光伏集群功率预测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种光伏集群功率预测方法，涉及电力系统控制技术领域，用于解决现有功率预测结果不精确，该方法包括以下步骤：构建多个相关性分析对象；计算各相关系数下相关性分析对象对应的功率相关性系数；对多个分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据相关性系数均值选取集群功率预测代表电站；将集群功率预测代表电站历史功率和气象数据输入集成的功率预测模型，得到代表电站功率预测结果；根据所述功率预测结果进行外推，得到光伏集群总功率预测结果。本发明专利技术还公开了一种光伏集群功率预测装置、电子设备和计算机存储介质。本发明专利技术通过对单电站

【技术实现步骤摘要】
光伏集群功率预测方法、装置、设备及介质


[0001]本专利技术涉及一种电力系统控制
，尤其涉及一种基于多特征提取的光伏集群功率预测方法、装置、设备及介质。

技术介绍

[0002]随着新型能源发电已在发电能源结构中占比增高，太阳能作为一种可再生清洁能源的使用率也随之增高。但太阳能并网过程对电力系统安全、灵活调度和新能源的消纳能力的要求较高；为维护电力系统稳定运行，需要对太阳能进行精准的功率预测。
[0003]当前，我国光伏发电主要为集中式光伏和分布式光伏，其中，分布式光伏可以更好地解决光伏电站的消纳问题，因此逐渐得到了更广泛的应用。随着以集群为单位的光伏电站容量增大，需要对集群功率进行预测以保证发电效率和安全性。目前集群功率预测分为累加法、外推法和统计升尺度法，其中累加法和外推法对数据要求较为严格，数据复杂度较高，而且单个电厂和单个区域的预测精度会对整个集群产生木桶效应。统计升尺度法虽然只需要选取集群中的代表电站预测并将其结果利用权重系数进行外推，并进行可整个集群的功率预测；但容易因代表电站选取过程中考虑因素不全进而影响集群预测功率，因此为了进一步提升光伏集群功率预测精度，亟需进一步考虑更多因素去选区代表电站，并从预测方案和模型上进行优化。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的之一在于提供一种光伏集群功率预测方法，其通过相关性系数分析以进行多特征提取，进而进行功率预测。
[0005]本专利技术的目的之一采用以下技术方案实现：
[0006]一种光伏集群功率预测方法，包括以下步骤：
[0007]构建多个单电站集群的相关性分析对象；
[0008]分别计算每个预设相关系数下所述相关性分析对象对应的功率相关性系数；
[0009]对多个所述分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据所述相关性系数均值选取集群功率预测代表电站；
[0010]将所述集群功率预测代表电站的历史功率和气象数据输入LSTM和1DCNN集成的功率预测模型，得到所述功率预测代表电站功率预测结果；
[0011]根据所述代表电站功率预测结果进行外推，得到光伏集群总功率预测结果。
[0012]进一步地，所述相关性分析对象包括单电站
‑
其余单电站、单电站
‑
总集群、单电站
‑
去除对应单电站集群。
[0013]进一步地，所述预设相关系数包括Pearson相关系数、Kendall相关系数及Spearman相关系数，所述功率相关性系数通过将单电站功率、集群总功率及集群去单总功率代入所述预设相关系数计算公式得到。
[0014]进一步地，当所述相关性分析对象为单电站
‑
其余单电站时，计算功率相关性系数
后，还包括：对集群内单电站
‑
其余单电站不同单电站的多个相关性系数进行均值计算得到该相关性分析对象总特征。
[0015]进一步地，对多个所述分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据所述相关性系数均值选取集群功率预测代表电站，包括：
[0016]根据所述相关性系数，通过Shapley算法进行权重标准计算；
[0017]根据所述权重标准，计算所述相关性系数的Shapley值；
[0018]根据所述Shapley值，计算所述相关性系数的权重；
[0019]根据所述权重，计算相关性系数均值，并选取相关性系数均值最大的电站作为集群功率预测代表电站。
[0020]进一步地，所述预测模型为通过CatBoost集成的LSTM
‑
1DCNN功率预测模型。
[0021]进一步地，根据所述代表电站功率预测结果进行外推，得到光伏集群总功率预测结果，所述外推满足公式：
[0022][0023]其中，P
set
为集群功率预测，P
ref
为参考电站功率，C
set
为集群总容量，C
ref
为参考电站容量，P
ave
为相关性系数均值。
[0024]本专利技术的目的之二在于提供一种光伏集群功率预测装置，其通过对但电站集群进行对象构建，进而对每个分析对象进行相关性分析，得到功率预测结果。
[0025]本专利技术的目的之二采用以下技术方案实现：
[0026]一种光伏集群功率预测装置，其包括：
[0027]构建模块，用于构建多个单电站集群的相关性分析对象；
[0028]分析模块，用于分别计算每个预设相关系数下所述相关性分析对象对应的功率相关性系数；对多个所述分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据所述相关性系数均值选取集群功率预测代表电站；
[0029]预测模块，用于将所述集群功率预测代表电站历史功率和气象数据输入LSTM和1DCNN集成的功率预测模型，得到代表电站功率预测结果；并根据所述代表电站功率预测结果进行外推，得到光伏集群总功率预测结果。
[0030]本专利技术的目的之三在于提供执行专利技术目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的光伏集群功率预测方法。
[0031]本专利技术的目的之四在于提供存储专利技术目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述光伏集群功率预测方法。
[0032]相比现有技术，本专利技术的有益效果在于：
[0033]本专利技术通过对单电站的集群相关性分析对象，实现对发电站集群的更准划分；通过多个相关系数，计算功率相关性系数，考虑了电站的多特征，并进行特征提取及功率预测；集成的LSTM
‑
1DCNN网络模型增加了预测准确率；最后结合相关系数进行外推，得到集群总功率预测结果，本专利技术考虑了电站的多种因素，包括多特征、多个分析对象，使结果更可靠，还选用了优化的预测模型，使预测精度更高。
附图说明
[0034]图1是实施例一的光伏集群功率预测方法的流程图；
[0035]图2是实施例一的LSTM神经网络结构示意图；
[0036]图3是实施例一的1DCNN神经网络结构示意图；
[0037]图4是实施例三的相关性系数加权计算流程图；
[0038]图5是实施例四的光伏集群代表电站功率预测模型结构示意图；
[0039]图6是实施例四的不同天气类型下不同预测方案的代表电站预测结果对比图；
[0040]图7是实施例四的光伏集群代表电站选取结果图；
[0041]图8是实施例五的光伏集群功率预测装置的结构框图；
[0042]图9是实施例六的电子设备的结构框图。
具体实施方式
[0043]以下将结合附图，对本专利技术进行更为详细的描述，需要说明的是，以下参照附图对本专利技术进行的描述仅是示意性的，而非限制性的。各个不同实施例之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏集群功率预测方法，其特征在于，包括以下步骤：构建多个单电站集群的相关性分析对象；分别计算每个预设相关系数下所述相关性分析对象对应的功率相关性系数；对多个所述分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据所述相关性系数均值选取集群功率预测代表电站；将所述功率预测代表电站的历史功率和气象数据输入LSTM和1DCNN集成的功率预测模型，得到所述功率预测代表电站功率预测结果；根据所述代表电站功率预测结果进行外推，得到光伏集群总功率预测结果。2.如权利要求1所述的光伏集群功率预测方法，其特征在于，所述相关性分析对象包括单电站
‑
其余单电站、单电站
‑
总集群、单电站
‑
去除对应单电站集群。3.如权利要求1或2所述的光伏集群功率预测方法，其特征在于，所述预设相关系数包括Pearson相关系数、Kendall相关系数及Spearman相关系数，所述功率相关性系数通过将单电站功率、集群总功率及集群去单总功率代入所述预设相关系数计算公式得到。4.如权利要求2所述的光伏集群功率预测方法，其特征在于，当所述相关性分析对象为单电站
‑
其余单电站时，计算功率相关性系数后，还包括：对集群内单电站
‑
其余单电站不同单电站的多个相关性系数进行均值计算得到该相关性分析对象总特征。5.如权利要求1所述的光伏集群功率预测方法，其特征在于，对多个所述分析对象的相关性系数进行加权计算，得到相关性系数均值，并根据所述相关性系数均值选取功率预测代表电站，包括：根据所述相关性系数，通过Shapley算法进行权重标准计算；根据所述权重标准，计算所述相关性系数的Shapley值；根据所述Shapley值，计...

【专利技术属性】
技术研发人员：彭琰，陈文进，熊鸿韬，杨岩，张俊，陈菁伟，张若伊，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：