行特征增强处理，得到增强变量，包括：
[0013]对所述运行数据进行相关性分析，确定所述运行数据中包含的各输出功率相关变量的相关性大小；
[0014]根据所述各输出功率相关变量的相关性大小，去除所述各输出功率相关变量中的冗余变量，将剩余变量确定为待增强变量；
[0015]结合设定公式，将所述待增强变量转换为所述增强变量。
[0016]进一步地，所述待增强变量包括水平面辐照强度和环境温度，所述增强变量包括光伏组件表面辐照强度和光伏组件工作温度。
[0017]进一步地，所述功率预测模型包括卷积神经网络
‑
门控循环单元网络。
[0018]进一步地，所述功率预测模型的训练方法包括：
[0019]获取所述光伏电站的历史数据；
[0020]对所述历史数据进行处理，得到至少一个训练集；
[0021]将所述至少一个训练集分别输入对应的初始模型，根据所述初始模型的输出结果调整模型参数，直到所述输出结果符合设定评价指标。
[0022]进一步地，对所述历史数据进行处理，包括：
[0023]根据所述运行数据的类别对所述历史数据进行类别划分；
[0024]对所述历史数据进行特征增强处理。
[0025]根据本专利技术的另一方面，提供了一种光伏电站的功率预测装置，包括：
[0026]类别划分模块，用于获取所述光伏电站的运行数据，并对所述运行数据进行类别划分；
[0027]特征增强模块，用于对所述运行数据进行特征增强处理，得到增强变量；
[0028]功率预测结果确定模块，用于将所述增强变量作为输入变量，输入训练好的功率预测模型，将所述功率预测模型的输出确定为所述光伏电站的功率预测结果，其中，所述功率预测模型与所述运行数据的类别相匹配。
[0029]可选的，类别划分模块还用于：
[0030]根据所述运行数据的时间特征，将所述运行数据划分为春季、夏季、秋季、冬季四个类别；
[0031]基于所述春季、夏季、秋季、冬季四个类别，将每个类别的数据再根据气象特征进行划分，得到春季晴天、春季阴天、夏季晴天、夏季阴天、秋季晴天、秋季阴天、冬季晴天和冬季阴天八个类别。
[0032]可选的，特征增强模块还用于：
[0033]对所述运行数据进行相关性分析，确定所述运行数据中包含的各输出功率相关变量的相关性大小；
[0034]根据所述各输出功率相关变量的相关性大小，去除所述各输出功率相关变量中的冗余变量，将剩余变量确定为待增强变量；
[0035]结合设定公式，将所述待增强变量转换为所述增强变量。
[0036]可选的，所述待增强变量包括水平面辐照强度和环境温度，所述增强变量包括光伏组件表面辐照强度和光伏组件工作温度。
[0037]可选的，所述功率预测模型包括卷积神经网络
‑
门控循环单元网络。
[0038]可选的，所述光伏电站的功率预测装置还包括模型训练模块，包括：
[0039]历史数据获取单元，用于获取所述光伏电站的历史数据；
[0040]历史数据处理单元，用于对所述历史数据进行处理，得到至少一个训练集；
[0041]模型参数调整单元，用于将所述至少一个训练集分别输入对应的初始模型，根据所述初始模型的输出结果调整模型参数，直到所述输出结果符合设定评价指标。
[0042]可选的，历史数据处理单元还用于：
[0043]根据所述运行数据的类别对所述历史数据进行类别划分；
[0044]对所述历史数据进行特征增强处理。
[0045]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0046]至少一个处理器；以及
[0047]与所述至少一个处理器通信连接的存储器；其中，
[0048]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的光伏电站的功率预测方法。
[0049]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的光伏电站的功率预测方法。
[0050]本专利技术公开的光伏电站的功率预测方法，首先获取光伏电站的运行数据，并对运行数据进行类别划分，然后对运行数据进行特征增强处理，得到增强变量，最后将增强变量作为输入变量，输入训练好的功率预测模型，将功率预测模型的输出确定为光伏电站的功率预测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏电站的功率预测方法，其特征在于，包括：获取所述光伏电站的运行数据，并对所述运行数据进行类别划分；对所述运行数据进行特征增强处理，得到增强变量；将所述增强变量作为输入变量，输入训练好的功率预测模型，将所述功率预测模型的输出确定为所述光伏电站的功率预测结果，其中，所述功率预测模型与所述运行数据的类别相匹配。2.根据权利要求1所述的方法，其特征在于，对所述运行数据进行类别划分，包括：根据所述运行数据的时间特征，将所述运行数据划分为春季、夏季、秋季、冬季四个类别；基于所述春季、夏季、秋季、冬季四个类别，将每个类别的数据再根据气象特征进行划分，得到春季晴天、春季阴天、夏季晴天、夏季阴天、秋季晴天、秋季阴天、冬季晴天和冬季阴天八个类别。3.根据权利要求1所述的方法，其特征在于，对所述运行数据进行特征增强处理，得到增强变量，包括：对所述运行数据进行相关性分析，确定所述运行数据中包含的各输出功率相关变量的相关性大小；根据所述各输出功率相关变量的相关性大小，去除所述各输出功率相关变量中的冗余变量，将剩余变量确定为待增强变量；结合设定公式，将所述待增强变量转换为所述增强变量。4.根据权利要求3所述的方法，其特征在于，所述待增强变量包括水平面辐照强度和环境温度，所述增强变量包括光伏组件表面辐照强度和光伏组件工作温度。5.根据权利要求1所述的方法，其特征在于，所述功率预测模型包括卷积神经网络
‑
门控循环单元网络。6.根据权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：曹晟磊，王亚顺，杨建卫，王尊，刘睿晨，穆啸天，李宇豪，钱亮，
申请(专利权)人：中电华创苏州电力技术研究有限公司，
类型：发明
国别省市：