一种光伏输出功率预测方法、系统、介质及电子设备技术方案

本发明专利技术提供了一种光伏输出功率预测方法、系统、介质及电子设备，包括以下过程：获取待预测区域的气象数据；根据获取的气象数据以及预训练的长短期记忆网络，得到待预测区域的光伏输出功率预测结果。本发明专利技术使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，弥补了传统长短期记忆网络训练易陷入局部极值点的不足，有效提高了光伏预测精度和效率；然后，以确定性预测的结果为基础，计算出分别在不同置信条件下的光伏功率概率预测区间，有效的保证了长短期记忆网络的预测精度。了长短期记忆网络的预测精度。了长短期记忆网络的预测精度。

【技术实现步骤摘要】
一种光伏输出功率预测方法、系统、介质及电子设备


[0001]本专利技术涉及光伏功率预测
，特别涉及一种光伏输出功率预测方法、系统、介质及电子设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]光伏输出功率具有间歇性、震荡性、不可控等特征，对电力系统的安全、平稳地工作，产生了很大的限制。对光伏发电进行精确的预测是实现大规模推广和合理规划的前提。对光伏出力情况提取进行预测，从而使电网提前布局，降低太阳能的波动对电网的冲击。
[0004]专利技术人发现，单一的预测算法在预测精度和可靠性上往往较差，无法满足长期波动的光伏功率预测的需求；而且，目前大多数研究针对的是确定性预测，但实际数据和预测数据往往有偏差，并且由于光伏发电受到很多因素的影响，实际功率波动较大。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了一种光伏输出功率预测方法、系统、介质及电子设备，使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，弥补了传统长短期记忆网络训练易陷入局部极值点的不足，有效提高了光伏预测精度和效率；然后，以确定性预测的结果为基础，计算出分别在不同置信条件下的光伏功率概率预测区间，有效的保证了长短期记忆网络的预测精度。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术第一方面提供了一种光伏输出功率预测方法。
[0008]一种光伏输出功率预测方法，包括以下过程：
[0009]获取待预测区域的气象数据；
[0010]根据获取的气象数据以及预训练的长短期记忆网络，得到待预测区域的光伏输出功率预测结果；
[0011]其中，长短期记忆网络的训练，包括：
[0012]使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，以长短期记忆网络确定性预测的结果为基础，分别计算在不同置信条件下的光伏功率概率预测区间，使用区间平均带宽对概率性预测结果进行评估，当评估误差大于设定阈值时，继续进行训练或修正，直至评估误差小于或等于设定阈值。
[0013]作为本专利技术第一方面进一步的限定，使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，包括：
[0014]根据长短期记忆网络超参数的范围，随机产生初始化样本点，将初始化样本点输入到高斯过程中，并对长短期记忆网络进行训练，利用长短期记忆网络目标函数输出的损失值对高斯模型进行修正，使得高斯模型更加接近真实的函数分布；
[0015]利用采样函数在修正后的高斯模型中选取下一组需要评估的样本点，新的样本评
估点作为输入传入长短期记忆网络中进行训练，获得目标函数新的输出值，以此来更新样本集合和高斯模型；
[0016]若新选取的样本点对应的目标函数损失值若符合要求，则终止算法继续执行并退出，输出当前选取的最佳的参数组合以及对应的长短期记忆网络的目标函数的损失值；
[0017]若新选取的样本点对应的目标函数损失值不符合要求，则将损失值更新到样本集合中，返回对高斯模型继续进行修正的过程，直到满足要求。
[0018]作为本专利技术第一方面更进一步的限定，高斯模型的表达式为：
[0019]f(x)～GP(μ(x),k(x,x))
[0020]其中，μ(x)＝E(f(x))，E(f(x))是f(x)的数学期望，通常均值函数设置为0，f(x)表示平均绝对误差，k(x，x)表示x的协方差函数，x为训练模型所需的样本点。
[0021]作为本专利技术第一方面进一步的限定，区间平均带宽PINAW，包括：
[0022][0023]其中，N
t
表示样本数，R表示目标值变化范围，U
i
表示区间上限，L
i
表示区间下限。
[0024]作为本专利技术第一方面进一步的限定，置信条件，至少包括：90％、95％和99％。
[0025]本专利技术第二方面提供了一种光伏输出功率预测系统。
[0026]一种光伏输出功率预测系统，包括：
[0027]数据获取模块，被配置为：获取待预测区域的气象数据；
[0028]概率预测模块，根据获取的气象数据以及预训练的长短期记忆网络，得到待预测区域的光伏输出功率预测结果；
[0029]其中，长短期记忆网络的训练，包括：
[0030]使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，以长短期记忆网络确定性预测的结果为基础，分别计算在不同置信条件下的光伏功率概率预测区间，使用区间平均带宽对概率性预测结果进行评估，当评估误差大于设定阈值时，继续进行训练或修正，直至评估误差小于或等于设定阈值。
[0031]作为本专利技术第二方面进一步的限定，使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，包括：
[0032]根据长短期记忆网络超参数的范围，随机产生初始化样本点，将初始化样本点输入到高斯过程中，并对长短期记忆网络进行训练，利用长短期记忆网络目标函数输出的损失值对高斯模型进行修正，使得高斯模型更加接近真实的函数分布；
[0033]利用采样函数在修正后的高斯模型中选取下一组需要评估的样本点，新的样本评估点作为输入传入长短期记忆网络中进行训练，获得目标函数新的输出值，以此来更新样本集合和高斯模型；
[0034]若新选取的样本点对应的目标函数损失值若符合要求，则终止算法继续执行并退出，输出当前选取的最佳的参数组合以及对应的长短期记忆网络的目标函数的损失值；
[0035]若新选取的样本点对应的目标函数损失值不符合要求，则将损失值更新到样本集合中，返回对高斯模型继续进行修正的过程，直到满足要求。
[0036]作为本专利技术第二方面更进一步的限定，高斯模型的表达式为：
[0037]f(x)～GP(μ(x),k(x,x))
[0038]其中，μ(x)＝E(f(x))，E(f(x))是f(x)的数学期望，通常均值函数设置为0，f(x)表示平均绝对误差，k(x，x)表示x的协方差函数，x为训练模型所需的样本点。
[0039]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的光伏输出功率预测方法中的步骤。
[0040]本专利技术第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的光伏输出功率预测方法中的步骤。
[0041]与现有技术相比，本专利技术的有益效果是：
[0042]1、本专利技术创新性的提出了一种光伏输出功率预测方法、系统、介质及电子设备，使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，弥补了传统长短期记忆网络训练易陷入局部极值点的不足，结合贝叶斯优化器的全局搜索能力和迭代次数少的特点来进行光伏输出功率预测，相比较传统的单一预测模型而言，在不同天气条件下显著提高了光伏功率预测的预测精度。
...

【技术保护点】

【技术特征摘要】
1.一种光伏输出功率预测方法，其特征在于，包括以下过程：获取待预测区域的气象数据；根据获取的气象数据以及预训练的长短期记忆网络，得到待预测区域的光伏输出功率预测结果；其中，长短期记忆网络的训练，包括：使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，以长短期记忆网络确定性预测的结果为基础，分别计算在不同置信条件下的光伏功率概率预测区间，使用区间平均带宽对概率性预测结果进行评估，当评估误差大于设定阈值时，继续进行训练或修正，直至评估误差小于或等于设定阈值。2.如权利要求1所述的光伏输出功率预测方法，其特征在于，使用贝叶斯优化器对长短期记忆网络的权值和阈值进行优化，包括：根据长短期记忆网络超参数的范围，随机产生初始化样本点，将初始化样本点输入到高斯过程中，并对长短期记忆网络进行训练，利用长短期记忆网络目标函数输出的损失值对高斯模型进行修正，使得高斯模型更加接近真实的函数分布；利用采样函数在修正后的高斯模型中选取下一组需要评估的样本点，新的样本评估点作为输入传入长短期记忆网络中进行训练，获得目标函数新的输出值，以此来更新样本集合和高斯模型；若新选取的样本点对应的目标函数损失值若符合要求，则终止算法继续执行并退出，输出当前选取的最佳的参数组合以及对应的长短期记忆网络的目标函数的损失值；若新选取的样本点对应的目标函数损失值不符合要求，则将损失值更新到样本集合中，返回对高斯模型继续进行修正的过程，直到满足要求。3.如权利要求2所述的光伏输出功率预测方法，其特征在于，高斯模型的表达式为：f(x)～GP(μ(x),k(x,x))其中，μ(x)＝E(f(x))，E(f(x))是f(x)的数学期望，通常均值函数设置为0，f(x)表示平均绝对误差，k(x，x)表示x的协方差函数，x为训练模型所需的样本点。4.如权利要求1所述的光伏输出功率预测方法，其特征在于，区间平均带宽PINAW，包括：其中，N
t
表示样本数，R表示目标值变化范围，U
i
表示区间上限，L
i
表示区间下限。5.如权利要求1所述的光伏输出功率预测方法，其特征在于，置信条件，至少包括：90％、95％和99％。6.一种光伏输出功率预测系统，其特征在于...

【专利技术属性】
技术研发人员：王潇晨，侯振，史洁，樊俊怀，唐亮，张磊，迟世丹，刘宝勇，李芳，王玉明，
申请(专利权)人：山东电力工程咨询院有限公司，
类型：发明
国别省市：