【技术实现步骤摘要】
一种光伏发电功率的预测方法
[0001]本专利技术涉及供配电
,尤其涉及一种光伏发电功率的预测方法。
技术介绍
[0002]随着经济的高速发展,社会用电量持续增长,人们对优质能源的需求也越来越强烈。传统的化石能源储量有限,且为不可再生资源,随着人们的不断开采利用,面临着日益严重的资源枯竭问题,大力发展清洁低碳的可再生能源是应对愈发严峻的全球性能源短缺问题的必要之举。光伏发电利用半导体元件的光生伏特效应将光能转换为电能,和其他可再生资源发电如风力发电和潮汐能发电等相比,具有安全,投资少,建设方便等优势。近年来,光伏发电因其清洁,无污染,便于分布式推广等方面的显著优势,在全球范围内得到了广泛推广。
[0003]然而受气象因素的影响,光伏发电输出功率具有很强的不稳定性。光伏不稳定性不仅导致电网的电能质量造成影响,还会给电网的有功经济调度带来困难给电网的安全稳定运行带来一系列问题。光伏功率预测技术可以帮助电力调度部门基于预测的光伏功率制定调度方案并进行各类电源的优化调度,减轻光伏发电的不稳定出力对系统造成的影响。
[0004]目前光伏功率预测技术多为基于历史数据进行神经网络训练后得到光伏功率预测模型,再基于光伏功率预测模型进行功率预测。但随着光伏的使用寿命增长,天气突变等因素影响,光伏功率预测模型的预测准确率逐渐降低,无法实现光伏功率的实时准确预测。
技术实现思路
[0005]本专利技术提供了一种光伏发电功率的预测方法,能够实现光伏发电功率的实时准确预测。
[0006]第一方面, ...
【技术保护点】
【技术特征摘要】
1.一种光伏发电功率的预测方法,其特征在于,包括:获取当前时刻之前历史时段内的光伏发电数据和辐照度数据;并生成训练样本;每个训练样本包括第一时刻的光伏发电功率和第一时刻之前设定时段的辐照度数据,第一时刻为历史时段内的任一时刻;基于所述训练样本,对预先训练的光伏预测模型进行重训练,更新模型参数,得到更新后的光伏预测模型;基于当前时刻所在设定时段的辐照度数据和所述更新后的光伏预测模型,预测得到下一时刻的光伏发电功率。2.根据权利要求1所述的光伏发电功率的预测方法,其特征在于,所述光伏预测模型包括1DM模块和和LSTM模块;基于所述训练样本,对预先训练的光伏预测模型进行重训练,更新模型参数,得到更新后的光伏预测模型,包括:对于每次迭代训练过程,基于所述第一时刻之前设定时段的辐照度数据,生成原始矩阵;将所述原始矩阵输入所述1DM模块,进行特征提取和融合,得到第一矩阵;所述第一矩阵的维度小于所述原始矩阵的维度;以所述第一矩阵为输入,以第一时刻的光伏发电功率为输出,对所述LSTM模块进重训练,更新所述LSTM模块的参数,得到所述更新后的光伏预测模型。3.根据权利要求2所述的光伏发电功率的预测方法,其特征在于,所述1DM模块包括多级卷积池化网络,每级卷积池化网络包括多层卷积层;每层卷积层用于对该卷积层的输入矩阵进行特征提取生成特定维度的输出矩阵;所述将所述原始矩阵输入所述1DM模块,进行特征提取和融合,得到第一矩阵,包括:步骤31,将所述原始矩阵输入第一级卷积池化网络的第一层卷积层,提取所述原始矩阵中的特征,得到第二矩阵;所述第二矩阵的维度小于所述原始矩阵的维度;步骤32,将所述第二矩阵,输入所述第一级卷积池化网络的第二层卷积层,提取所述原始矩阵中的特征,得到第三矩阵;所述第三矩阵的维度小于所述第二矩阵的维度;步骤33,重复步骤32,逐层进行特征提取,直至所述第一级卷积池化网络结束,得到第四矩阵;步骤34,基于所述第四矩阵和第一融合矩阵,进行特征融合,得到第五矩阵;步骤35,将所述第五矩阵输入第二级卷积池化网络,重复步骤31至步骤34,进行特征提取和融合,得到最末级卷积池化网络的输出矩阵;步骤36,基于所述最末级卷积池化网络的输出矩阵和所述原始矩阵,进行特征融合,得到原始融合矩阵;步骤37,将所述原始融合矩阵输入所述多级卷积池化网络,进行逐级特征提取和融合,得到所述第一矩阵。4.根据权利要求2所述的光伏发电功率的预测方法,其特征在于,所述基于当前时刻所在设定时段的辐照度数据和所述更新后的光伏预测模型,预测得到下一时刻的光伏发电功率,包括:将所述设定时段的辐照度数据输入所述1DM模块,进行特征提取和融合,得到当前时刻
的融合矩阵;将所述当前时刻的融合矩阵,输入所述LSTM模块,得到下一时刻的光伏发电功率。5.根据权利要求1所述的光伏发电功率的预测方法,其特征在于,所述获取当前时刻之前历史时段内的光伏发电数据和辐照度数据之后,还包括:基于所述历史时段内的光伏发电数据和辐照度数据,生成功率数据序列和辐照度数据序列;对于功率数据序列和辐照度数据序列中的任一元素,若该元素处缺失数据,则确定该元素为异常数据;对于功率数据序列中的任一元素,若该...
【专利技术属性】
技术研发人员:闫美超,申光鹏,李晓楠,刘晓琳,聂泽,高凯龙,方岩,张世超,杜涛,杨萌,
申请(专利权)人:石家庄科林云能信息科技有限公司,
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。