System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及光伏发电,特别是涉及一种光伏发电功率预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着光伏发电的快速发展,电力系统运营商要求对光伏发电进行准确预测。一方面,光伏发电预测需要较长序列以保证其特征周期;另一方面,其发电量与时间周期相关性较强。
2、传统技术中,是通过获取与光伏发电功率有关的多种环境影响因素,来进行光伏发电功率预测。然而对于短期预测,大部分预测时间内,环境温度、环境湿度等环境影响因素变化幅值不大,数据冗余性较强,同时在局部时间内也会出现阴雨天的剧烈变化,造成较大光伏发电扰动,无法准确预测光伏发电功率。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够准确预测光伏发电功率的光伏发电功率预测方法、装置、计算机设备、存储介质和计算机程序产品。
2、第一方面,本申请提供了一种光伏发电功率预测模型构建方法。该方法包括:
3、获取目标区域的历史光伏发电数据;历史光伏发电数据对应多种时间数据;
4、对历史光伏发电数据对应的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据;
5、在历史光伏发电数据以及时间编码数据中获取目标输入变量和目标输出变量,并对目标输入变量进行随机采样,得到采样后的输入变量;
6、通过初始预测模型对采样后的输入变量进行关键时间步筛选,得到样本输入变量;
7、通过样本输入变量和目标输出变量对初始预测模型进行训练,得到光伏发
8、在其中一个实施例中,对历史光伏发电数据的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据包括:
9、针对历史光伏发电数据中的每种时间数据,将该种时间数据的最高位确定为该种时间数据对应的时间编码数据的最高位;
10、将该种时间数据其余位中的相邻位时间数据进行异或运算,得到该种时间数据对应的时间编码数据。
11、在其中一个实施例中,通过初始预测模型对采样后的输入变量进行关键时间步筛选,得到样本输入变量包括:
12、通过初始预测模型中的选择器对采样后的输入变量进行特征提取,得到采样后的输入变量对应的特征重要性向量;
13、通过选择器将特征重要性向量进行排序,并将排序后的特征重要性向量与采样后的输入变量的位置相关联;
14、通过选择器对关联后的特征重要性向量进行掩码处理,得到样本输入向量。
15、在其中一个实施例中,通过样本输入变量和目标输出变量对初始预测模型进行训练,得到光伏发电功率预测模型包括:
16、将样本输入变量输入至初始预测模型的编码器中,预测得到发电功率预测值;
17、将发电功率预测值与目标输出变量进行比对,确定预测损失值;
18、根据预测损失值调整初始预测模型的模型参数,直至满足训练停止条件,得到光伏发电功率预测模型。
19、在其中一个实施例中,根据预测损失值调整初始预测模型的模型参数,直至满足训练停止条件,得到光伏发电功率预测模型包括:
20、根据预测损失值调整初始预测模型中编码器的模型参数,得到更新后的编码器;
21、根据预测损失值调整初始预测模型中选择器的模型参数,得到更新后的样本输入向量;
22、将更新后的样本输入向量输入至更新后的编码器中,得到更新后的发电功率预测值;
23、将更新后的发电功率预测值与目标输出变量进行比对,确定更新后的预测损失值;将更新后的预测损失值作为预测损失值,重复根据预测损失值调整初始预测模型的模型参数的步骤,直至满足训练停止条件,得到光伏发电功率预测模型。
24、第二方面,本申请还提供了一种光伏发电功率预测模型构建装置。该装置包括:
25、数据获取模块,用于获取目标区域的历史光伏发电数据;历史光伏发电数据对应多种时间数据;
26、时间编码模块,用于对历史光伏发电数据对应的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据;
27、随机采样模块,用于在历史光伏发电数据以及时间编码数据中获取目标输入变量和目标输出变量,并对目标输入变量进行随机采样,得到采样后的输入变量;
28、时间步筛选模块通过初始预测模型对采样后的输入变量进行关键时间步筛选,得到样本输入变量;
29、模型训练模块,用于通过样本输入变量和目标输出变量对初始预测模型进行训练,得到光伏发电功率预测模型;光伏发电功率预测模型用于对目标区域的光伏发电站进行发电功率预测。
30、第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现以下步骤:
31、获取目标区域的历史光伏发电数据;历史光伏发电数据对应多种时间数据;
32、对历史光伏发电数据对应的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据;
33、在历史光伏发电数据以及时间编码数据中获取目标输入变量和目标输出变量,并对目标输入变量进行随机采样,得到采样后的输入变量;
34、通过初始预测模型对采样后的输入变量进行关键时间步筛选,得到样本输入变量;
35、通过样本输入变量和目标输出变量对初始预测模型进行训练,得到光伏发电功率预测模型;光伏发电功率预测模型用于对目标区域的光伏发电站进行发电功率预测。
36、第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以下步骤:
37、获取目标区域的历史光伏发电数据;历史光伏发电数据对应多种时间数据;
38、对历史光伏发电数据对应的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据;
39、在历史光伏发电数据以及时间编码数据中获取目标输入变量和目标输出变量,并对目标输入变量进行随机采样,得到采样后的输入变量;
40、通过初始预测模型对采样后的输入变量进行关键时间步筛选,得到样本输入变量;
41、通过样本输入变量和目标输出变量对初始预测模型进行训练,得到光伏发电功率预测模型;光伏发电功率预测模型用于对目标区域的光伏发电站进行发电功率预测。
42、第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
43、获取目标区域的历史光伏发电数据;历史光伏发电数据对应多种时间数据;
44、对历史光伏发电数据对应的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据;
45、在历史光伏发电数据以及时间编码数据中获取目标输入变量和目标输出变量,并对目标输入变量进本文档来自技高网...
【技术保护点】
1.一种光伏发电功率预测模型构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述历史光伏发电数据的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据包括:
3.根据权利要求1所述的方法,其特征在于,所述通过初始预测模型对所述采样后的输入变量进行关键时间步筛选,得到样本输入变量包括:
4.根据权利要求1所述的方法,其特征在于,所述通过所述样本输入变量和所述目标输出变量对所述初始预测模型进行训练,得到光伏发电功率预测模型包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述预测损失值调整所述初始预测模型的模型参数,直至满足训练停止条件,得到光伏发电功率预测模型包括:
6.一种光伏发电功率预测模型构建装置,其特征在于,所述装置包括:
7.根据权利要求6所述的装置,其特征在于,所述时间编码模块还用于针对所述历史光伏发电数据中的每种时间数据,将该种时间数据的最高位确定为该种时间数据对应的时间编码数据的最高位;将该种时间数据其余位中的相邻位时间数据进行异或运算,
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种光伏发电功率预测模型构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述历史光伏发电数据的每种时间数据分别进行特征编码,得到每种时间数据对应的时间编码数据包括:
3.根据权利要求1所述的方法,其特征在于,所述通过初始预测模型对所述采样后的输入变量进行关键时间步筛选,得到样本输入变量包括:
4.根据权利要求1所述的方法,其特征在于,所述通过所述样本输入变量和所述目标输出变量对所述初始预测模型进行训练,得到光伏发电功率预测模型包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述预测损失值调整所述初始预测模型的模型参数,直至满足训练停止条件,得到光伏发电功率预测模型包括:
6.一种光伏发电功率预测模型构建装置,其特征在于,所...
【专利技术属性】
技术研发人员:黄力宇,温鑫,张静,刘常,彭正阳,郑茵,郭斌,蔡妙妆,陈少梁,李慧,
申请(专利权)人:广东电网有限责任公司广州供电局,
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。