【技术实现步骤摘要】
基于历史数据的光伏发电负荷预测方法及系统
[0001]本专利技术涉及电力系统
，具体而言，涉及基于历史数据的光伏发电负荷预测方法及系统。
技术介绍
[0002]随着可再生能源的不断发展，光伏电站快速增多，使得越来越多的光伏电源接入电网运行，光伏发电量得到了快速的增长，但这样存在以下两个方面的问题：一方面，光伏发电具有随机性以及间歇性的特性，对于光伏发电负荷的精准预测用以提高电网的安全性与稳定性，成为了目前亟需攻克的主题；另一方面，由于光伏发电的特殊性，因此光伏电站通常为露天区域，受外界环境影响因素的干扰，光伏发电数据通常为非平稳性的，较为复杂，因此在预测之前对于光伏发电数据进行一定程度的分解，目前应用的分解方法主要为变分模态分解，但常规的变分模态分解内参容易影响分解的精度，为此，我们同样需要提供一种收敛块且精度高的分解方法来提高光伏发电负荷预测效果。
技术实现思路
[0003]本专利技术的目的在于提供基于历史数据的光伏发电负荷预测方法及系统，其通过设计的自适应变分模态分解算法，能够根据光伏发电数据寻优适...
【技术保护点】
【技术特征摘要】
1.基于历史数据的光伏发电负荷预测方法，其特征在于，该方法的步骤包括：输入历史光伏电站发电数据，对历史光伏电站发电数据进行归一化处理，并通过自适应变分模态分解算法将历史光伏电站发电数据分解为K个光伏序列分量；通过预设的CNN
‑
LSTM模型分别对K个光伏序列的分量进行计算，获取各个光伏序列的发电负荷预测值；对各个光伏序列的发电负荷预测值进行重构计算，获取历史光伏电站发电负荷的预测值，经验证后，完成CNN
‑
LSTM模型的训练，通过完成训练的CNN
‑
LSTM模型对实际光伏电站发电数据进行计算，完成光伏发电负荷的精准预测。2.根据权利要求1所述的基于历史数据的光伏发电负荷预测方法，其特征在于，所述自适应变分模态分解算法的构建过程如下：输入归一化处理后的历史光伏电站发电数据，并初始化粒子群优化算法的参数；确定变分模态分解算法的分解个数K，通过变分模态分解算法对归一化处理后的历史光伏电站发电数据进行分解，获得K个光伏序列分量，通过样本熵算法对各个光伏序列分量进行计算，获取各个光伏序列分量的样本熵值；通过设定的适应度函数计算各个粒子的适应度，并以各个光伏序列分量的样本熵值最小作为寻优目标，迭代更新各个粒子的位置及速度，直至样本熵值满足寻优条件且迭代次数达到阈值，输出光伏序列分量的分解个数K、各个光伏序列分量对应的样本熵值与各个粒子对应的惩罚因子α，完成自适应变分模态分解算法的构建。3.根据权利要求2所述的基于历史数据的光伏发电负荷预测方法，其特征在于，所述自适应变分模态分解算法具体将历史光伏电站发电数据分解为K个光伏序列分量与残差分量。4.根据权利要求3所述的基于历史数据的光伏发电负荷预测方法，其特征在于，其中，所述预设的CNN
‑
LSTM模型由输入层、CNN模型、LSTM模型、稠密层及输出层组成，其中，输出层具体为稠密层。5.根据权利要求4所述的基于历史数据的光伏发电负荷预测方法，其特征在于，所述预设的CNN<...
【专利技术属性】
技术研发人员：段瑞龙，王吉超，由梓默，郑权，史立志，刘畅，梁永根，乔宽，尹喆，安楠，刘志强，任乃祺，
申请(专利权)人：华能新能源股份有限公司河北分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。