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】
本公开涉及数据处理,具体涉及光伏发电、功率预测,尤其涉及一种高容配比光伏短期功率预测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、当高容配比光伏电站的天气情况为晴天时,其出力特征与正常电站存在明显差异,主要体现在上午和下午的爬坡阶段。
2、由于直流侧增容设计是光伏电站扩容比的最佳选择,因此高容配比场站的出力通常能在早上9点之前达到该场站并网容量的85%左右。相比以辐照度为基础的传统功率预测方法,这个过程难以被准确捕捉。
3、如何准确捕捉并预测实际功率,是本领域技术人员亟待解决的问题。
技术实现思路
1、本公开实施例提出了一种高容配比光伏短期功率预测方法、装置、电子设备及计算机可读存储介质。
2、第一方面,本公开实施例提出了一种高容配比光伏短期功率预测方法,包括:针对晴天,获取高容配比光伏发电站的历史实际功率和对应的时间戳,并对历史实际功率和时间戳分别进行归一化处理,得到归一化数据;利用具有不同大小的卷积层和池化层的卷积神经网络提取归一化数据中不同时间尺度上的特征,得到局部特征;使用注意力机制对经长短期记忆网络处理后的局部特征进行加权,得到以张量形式表示的目标特征和长短期记忆网络输出的预测功率,并根据预测功率分别构造得到上升速率特征和时间间隔特征;获取与历史实际功率对应时间段的历史天气预报数据,并将历史天气预报数据经标准化处理后与目标特征和上升速率特征和时间间隔特征进行叠加,且以相应时段的历史实际功率作为目标真值构造得到
3、在第一方面的一些其它实施例中,对历史实际功率和时间戳分别进行归一化处理,得到归一化数据,包括:
4、对按预设时长作为时间分辨率的时间戳转换为数值特征;
5、对数值特征进行正余弦处理,得到归一化时间数据;
6、对历史实际功率进行归一化处理,得到归一化功率数据。
7、在第一方面的一些其它实施例中,根据预测功率分别构造得到上升速率特征和时间间隔特征,包括:
8、计算预测功率的差分,并将差分计算结果除以时间间隔,得到表征功率变化速度的上升速率特征;
9、计算预测功率在相邻时间间隔之间的差值,得到表征功率爬坡速度的时间间隔特征。
10、在第一方面的一些其它实施例中,高容配比光伏发电站指光伏组件的装机容量与逆变器的额定容量之间的比值高于预设阈值的光伏发电站。
11、在第一方面的一些其它实施例中,该方法还包括:
12、针对云天,获取高容配比光伏发电站的历史气象数据和历史实际功率,并根据历史气象数据和历史实际功率计算得到清晰度指数和直射比,且对清晰度指数和直射比进行标准化处理后计算与历史实际功率对应的相关性系数;
13、将计算出与历史实际功率具有最高相关性系数的三个气象变量,构建聚类指标作为聚类算法的分类指标,并按照分类指标将天气类型划分为三类;
14、根据在不同的天气类型下气象变量与高容配比光伏发电站下发电设备的实际出力之间的相关性,去除相关性低或不相关的气象变量,得到高相关性气象变量;
15、分别为不同的天气类型下的高相关性气象变量和对应的历史实际功率构造得到第二训练样本,分别将不同的天气类型下的第二训练样本基于长短期记忆网络的网络框架进行训练,训练得到云天功率预测模型;
16、对应的,基于晴天功率预测模型对距当前不超过预设时长的目标时段的功率进行预测,得到预测结果,包括:
17、根据晴天功率预测模型对目标时段中的晴天时段的功率进行预测,得到晴天时段预测结果;
18、根据云天功率预测模型对目标时段中相应天气类型下的云天时段的功率进行预测,得到云天时段预测结果;
19、根据晴天时段预测结果和云天时段预测结果,汇总得到预测结果。
20、在第一方面的一些其它实施例中,历史气象数据包括:
21、预测总辐射、散射辐射、直射辐射、总云量、风速、温度、相对湿度、降水量、气压、能见度中的至少一项。
22、在第一方面的一些其它实施例中,该方法还包括:
23、获取高容配比光伏发电站的历史预测总辐射和历史预测总云量;
24、根据历史预测总辐射和历史预测总云量以及对应的加权系数,构造天气分型综合指数;
25、将目标时段中具有超过预设阈值的时刻的天气划分为云天;
26、将目标时段中具有不超过预设阈值的时刻的天气划分为晴天。
27、第二方面,本公开实施例提出了一种高容配比光伏短期功率预测装置,包括:归一化处理单元,被配置成针对晴天,获取高容配比光伏发电站的历史实际功率和对应的时间戳,并对历史实际功率和时间戳分别进行归一化处理,得到归一化数据;局部特征提取单元,被配置成利用具有不同大小的卷积层和池化层的卷积神经网络提取归一化数据中不同时间尺度上的特征,得到局部特征;特征构造单元,被配置成使用注意力机制对经长短期记忆网络处理后的局部特征进行加权,得到以张量形式表示的目标特征和长短期记忆网络输出的预测功率,并根据预测功率分别构造得到上升速率特征和时间间隔特征;第一训练样本构造单元,被配置成获取与历史实际功率对应时间段的历史天气预报数据,并将历史天气预报数据经标准化处理后与目标特征和上升速率特征和时间间隔特征进行叠加,且以相应时段的历史实际功率作为目标真值构造得到第一训练样本;晴天功率预测模型构建单元,被配置成将第一训练样本基于长短期记忆网络的网络框架对实际功率进行预测,训练得到晴天功率预测模型;预测单元,被配置成基于晴天功率预测模型对距当前不超过预设时长的目标时段的功率进行预测,得到预测结果。
28、在第二方面的一些其它实施例中,归一化处理单元被进一步配置成:
29、对按预设时长作为时间分辨率的时间戳转换为数值特征;
30、对数值特征进行正余弦处理,得到归一化时间数据;
31、对历史实际功率进行归一化处理,得到归一化功率数据。
32、在第二方面的一些其它实施例中,特征构造单元包括被配置成根据预测功率分别构造得到上升速率特征和时间间隔特征的特征构造子单元,特征构造子单元被进一步配置成:
33、计算预测功率的差分,并将差分计算结果除以时间间隔,得到表征功率变化速度的上升速率特征;
34、计算预测功率在相邻时间间隔之间的差值,得到表征功率爬坡速度的时间间隔特征。
35、在第二方面的一些其它实施例中,高容配比光伏发电站指光伏组件的装机容量与逆变器的额定容量之间的比值高于预设阈值的光伏发电站。
36、在第二方面的一些其它实施例中,该装置还包括:
37、相关性系数计算单元,被配置成针对云天,本文档来自技高网...
【技术保护点】
1.一种高容配比光伏短期功率预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述历史实际功率和所述时间戳分别进行归一化处理,得到归一化数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述预测功率分别构造得到上升速率特征和时间间隔特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述高容配比光伏发电站指光伏组件的装机容量与逆变器的额定容量之间的比值高于预设阈值的光伏发电站。
5.根据权利要求1-4任一项所述的方法,其特征在于,还包括:
6.根据权利要求5所述的方法,其特征在于,所述历史气象数据包括:
7.根据权利要求5所述的方法,其特征在于,还包括:
8.一种高容配比光伏短期功率预测装置,其特征在于,包括:
9.一种电子设备,包括:
10.一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权利要求1-7中任一项所述的高容配比光伏短期功率预测方法。
【技术特征摘要】
1.一种高容配比光伏短期功率预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述对所述历史实际功率和所述时间戳分别进行归一化处理,得到归一化数据,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述预测功率分别构造得到上升速率特征和时间间隔特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述高容配比光伏发电站指光伏组件的装机容量与逆变器的额定容量之间的比值高于预设阈值的光伏发电站。
【专利技术属性】
技术研发人员:邸淼鑫,刘鲁宁,宋美洋,郭炜,范浩东,
申请(专利权)人:北京东润环能科技股份有限公司,
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。