一种基于气象自校正的光伏发电功率预测方法与系统技术方案

本公开提供了一种基于气象自校正的光伏发电功率预测方法与系统

【技术实现步骤摘要】
一种基于气象自校正的光伏发电功率预测方法与系统


[0001]本专利技术涉及电力领域，尤其涉及一种基于气象自校正的光伏发电功率预测方法与系统
。

技术介绍

[0002]光伏电因其存在随机性和间歇性等特点，因此精确的预测发电功率，提前告知调度系统，是解决问题的主要手段
。
[0003]目前的光伏发电功率预测系统根据太阳能辐射模型
、
电站模型
、
光伏转换模型
、
电路模型和逆变器模型来预测光伏发电功率
。
但气候环境影响，会导致短期预测不够准确
。

技术实现思路

[0004]为了解决现有技术中的至少一个技术问题，本公开提供了一种基于气象自校正的光伏发电功率预测方法与系统
。
[0005]根据本公开的第一方面，提供了一种基于气象自校正的光伏发电功率预测方法，包括：
[0006]获取
NWP
服务机构的气象预测数据；
[0007]调用预先构建的气象预测修正模型修正所述气象预测数据，所述气象预测修正模型基于历史气象预测数据和相应的历史实际气象数据构建；
[0008]调用预先构建的光伏发电功率预测模型根据修正的所述气象预测数据预测光伏发电功率
。
[0009]可选的，所述气象预测修正模型包括基于所述历史气象预测数据和所述历史实际气象数据构建的拟合函数
。
[0010]可选的，基于历史气象预测数据和相应的历史实际气象数据构建所述气象预测修正模型，包括：
[0011]基于所述历史气象预测数据和所述历史实际气象数据中的同日同类数据，构建离散点；
[0012]利用曲线拟合算法拟合所述离散点，以得到拟合函数
。
[0013]可选的，所述光伏发电功率预测模型根据实际气象数据和相应的实际光伏发电功率数据训练得到；
[0014]或，
[0015]所述光伏发电功率预测模型根据所述气象预测修正模型修正的历史气象预测数据和相应的实际光伏发电功率数据训练得到
。
[0016]可选的，所述光伏发电功率预测模型包括输入序列层
、LSTM
神经网络层和输出层
。
[0017]可选的，所述光伏发电功率预测模型为光伏发电短期功率预测模型；
[0018]所述光伏发电功率预测模型用于预测未来三天的逐
15
分钟的光伏发电功率
。
[0019]可选的，所述调用预先构建的功率预测模型根据修正的所述气象预测数据预测光
伏发电功率之后，所述方法还包括：
[0020]若预测光伏发电功率持续三天的准确率和合格率低于设置值；则在相应不合格天的气象预测数据与气象实测数据的误差大于预设的误差阈值时，指示所述气象预测修正模型更新，或，在相应不合格天的气象预测数据与气象实测数据的误差小于或等于预设的误差阈值时，根据所述不合格天的实测气象数据和光伏发电功率更新所述光伏发电功率预测模；
[0021]若预测光伏发电功率月平均的准确率和合格率低于设置值；则在相应不合格天的气象预测数据与气象实测数据的误差大于预设的误差阈值时，指示所述气象预测修正模型更新，或，在相应不合格天的气象预测数据与气象实测数据的误差小于或等于预设的误差阈值时，根据所述不合格天的实测气象数据和光伏发电功率更新所述光伏发电功率预测模型；
[0022]其中，所述不合格天的预测光伏发电功率的准确率和合格率低于设置值
。
[0023]根据本公开的第二方面，提供了一种基于气象自校正的光伏发电功率预测系统，包括：
[0024]获取模块，用于获取
NWP
服务机构的气象预测数据；
[0025]修正模块，用于调用预先构建的气象预测修正模型修正所述气象预测数据，所述气象预测修正模型基于历史气象预测数据和相应的历史实际气象数据构建；
[0026]预测模块，用于调用预先构建的光伏发电功率预测模型根据修正的所述气象预测数据预测光伏发电功率
。
[0027]根据本公开的第三方面，提供了一种电子设备，包括：
[0028]处理器；以及
[0029]存储程序的存储器，
[0030]其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行本公开的第一方面中任一项所述的方法
。
[0031]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据本公开的第一方面中任一项所述的方法
。
[0032]本申请实施例中提供的一个或多个技术方案，可以利用气象预测修正模型修正
NWP
服务机构的气象预测数据，利用光伏发电功率预测模型根据修正的所述气象预测数据预测光伏发电功率，进而可以预测得到更准确的光伏发电功率
。
附图说明
[0033]附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分
。
[0034]图1示出了根据本公开示例性实施例的基于气象自校正的光伏发电功率预测方法的流程图；
[0035]图2示出了根据本公开示例性实施例的一种
LSTM
神经网络层的内层结构图；
[0036]图3示出了根据本公开示例性实施例的基于气象自校正的光伏发电功率预测系统
的示意性框图；
[0037]图4示出了能够用于实现本公开的实施例的示例性电子设备的结构框图
。
具体实施方式
[0038]下面将参照附图更详细地描述本公开的实施例
。
虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开
。
应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围
。
[0039]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和
/
或并行执行
。
此外，方法实施方式可以包括附加的步骤和
/
或省略执行示出的步骤
。
本公开的范围在此方面不受限制
。
[0040]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。
术语“基于”是“至少部分地基于”。
术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。
其他术语的相关定义将在下文描述中给出
。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置
、...

【技术保护点】

【技术特征摘要】
1.
一种基于气象自校正的光伏发电功率预测方法，其特征在于，包括：获取
NWP
服务机构的气象预测数据；调用预先构建的气象预测修正模型修正所述气象预测数据，所述气象预测修正模型基于历史气象预测数据和相应的历史实际气象数据构建；调用预先构建的光伏发电功率预测模型根据修正的所述气象预测数据预测光伏发电功率
。2.
根据权利要求1所述的方法，其特征在于，所述气象预测修正模型包括基于所述历史气象预测数据和所述历史实际气象数据构建的拟合函数
。3.
根据权利要求1或2所述的方法，其特征在于，基于历史气象预测数据和相应的历史实际气象数据构建所述气象预测修正模型，包括：基于所述历史气象预测数据和所述历史实际气象数据中的同日同类数据，构建离散点；利用曲线拟合算法拟合所述离散点，以得到拟合函数
。4.
根据权利要求1所述的方法，其特征在于，所述光伏发电功率预测模型根据实际气象数据和相应的实际光伏发电功率数据训练得到；或，所述光伏发电功率预测模型根据所述气象预测修正模型修正的历史气象预测数据和相应的实际光伏发电功率数据训练得到
。5.
根据权利要求1或4所述的方法，其特征在于，所述光伏发电功率预测模型包括输入序列层
、LSTM
神经网络层和输出层
。6.
根据权利要求1所述的方法，其特征在于，所述光伏发电功率预测模型为光伏发电短期功率预测模型；所述光伏发电功率预测模型用于预测未来三天的逐
15
分钟的光伏发电功率
。7.
根据权利要求6所述的方法，其特征在于，所述调用预先构建的功率预测模型根据修正的所述...

【专利技术属性】
技术研发人员：朱佼佼，魏进超，李宗平，曾小信，过宇晟，
申请(专利权)人：中冶长天国际工程有限责任公司，
类型：发明
国别省市：