【技术实现步骤摘要】
本申请涉及大模型技术、数据处理领域，具体而言，涉及一种功率预测方法、电子设备及存储介质。
技术介绍
1、光伏发电作为一种可再生能源的重要来源，其功率预测结果对能源生产和供应具有关键意义，利用光伏功率的预测结果可以帮助决策者优化运营管理、提高发电效率、降低能源成本以及减少对传统能源的依赖。传统的功率预测方法通常使用气象数据，如太阳辐射、温度、风速等，对光伏阵列的功率输出进行预测。然而，由于光伏功率受多种因素的影响，如天气、环境条件、光伏阵列的特性等，基于单一数据源的功率预测方法，例如，基于气象数据或光伏阵列的历史输出数据进行光伏功率的预测时，无法准确捕捉光伏功率的动态变化，因而在预测精度和可靠性上存在一定的局限性。
2、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、根据本申请实施例的一个方面，提供了一种功率预测方法，包括：获取多模态数据，其中，多模态数据从目标阵列关联的多个数据源采集得到；采用目标功率预测模型对多模态数据进行功率预测，得到功率预测结果；其中，目标功率预测模型用于按照多模态功率预测方式预测目标功率变化，功率预测结果用于表示在预设未来时间段内发生的目标功率变化趋势。
2、根据本申请实施例的另一方面，还提供了一种功率预测方法，包括：通过第一应用程序编程接口获取目标功率预测请求，其中，目标功率预测请求中携带的请求数据包括：多模态数据，多模态数据从目标阵列关联的多个数据源采集得到；通过第二应用程序编程接口返回目标功率预测响应，其中，目标
3、根据本申请实施例的另一方面，还提供了一种功率预测方法，包括：获取当前输入的目标功率预测对话请求，其中，目标功率预测对话请求中携带的请求数据包括：多模态数据，多模态数据从目标阵列关联的多个数据源采集得到；响应于目标功率预测对话请求，返回目标功率预测对话回复，其中，目标功率预测对话回复中携带的信息包括：功率预测结果，功率预测结果采用目标功率预测模型对多模态数据进行功率预测得到，目标功率预测模型用于按照多模态功率预测方式预测目标功率变化，功率预测结果用于表示在预设未来时间段内发生的目标功率变化趋势；在图形用户界面内展示功率预测结果。
4、根据本申请实施例的另一方面，还提供了一种功率预测方法，包括：接收客户端上报的多模态数据，其中，多模态数据从目标阵列关联的多个数据源采集得到；采用目标功率预测模型对多模态数据进行功率预测，得到功率预测结果，其中，目标功率预测模型用于按照多模态功率预测方式预测目标功率变化，功率预测结果用于表示在预设未来时间段内发生的目标功率变化趋势；将功率预测结果反馈至客户端，以在客户端展示功率预测结果。
5、根据本申请实施例的另一方面，还提供了一种功率预测方法，包括：获取多模态数据，其中，多模态数据从光伏阵列关联的多个数据源采集得到；采用目标光伏功率预测模型对多模态数据进行功率预测，得到功率预测结果；其中，目标光伏功率预测模型用于按照多模态光伏功率预测方式预测光伏功率变化，功率预测结果用于表示在预设未来时间段内发生的光伏功率变化趋势。
6、根据本申请实施例的另一方面，还提供了一种电子设备，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行本申请实施例中任意一项的功率预测方法。
7、根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制计算机可读存储介质所在设备执行本申请实施例中任意一项的功率预测方法。
8、根据本申请实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本申请实施例中任意一项的功率预测方法。
9、在本申请实施例中，通过获取从目标阵列关联的多个数据源采集得到的多模态数据，进而采用目标功率预测模型对多模态数据进行功率预测，得到功率预测结果，从而能够按照多模态功率预测方式预测在预设未来时间段内发生的目标功率变化趋势，由此达到了对目标功率进行准确预测的目的，从而实现了提高目标功率的预测精度和可靠性的技术效果，进而解决了相关技术中的功率预测方式存在的预测精度低、可靠性差的技术问题。
10、容易注意到的是，上面的通用描述和后面的详细描述仅仅是为了对本申请进行举例和解释，并不构成对本申请的限定。
本文档来自技高网...【技术保护点】
1.一种功率预测方法，其特征在于，包括：
2.根据权利要求1所述的功率预测方法，其特征在于，采用所述目标功率预测模型对所述多模态数据进行功率预测，得到所述功率预测结果包括：
3.根据权利要求2所述的功率预测方法，其特征在于，所述多维影响因素包括以下至少部分因素：气象因素、环境因素、阵列特征因素、卫星图像因素。
4.根据权利要求2所述的功率预测方法，其特征在于，所述功率预测方法还包括：
5.根据权利要求4所述的功率预测方法，其特征在于，采用所述训练样本数据对所述初始功率预测模型进行训练，得到所述目标功率预测模型包括：
6.根据权利要求5所述的功率预测方法，其特征在于，所述初始功率预测模型包括：空间特征提取模型、时间特征提取模型和时空混合提取模型，采用所述训练样本数据对所述初始功率预测模型进行训练，得到所述功率训练结果包括：
7.根据权利要求6所述的功率预测方法，其特征在于，采用所述空间特征提取模型对所述历史图像数据对应的图像序列进行特征提取，得到所述历史空间特征包括：
8.根据权利要求6所述的功率预
9.根据权利要求4所述的功率预测方法，其特征在于，所述多模态数据对应第一数据类别，所述训练样本数据对应第二数据类别，且所述第一数据类别为不同于所述第二数据类别的新类别，其中，所述第一数据类别在所述目标功率预测模型中采用零样本学习策略进行识别。
10.一种功率预测方法，其特征在于，包括：
11.一种功率预测方法，其特征在于，包括：
12.一种功率预测方法，其特征在于，包括：
13.一种功率预测方法，其特征在于，包括：
14.一种电子设备，其特征在于，包括：
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的可执行程序，其中，在所述可执行程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至13中任意一项所述的功率预测方法。
16.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1至13中任意一项所述的功率预测方法。
...【技术特征摘要】
1.一种功率预测方法，其特征在于，包括：
2.根据权利要求1所述的功率预测方法，其特征在于，采用所述目标功率预测模型对所述多模态数据进行功率预测，得到所述功率预测结果包括：
3.根据权利要求2所述的功率预测方法，其特征在于，所述多维影响因素包括以下至少部分因素：气象因素、环境因素、阵列特征因素、卫星图像因素。
4.根据权利要求2所述的功率预测方法，其特征在于，所述功率预测方法还包括：
5.根据权利要求4所述的功率预测方法，其特征在于，采用所述训练样本数据对所述初始功率预测模型进行训练，得到所述目标功率预测模型包括：
6.根据权利要求5所述的功率预测方法，其特征在于，所述初始功率预测模型包括：空间特征提取模型、时间特征提取模型和时空混合提取模型，采用所述训练样本数据对所述初始功率预测模型进行训练，得到所述功率训练结果包括：
7.根据权利要求6所述的功率预测方法，其特征在于，采用所述空间特征提取模型对所述历史图像数据对应的图像序列进行特征提取，得到所述历史空间特征包括：
8.根据权利要求6所述的功率预测方法，...
【专利技术属性】
技术研发人员：马紫清，王闻蔚，周天，陈超，孙亮，
申请(专利权)人：阿里巴巴中国有限公司，
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。