【技术实现步骤摘要】
基于人工智能的光伏出力预测方法及系统
[0001]本专利技术涉及光伏出力预测
,具体涉及基于人工智能的光伏出力预测方法及系统
。
技术介绍
[0002]由于分布式光伏的不可观
、
不可测
、
不可控等特性,引起的“超限”和
ꢀ“
盲调”等问题,使得电网的调峰难度进一步加大
。
为了支撑分布式光伏的合理消纳以及安全配电需求,需要对光伏出力情况进行合理的预测
。
[0003]传统对光伏出力的预测通常采用历史发电数据作为依据,进行构建时间序列预测模型,对未来一段时间的光伏出力情况进行预测,而传统时间序列预测模型只考虑了时间序列信息,不能体现出分布式光伏出力设备在空间分布上的差异
。
同时,光伏发电的特点是受太阳辐射强度
、
天气条件和季节等因素影响,光伏出力存在较大的随机波动性,因此为预测工作的精确性带来了挑战
。
技术实现思路
[0004]为了解决上述技术问题,本专利技术的目的在于提供基于人工智能的光伏出力预测方法及系统,所采用的技术方案具体如下:第一方面,本专利技术实施例提供了基于人工智能的光伏出力预测方法,该方法包括以下步骤:采集光伏发电区域的历史时序光伏发电量组成光伏出力序列,采集环境光照强度
、
环境温度及光伏发电区域的遥感图像;获取分布式发电区域的光伏板空间分布阵列;根据光伏板空间分布阵列各位置处的光伏板数量
、
环境温度
...
【技术保护点】
【技术特征摘要】
1.
基于人工智能的光伏出力预测方法,其特征在于,该方法包括以下步骤:采集光伏发电区域的历史时序光伏发电量组成光伏出力序列,采集环境光照强度
、
环境温度及光伏发电区域的遥感图像;获取分布式发电区域的光伏板空间分布阵列;根据光伏板空间分布阵列各位置处的光伏板数量
、
环境温度
、
光照强度获取各位置的光伏出力系数,作为光伏板空间分布阵列各位置的元素值;对光伏板空间分布阵列进行奇异值分解获取光伏板空间特征矩阵;根据各时刻的光伏板空间特征矩阵中各元素与邻域元素之间的差异构建各时刻的光伏出力空间稳定性矩阵各元素;对于各时刻遥感图像,语义分割获取遥感图像中的云层块,根据云层块各位置与其最近边界点的距离得到云层块各位置的透射权重;根据云层块中各位置的透射权重以及所述距离获取云层块的加权透射指数;根据云层块的加权透射指数以及遥感图像中云层块各像素点的灰度值得到云层块的矫正加权透射指数;根据各时刻遥感图像中各云层块的面积以及矫正加权透射指数得到各时刻的云层矫正加权透射指数;根据各时刻的光伏出力空间稳定性矩阵及云层矫正加权透射指数得到各时刻的矫正光伏出力空间稳定性矩阵;将当前时刻与下一时刻的矫正光伏出力空间稳定性矩阵对应位置元素的差值绝对值作为当前时刻的光伏出力时空关联性矩阵的各元素;将所述光伏出力序列及光伏出力时空关联系矩阵作为
LSTM
时间序列预测模型的训练样本,训练完成的
LSTM
时间序列预测模型输出光伏出力预测值
。2.
如权利要求1所述的基于人工智能的光伏出力预测方法,其特征在于,所述获取分布式发电区域的光伏板空间分布阵列,包括:将分布式发电区域作为一个矩形区域,其中,所述矩形区域覆盖所有光伏板,将所述矩形区域划分为各正方形小区域,作为光伏板空间分布阵列的各位置
。3.
如权利要求2所述的基于人工智能的光伏出力预测方法,其特征在于,所述根据光伏板空间分布阵列各位置处的光伏板数量
、
环境温度
、
光照强度获取各位置的光伏出力系数,包括:统计光伏空间分布阵列各位置的光伏板数量
、
环境温度以及光照强度,将所述光伏板数量
、
所述环境温度的倒数以及所述光照强度的乘积作为各位置的光伏出力系数;将光伏板空间分布阵列中光伏板安置数量为零的位置的光伏出力系数记为
0。4.
如权利要求1所述的基于人工智能的光伏出力预测方法,其特征在于,所述根据各时刻的光伏板空间特征矩阵中各元素与邻域元素之间的差异构建各时刻的光伏出力空间稳定性矩阵各元素,包括:对于各时刻的光伏板空间特征矩阵,获取光伏板空间特征矩阵中各元素的八邻域元素,获取各元素的所述八邻域元素的均值,计算光伏板空间...
【专利技术属性】
技术研发人员:王清,李贵民,夏晓东,刘淑磊,荆臻,张志,姜鹏,王平欣,
申请(专利权)人:国网山东省电力公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。