光伏功率预测方法和相关装置制造方法及图纸

本申请实施例公开了一种光伏功率预测方法和相关装置，在进行光伏场站输出功率预测时，可以先获取该光伏场站的历史输出功率数据以及气象数据，然后基于变分模式分解，根据该历史输出功率数据确定气象数据中用于预测光伏场站的输出功率的目标气象数据，从而该目标气象数据可以更加反映出光发电站的输出功率特征，较为适用于对光伏场站进行功率预测。处理设备可以通过神经网络模型，根据该目标气象数据预测光伏场站在目标未来时段对应的输出功率，可以提高输出功率的预测准确度。可以提高输出功率的预测准确度。可以提高输出功率的预测准确度。

【技术实现步骤摘要】
光伏功率预测方法和相关装置


[0001]本申请涉及数据分析
，特别是涉及一种光伏功率预测方法和相关装置。

技术介绍

[0002]随着能源技术的不断进步，新能源已经成为当下的能源发展主流方向，其中光能是新能源中的重要组成部分。光伏场站是光能的主要生成来源之一，为了保持光伏场站的稳定运行，维持光能的合理生成，需要对光伏场站的光能输出功率进行准确分析。
[0003]在相关技术中，对光伏场站的输出功率是通过光伏场站对应的气象数据进行分析得出的，然而，相关技术中并未对用于进行功率预测的气象数据进行合理分析，导致得到的功率预测结果准确度较差，难以保障光伏场站的稳定运行。

技术实现思路

[0004]为了解决上述技术问题，本申请提供了一种光伏功率预测方法，处理设备可以基于光伏场站的历史输出功率对气象数据进行预处理，从中确定出适合进行功率预测的目标气象数据，提高了针对光伏场站功率预测的准确度，保障了光伏场站的稳定运行。
[0005]本申请实施例公开了如下技术方案：
[0006]第一方面，本申请实施例公开了一种光伏功率预测方法，所述方法包括：
[0007]获取光伏场站的历史输出功率数据以及气象数据；
[0008]基于变分模式分解，根据所述历史输出功率数据确定所述气象数据中用于预测所述光伏场站的输出功率的目标气象数据；
[0009]通过神经网络模型，根据所述目标气象数据，预测所述光伏场站在目标未来时段对应的输出功率。
[0010]第二方面，本申请实施例公开了一种光伏功率预测装置，所述装置包括获取单元、第一确定单元和预测单元：
[0011]获取单元，用于获取光伏场站的历史输出功率数据以及气象数据；
[0012]第一确定单元，用于基于变分模式分解，根据所述历史输出功率数据确定所述气象数据中用于预测所述光伏场站输出功率的目标气象数据；
[0013]预测单元，用于通过神经网络模型，根据所述目标气象数据，预测所述光伏场站在目标未来时段对应的输出功率。
[0014]在一种可能的实现方式中，第一确定单元具体用于：
[0015]根据所述历史输出功率数据，确定所述气象数据对应的模式集合和模式中心频率集合，所述模式集合中包括K个分解模式，所述模式中心频率集合为所述K个分解模式分别对应的中心频率的集合，所述模式集合和所述模式中心频率集合用于使所述变分模式分解对应的约束公式达到最小值；
[0016]根据所述模式集合和所述模式中心频率集合，确定所述气象数据中用于预测所述光伏场站输出功率的目标气象数据。
[0017]在一种可能的实现方式中，第一确定单元具体用于：
[0018]根据所述历史输出功率数据，确定所述变分模式分解对应的初始分解模式数量；
[0019]确定多个待定分解模式数量，所述多个待定分解模式数量逐步接近所述初始分解模式数量；
[0020]确定所述多个待定分解模式数量分别对应的每个分解模式的正交性指数；
[0021]将正交性指数最低的待定分解模式数量确定为所述K值。
[0022]在一种可能的实现方式中，所述装置还包括分解单元、加法单元、第二确定单元和第三确定单元：
[0023]分解单元，用于将所述历史输出功率数据分解为K个本征模函数，所述K个本征模函数分别对应的初始惩罚因子都处于目标惩罚因子区间中；
[0024]加法单元，用于将所述K个本征模函数相加，得到重建输出功率数据；
[0025]第二确定单元，用于根据所述历史输出功率数据和所述重建功率数据确定相关系数；
[0026]第三确定单元，用于根据所述相关系数，从所述初始惩罚因子中确定出惩罚因子；
[0027]第一确定单元具体用于：
[0028]所述根据所述模式集合、所述模式中心频率集合和所述惩罚因子，确定所述气象数据中用于预测所述光伏场站的输出功率的目标气象数据。
[0029]在一种可能的实现方式中，所述装置还包括优化单元：
[0030]优化单元，用于通过蚁群算法对所述神经网络模型进行优化处理。
[0031]在一种可能的实现方式中，优化单元具体用于：
[0032]确定所述神经网络模型对应的权重参数集合和偏差参数集合；
[0033]根据所述权重参数集合和偏差参数集合，确定所述神经网络模型对应的成本函数，所述成本函数是根据所述权重参数集合和所述偏差参数集合预测得到的均方误差；
[0034]根据所述成本函数调整所述权重参数集合和偏差参数集合，并基于调整后的权重参数集合和偏差参数集合确定新的成本函数；
[0035]响应于根据目标权重参数集合和目标偏差参数集合确定出的目标成本函数满足优化停止条件，将所述目标权重参数集合和所述目标偏差参数集合确定为优化后的所述神经网络模型对应的参数集合。
[0036]在一种可能的实现方式中，预测单元具体用于：
[0037]确定所述目标气象数据对应的互信息参数，所述互信息参数用于标识所述目标气象数据中的各部分数据在输入所述神经网络模型时，与所述神经网络模型输出的输出数据之间的关联程度；
[0038]确定所述目标气象数据中互信息参数中关联程度大于预设阈值的目标数据；
[0039]根据所述目标数据和所述神经网络模型，预测所述光伏场站在目标未来时段对应的输出功率。
[0040]第三方面，本申请实施例公开了一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，所述至少一个处理器执行如第一方面中的任一项所述的光伏功率预测方法。
[0041]第四方面，本申请实施例公开了一种计算机设备，包括：
[0042]至少一个处理器；
[0043]至少一个存储计算机可执行指令的存储器，
[0044]其中，所述计算机设备可执行指令在被所述至少一个处理器运行时，所述至少一个处理器执行如第一方面中的任一项所述的光伏功率预测方法。
[0045]在一种可能的实现方式中，所述计算机设备设置在光伏场站的控制器中。
[0046]由上述技术方案可以看出，在进行光伏场站输出功率预测时，可以先获取该光伏场站的历史输出功率数据以及气象数据，然后基于变分模式分解，根据该历史输出功率数据确定气象数据中用于预测光伏场站的输出功率的目标气象数据，从而该目标气象数据可以更加反映出光发电站的输出功率特征，较为适用于对光伏场站进行功率预测。处理设备可以通过神经网络模型，根据该目标气象数据预测光伏场站在目标未来时段对应的输出功率，可以提高输出功率的预测准确度。
附图说明
[0047]为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，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。
[0048]图1为本申请实施例提供的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏功率预测方法，其特征在于，所述方法包括：获取光伏场站的历史输出功率数据以及气象数据；基于变分模式分解，根据所述历史输出功率数据确定所述气象数据中用于预测所述光伏场站输出功率的目标气象数据；通过神经网络模型，根据所述目标气象数据，预测所述光伏场站在目标未来时段对应的输出功率。2.根据权利要求1所述的方法，其特征在于，所述基于变分模式分解，根据所述历史输出功率数据确定所述气象数据中用于预测所述光伏场站的输出功率的目标气象数据，包括：根据所述历史输出功率数据，确定所述气象数据对应的模式集合和模式中心频率集合，所述模式集合中包括K个分解模式，所述模式中心频率集合为所述K个分解模式分别对应的中心频率的集合，所述模式集合和所述模式中心频率集合用于使所述变分模式分解对应的约束公式达到最小值；根据所述模式集合和所述模式中心频率集合，确定所述气象数据中用于预测所述光伏场站输出功率的目标气象数据。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史输出功率数据，确定所述气象数据对应的模式集合和模式中心频率集合，包括：根据所述历史输出功率数据，确定所述变分模式分解对应的初始分解模式数量；确定多个待定分解模式数量，所述多个待定分解模式数量逐步接近所述初始分解模式数量；确定所述多个待定分解模式数量分别对应的每个分解模式的正交性指数；将正交性指数最低的待定分解模式数量确定为所述K值。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：将所述历史输出功率数据分解为K个本征模函数，所述K个本征模函数分别对应的初始惩罚因子都处于目标惩罚因子区间中；将所述K个本征模函数相加，得到重建输出功率数据；根据所述历史输出功率数据和所述重建功率数据确定相关系数；根据所述相关系数，从所述初始惩罚因子中确定出惩罚因子；所述根据所述模式集合和所述模式中心频率集合，确定所述气象数据中用于预测所述光伏场站的输出功率的目标气象数据，包括：所述根据所述模式集合、所述模式中心频率集合和所述惩罚因子，确定所述气象数据中用于预测所述光伏场站的输出功率的目标气象数据。5.根据权利要求1所述的方法，其特征在于，在通过神经网络模型，根据所述目标气象数据，预测所述光伏场站在目标未来时段对应的输出功率之前，所述方法还包括：通过蚁群算法对所述神经网络模型进行优化处理。6.根据权利要...

【专利技术属性】
技术研发人员：所罗门，
申请(专利权)人：北京天诚同创电气有限公司，
类型：发明
国别省市：