一种光伏发电预测方法、系统及电子设备技术方案

本公开揭示了一种光伏发电预测方法，系统及电子设备，属于新能源技术领域，可应用于光伏发电领域。该方法包括：根据光伏发电站的历史数据，确定归一化发电量曲线，所述归一化发电量曲线包括发电峰值时刻为12点的归一化发电量曲线和发电峰值时刻为13点的归一化发电量曲线；根据当前时刻前预设时长内的天气数据和发电量数据，通过训练好的第一模型预测当前时刻后12小时所在天的两个发电量峰值；根据当前时刻前预设时长内的天气数据、发电量数据和两组发电量预测值，通过训练好的第二模型预测每组发电量预测值的修正值及对应的残差；所述发电量预测值由归一化发电量曲线和预测的发电量峰值计算得到。电量峰值计算得到。电量峰值计算得到。

【技术实现步骤摘要】
一种光伏发电预测方法、系统及电子设备


[0001]本公开属于新能源领域，应用于光伏发电领域，更具体的说，尤其涉及一种光伏发电预测方法、系统及电子设备。

技术介绍

[0002]光伏发电是一种利用太阳能的有效方式，但是光伏发电系统的发电量环境气候影响，具有随机和波动的特点，而电力系统运行对安全性、可靠性和稳定性具有一定的要求，所以对光伏发电进行准确的预测非常重要。
[0003]光伏发电预测是指通过利用气象、气候、地形等多种因素对光伏电站的发电量进行准确预测，以提高光伏电站的发电效率和经济效益。在技术背景方面，光伏发电预测主要依赖于气象数据、历史能源数据、实时监控数据和人工智能等技术手段。其中，气象数据可以帮助预测天气和太阳辐射状况；历史能源数据可以为模型提供基础数据；实时监控数据可以实现对发电量的实时监测；而人工智能技术则可以通过机器学习算法不断优化预测模型。

技术实现思路

[0004]专利技术人经对现有技术研究分析发现，光伏发电预测已经成为了光伏电站运营管理中不可或缺的一部分。各种光伏发电预测模型也得到了广泛应用，但是现有技术中对光伏发电预测使用的数据模型单一，预测准确性有待提高。
[0005]有鉴于此，本公开的目的在于公开一种光伏发电预测方法，系统及电子设备，以解决上述技术问题。
[0006]第一方面，本公开公开一种光伏发电预测方法，包括：
[0007]根据光伏发电站的历史数据，确定归一化发电量曲线，所述归一化发电量曲线包括发电峰值时刻为12点的归一化发电量曲线和发电峰值时刻为13点的归一化发电量曲线；
[0008]根据当前时刻前预设时长内的历史数据，通过训练好的第一模型预测当前时刻后12小时所在天的两个发电量峰值；
[0009]根据当前时刻前预设时长内的历史数据和两组发电量预测值，通过训练好的第二模型预测每组发电量预测值的修正值及对应的残差；
[0010]将两个残差中较小者对应的发电量预测值的修正值确定为目标发电量预测值；
[0011]所述发电量预测值由归一化发电量曲线和预测的发电量峰值计算得到。
[0012]第二方面，本公开还提供一种光伏发电预测系统，所述系统包括：
[0013]第一确定模块，用于根据光伏发电站的历史数据，确定归一化发电量曲线，所述归一化发电量曲线包括发电峰值时刻为12点的归一化发电量曲线和发电峰值时刻为13点的归一化发电量曲线；
[0014]第一预测模块，用于根据当前时刻前预设时长内的历史数据，通过训练好的第一模型预测当前时刻后12小时所在天的两个发电量峰值；
[0015]第二预测模块，用于根据当前时刻前预设时长内的历史数据和两组发电量预测值，通过训练好的第二模型预测每组发电量预测值的修正值及对应的残差；所述发电量预测值由归一化发电量曲线和预测的发电量峰值计算得到；
[0016]第二确定模块，用于将两个残差中较小者对应的发电量预测值的修正值确定为目标发电量预测值。
[0017]第三方面，本公开还提供一种电子设备，包括：
[0018]至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
[0019]其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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上述任一方法实施例所述的方法。
[0020]第四方面，本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述任一方法实施例所述的方法。
[0021]从上述技术方案可知，本公开至少具有以下技术效果：
[0022]1、基于光伏发电站已有的历史数据，统计得到一天的发电量曲线，并通过归一化得到归一化的发电量曲线，通过训练好的模型预测未来一定时长(比如未来12小时)的发电量峰值，通过峰值和归一化曲线计算得到未来一定时长内每个时刻的发电量预测值(预测曲线)。本公开中考虑了具有不同发电峰值时刻的情况，分别进行预测，以提高预测的准确性，使得预测曲线更贴近真实曲线。
[0023]2、本公开通过训练好的第一模型进行发电量峰值预测，用该峰值乘以归一化的曲线得到未来12个时刻发电量预测值，然后再通过训练好的第二模型对未来12个时刻发电量预测值进行残差修正，本公开可以基于实时的真实发电量通过模型实现对发电量预测值进行修正，相对于单模型或者统计学模型，能够进一步提高发电量预测的准确性。
附图说明
[0024]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本公开实施例公开的一种光伏发电预测方法的流程图；
[0026]图2是本公开实施例公开的一种光伏发电预测系统的结构示意图；
[0027]图3是本公开实施例公开的一种电子设备的结构示意图。
具体实施方式
[0028]为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
[0029]针对现有光伏发电预测存在的问题，本公开实施例提供一种光伏发电预测方法，包括：
[0030]根据光伏发电站的历史数据，确定归一化发电量曲线，所述归一化发电量曲线包括发电峰值时刻为12点的归一化发电量曲线和发电峰值时刻为13点的归一化发电量曲线；
[0031]根据当前时刻前预设时长内的历史数据，通过训练好的第一模型预测当前时刻后12小时所在天的两个发电量峰值；
[0032]根据当前时刻前预设时长内的历史数据和两组发电量预测值，通过训练好的第二模型预测每组发电量预测值的修正值及对应的残差；
[0033]将两个残差中较小者对应的发电量预测值的修正值确定为目标发电量预测值；
[0034]所述发电量预测值由归一化发电量曲线和预测的发电量峰值计算得到。
[0035]参考图1所示，图1示例性的给出了根据本公开实施例的一种光伏发电预测方法的流程图，所述光伏发电预测方法主要包括以下步骤：
[0036]步骤S101：根据光伏发电站的历史数据，确定归一化发电量曲线。
[0037]目前光伏发电站能够提供包括每小时天气数据和发电量数据的历史数据。比如基站号、整点时间戳(0
‑
23小时的数字)、温度、相对湿度、风速、风力等级、风向、气压(单位为mb百帕或in英寸)、太阳辐射强度(单位为W/m2)、天气现象代码、能见度、PM2.5、空气质量、功率。
[0038]上述不是对历史数据包含数据项的详尽列出，可以理解，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏发电预测方法，其特征在于，所述方法包括：根据光伏发电站的历史数据，确定归一化发电量曲线，所述归一化发电量曲线包括发电峰值时刻为12点的归一化发电量曲线和发电峰值时刻为13点的归一化发电量曲线；根据当前时刻前预设时长内的历史数据，通过训练好的第一模型预测当前时刻后12小时所在天的两个发电量峰值；根据当前时刻前预设时长内的历史数据和两组发电量预测值，通过训练好的第二模型预测每组发电量预测值的修正值及对应的残差；将两个残差中较小者对应的发电量预测值的修正值确定为目标发电量预测值；所述发电量预测值由归一化发电量曲线和预测的发电量峰值计算得到。2.根据权利要求1所述的方法，其特征在于，所述光伏发电站的历史数据包括每小时的天气数据和发电量数据。3.根据权利要求1所述的方法，其特征在于，根据光伏发电站的历史数据确定归一化的发电量曲线，包括：基于历史数据，以天为单位，提取每天整点时刻的发电量；对提取的发电量，通过最小二乘法进行曲线拟合得到发电量曲线；对发电量曲线进行归一化处理。4.根据权利要求3所述的方法，其特征在于，对提取的发电量，通过最小二乘法进行曲线拟合得到发电量曲线，包括：对提取的每天的发电量，按照峰值发电量对应的时间不同进行分组，包括以12点发电量为峰值的上行时刻6
‑
12和下行时刻12
‑
18，以13点发电量为峰值的上行时刻6
‑
13和下行时刻13
‑
18；分别对每个分组数据采用最小二乘法进行曲线拟合；分别将12点和13点对应的上行时刻和下行时刻对应的曲线合并，得到以12点发电量为峰值点的发电量曲线和以13点发电量为峰值点的发电量曲线。5.根据权利要求1所述的方法，其特征在于，所述第一模型为LSTM神经网络模型，第一模型由历史数据进行训练得到，包括：将历史数据以第一时长为单位进行截取；将第一时长中，后12小时中12...

【专利技术属性】
技术研发人员：潘颖超，段骁晗，线策，蒋磊，李钰义，
申请(专利权)人：北京如实智慧电力科技有限公司，
类型：发明
国别省市：