【技术实现步骤摘要】
一种光伏发电量的预测方法及终端
[0001]本专利技术涉及发电量预测的
,特别涉及一种光伏发电量的预测方法及终端
。
技术介绍
[0002]随着电动汽车的普及率越来越高,作为配套的充电场站也越来越多,其中一类充电场站称为光储充检站,具备光伏
、
储能
、
充电以及检测的功能,场站在日常运行中,合理安排储能设施充电时间有利于降低运营成本,从而满足峰时充电需求,因此对于光储充检站能量调度,构建一个光伏发电预测方法具有重要意义
。
[0003]目前的光伏预测主要分为两种:一种是根据历史充电序列,利用传统的时间序列模型(
ARIMA
等)进行回归拟合,从而预测光伏发电量;另一种是根据历史发电序列
、
趋势序列和周期序列,利用
LSTM
等深度学习模型,对光伏发电量进行预测
。
[0004]针对充电场站,受落地场景成本制约,安装辐照仪等设备获取场站具体天气参数进而进行光伏发电量预测是一个不可行的方案,因此现有场景下,只能获取县市级天气预报数据,进而结合历史发电数据进行光伏发电量预测
。
但是,小时级天气预报在突变天气场景下不够准确,无法适应短时天气突变
、
天气预报不准的情况来进行光伏发电量的准确预测
。
技术实现思路
[0005]本专利技术所要解决的技术问题是:提供一种光伏发电量的预测方法及终端,能够适应短时天气突变以及天气预报不准的情况,进行光 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种光伏发电量的预测方法,其特征在于,包括步骤:获取最近第一周期的光伏发电序列和天气实况序列
、
最近第二周期的光伏发电序列和天气实况序列,所述第一周期大于所述第二周期;使用第一主干网络基于所述最近第一周期的光伏发电序列和天气实况序列进行编码,解码得到第一预测发电量,使用第二主干网络基于天气预报数据进行预测,得到第二预测发电量,使用第三主干网络基于所述最近第二周期的光伏发电序列和天气实况序列进行编码,解码得到第三预测发电量;结合所述第一预测发电量和所述第二预测发电量得到与第一预测时长对应的长期预测结果,结合所述第二预测发电量和所述第三预测发电量得到与第二预测时长对应的短期预测结果,所述第一预测时长大于所述第二预测时长;将所述长期预测结果中第二预测时长的预测数据替换为所述短期预测结果中的预测数据,得到光伏发电量的预测结果
。2.
根据权利要求1所述的一种光伏发电量的预测方法,其特征在于,所述获取最近第一周期的光伏发电序列和天气实况序列
、
最近第二周期的光伏发电序列和天气实况序列,包括:获取光伏发电数据
、
以小时为单位的天气实况数据和天气预报数据;将每天的光伏发电数据按小时进行聚合计算,得到每天各个小时的光伏发电量,并构造最近第一周期的光伏发电序列和天气实况序列以及最近第二周期的光伏发电序列和天气实况序列
。3.
根据权利要求1所述的一种光伏发电量的预测方法,其特征在于,使用第一主干网络基于所述最近第一周期的光伏发电序列和天气实况序列进行编码,解码得到第一预测发电量,包括:在第一主干网络中输入所述最近第一周期的光伏发电序列和天气实况序列,并嵌入第一预测时长的天气预报数据进行编码预测,解码得到第一预测发电量,所述第一主干网络包括第一时间循环神经网络;使用第三主干网络基于所述最近第二周期的光伏发电序列和天气实况序列进行编码,解码得到第三预测发电量,包括:在第三主干网络中输入所述最近第二周期的光伏发电序列和天气实况序列,并嵌入第二预测时长的天气预报数据进行编码预测,解码得到第三预测发电量,所述第三主干网络包括第二时间循环神经网络
。4.
根据权利要求3所述的一种光伏发电量的预测方法,其特征在于,使用第二主干网络基于天气预报数据进行预测,得到第二预测发电量,包括:在第二主干网络中输入第一预测时长的天气预报数据的特征,得到第二预测发电量,所述第二主干网络包括全连接层网络
。5.
根据权利要求3所述的一种光伏发电量的预测方法,其特征在于,结合所述第一预测发电量和所述第二预测发电量得到与第一预测时长对应的长期预测结果,包括:对所述第一预测发电量和所述第二预测发电量进行加权平均计算,得到第一预测时长的预测结果,并作为长期预测结果;结合所述第二预测发电量和所述第三预测发电量得到与第二预测时长对应的短期预
测结果,包括:对所述第二预测发电量和所述第三预测发电量进行加权平均计算,得到第二预测时长的预测结果,并作为短期预测结果
。6.
一种光伏发电量的预测终端,包括存储器
、
技术研发人员:杜旭鹏,郑其荣,
申请(专利权)人:福建时代星云科技有限公司,
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。