光伏出力预测方法及装置制造方法及图纸

本发明专利技术提供一种光伏出力预测方法及装置。该方法包括：获取光伏电场数据，并对光伏电场数据进行模态分解，得到特征矩阵；将特征矩阵输入至光伏出力预测模型，得到光伏出力区间；光伏出力预测模型包括并联卷积神经网络PCNN模型和极限学习机ELM模型；PCNN模型包含至少两个输入通道，且各输入通道所对应的卷积核尺寸均不同；PCNN模型用于对特征矩阵进行特征提取融合，得到融合特征信息；ELM模型设置双输出节点，用于对融合特征信息进行预测，分别输出光伏出力区间的上限值和下限值。本发明专利技术能够提升光伏出力预测精度，减小预测偏差。

【技术实现步骤摘要】

本专利技术涉及光伏预测，尤其涉及一种光伏出力预测方法及装置。

技术介绍

1、随着电力系统中光伏发电装机容量的不断增加，使得光伏出力对于电力系统规划、调度、运行以及控制的影响也越来越大。精准预测光伏出力可以有效提高光伏并网的成功率。

2、传统的点预测方法通常采用以神经网络为代表的非线性预测方法来预测光伏实时出力值。即，采用神经网络模型实时预测某一时刻的光伏出力预测值。但采用非线性预测方法的单点预测容易陷入局部最优解，导致最终输出的光伏出力值容易出现偏差。例如，申请号为202310013917.4，专利名称为一种基于神经网络的光伏出力预测方法与系统的专利技术专利，采用某一时刻的历史光伏出力值训练神经网络模型，神经网络模型输出对应时刻的待预测时间点的光伏出力值。通过某一时刻的历史光伏出力值进行模型训练和预测，容易使得模型陷入局部最优解，影响模型预测精度，导致出现预测偏差，无法满足电力系统运行的实际需求。

技术实现思路

1、本专利技术实施例提供了一种光伏出力预测方法及装置，以解决采用传统的点预测方法进行光本文档来自技高网...

【技术保护点】

1.一种光伏出力预测方法，其特征在于，包括：

2.根据权利要求1所述的光伏出力预测方法，其特征在于，在将所述特征矩阵输入至光伏出力预测模型，得到光伏出力区间之前，还包括：

3.根据权利要求2所述的光伏出力预测方法，其特征在于，所述训练样本子集中的各训练样本中均包括：历史辐照度数据、历史温度数据、历史湿度数据和历史大气压强数据；

4.根据权利要求3所述的光伏出力预测方法，其特征在于，所述训练样本子集中的各训练样本中还包括：历史光伏出力数据；

5.根据权利要求4所述的光伏出力预测方法，其特征在于，根据所述初始预测模型所输出的光伏出力区间和所述历...

【技术特征摘要】

1.一种光伏出力预测方法，其特征在于，包括：

2.根据权利要求1所述的光伏出力预测方法，其特征在于，在将所述特征矩阵输入至光伏出力预测模型，得到光伏出力区间之前，还包括：

3.根据权利要求2所述的光伏出力预测方法，其特征在于，所述训练样本子集中的各训练样本中均包括：历史辐照度数据、历史温度数据、历史湿度数据和历史大气压强数据；

4.根据权利要求3所述的光伏出力预测方法，其特征在于，所述训练样本子集中的各训练样本中还包括：历史光伏出力数据；

5.根据权利要求4所述的光伏出力预测方法，其特征在于，根据所述初始预测模型所输出的光伏出力区间和所述历史光伏出力数据，计算所述初始预测模型的预测区间覆盖率，...

【专利技术属性】
技术研发人员：张蕊，梁纪峰，刘世岩，于腾凯，李安燚，张琦，崔童飞，
申请(专利权)人：国网河北能源技术服务有限公司，
类型：发明
国别省市：