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() 用采终端预测楼宇型光伏发电的方法、系统技术方案_技高网

用采终端预测楼宇型光伏发电的方法、系统技术方案

技术编号:40962478 阅读:6 留言:0更新日期:2024-04-18 20:41
本发明专利技术涉及电力管理技术领域,更具体的,涉及用采终端预测楼宇型光伏发电的方法、系统。本发明专利技术通过目标楼宇所属用采终端实时采集目标楼宇所处环境的太阳总辐射、温度、湿度、以及目标楼宇的光伏发电功率,并组成历史数据集;对历史数据集进行自适应Kmeans聚类,并基于聚类结果对LSTM模型进行训练,得到训练好的LSTM模型,从而进行光伏发电功率预测。本发明专利技术的历史数据来源均为设备实时采集,并选择太阳总辐射、湿度和温度这三个参数作为采集对象,使得数据相关性强、且针对性强,可以给后续预测提供了准确的数据基础。本发明专利技术采用自适应Kmeans聚类,把输入的数据集分成若干个不同的类别,能自适应的计算出最佳的聚类数,优化聚类结果、并提高后续LSTM模型预测的准确度。

【技术实现步骤摘要】

本专利技术涉及电力管理,更具体的,涉及用采终端预测楼宇型光伏发电的方法、系统


技术介绍

1、近年来国内外分布式光伏发电发展迅猛,它具有分布广、投资小、见效快等特点。

2、目前国内外光伏发电短期预测研究主要分为间接预测和直接预测两大类。其中,间接预测方法首先需要对光照幅度进行预测,再基于光伏发电系统的物理原理建立光照功率模型,实现功率预测,精度较高。直接预测方法使用结合历史天气信息的历史统计数据直接预测发电功率,方法简单易行。

3、现有一处楼宇,其配备了光伏发电机组,需要进行光伏发电短期预测:若采用间接预测方法,由于体量小,预测成本不能得到合理控制;若采用直接预测方法,由于使用的历史数据都是基于所处地区的通用天气预报,数据关联性不高、针对性不强,导致预测精准度欠佳。


技术实现思路

1、基于此,有必要针对现有对楼宇型光伏发电进行直接预测的方法精准度欠佳的问题,提供了用采终端预测楼宇型光伏发电的方法、系统。

2、本专利技术采用以下技术方案实现:

3、第一方面,本专利技术公开了一种用采终端预测楼宇型光伏发电的方法,包括以下步骤:

4、s1,通过目标楼宇所属用采终端实时采集目标楼宇所处环境的太阳总辐射、温度、湿度、以及目标楼宇的光伏发电功率,并组成历史数据集;其中,历史数据集的时间跨度为至少1年;

5、s2,对历史数据集进行自适应kmeans聚类,得到kbest个收敛聚类簇;其中,kbest为基于历史数据集自适应计算出的最佳聚类数;

6、s3,基于kbest个收敛聚类簇对lstm模型进行训练,得到训练好的lstm模型;

7、s4,获取目标楼宇待预测时刻的太阳总辐射、温度、湿度,输入到训练好的lstm模型,得到目标楼宇待预测时间的光伏发电功率。

8、该种用采终端预测楼宇型光伏发电的方法实现根据本公开的实施例的方法或过程。

9、第二方面,本专利技术公开了一种用采终端预测楼宇型光伏发电的系统,其使用了第一方面的用采终端预测楼宇型光伏发电的方法。

10、所述用采终端预测楼宇型光伏发电的系统包括:用采终端、至少1个太阳总辐射传感器、至少1个温度传感器、至少1个湿度传感器。

11、用采终端用于采集目标楼宇的光伏发电功率。太阳总辐射传感器设置在目标楼宇附近、并与用采终端连接,用于拓展用采终端进行太阳总辐射采集。温度传感器设置在目标楼宇附近、并与用采终端连接,用于拓展用采终端进行温度采集。湿度传感器设置在目标楼宇附近、并与用采终端连接,用于拓展用采终端进行湿度采集。

12、该种用采终端预测楼宇型光伏发电的系统实现根据本公开的实施例的方法或过程。

13、第三方面,本专利技术公开了一种可读存储介质。该可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行第一方面的用采终端预测楼宇型光伏发电的方法的步骤。

14、与现有技术相比,本专利技术具备如下有益效果:

15、1,本专利技术的历史数据来源均为设备实时采集,并选择太阳总辐射、湿度和温度这三个与光伏发电功率相关性较高的参数作为采集对象,使得数据相关性强、且针对性强,可以给后续预测提供了准确的数据基础。

16、2,本专利技术采用自适应kmeans聚类,把输入的数据集分成若干个不同的类别,能自适应的计算出最佳的聚类数,克服了传统kmeans在不了解数据集的情况下无法主动确定聚类的个数的劣势,并减少了人工选择聚类数带来的误差,还可以优化聚类结果、并提高后续lstm模型预测的准确度。

本文档来自技高网...

【技术保护点】

1.一种用采终端预测楼宇型光伏发电的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的用采终端预测楼宇型光伏发电的方法,其特征在于,在S1之前,在目标楼宇附近布置至少1个太阳总辐射传感器、至少1个温度传感器、至少1个湿度传感器,并与目标楼宇所属用采终端连接。

3.根据权利要求1所述的用采终端预测楼宇型光伏发电的方法,其特征在于,S2包括:

4.根据权利要求3所述的用采终端预测楼宇型光伏发电的方法,其特征在于,S2.1中,kbest的计算方法包括:

5.根据权利要求4所述的用采终端预测楼宇型光伏发电的方法,其特征在于,kmax=8。

6.根据权利要求4或5所述的用采终端预测楼宇型光伏发电的方法,其特征在于,DBI的计算公式为:

7.根据权利要求3所述的用采终端预测楼宇型光伏发电的方法,其特征在于,S2.2包括:

8.根据权利要求1中所述的用采终端预测楼宇型光伏发电的方法,其特征在于,所述LSTM模型包括:遗忘门、输入门、输出门、记忆单元。

9.一种用采终端预测楼宇型光伏发电的系统,其特征在于,其使用了如权利要求1-8中任一项所述的用采终端预测楼宇型光伏发电的方法;

10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行如权利要求如权利要求1-8中任一项所述的用采终端预测楼宇型光伏发电的方法的步骤。

...

【技术特征摘要】

1.一种用采终端预测楼宇型光伏发电的方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的用采终端预测楼宇型光伏发电的方法,其特征在于,在s1之前,在目标楼宇附近布置至少1个太阳总辐射传感器、至少1个温度传感器、至少1个湿度传感器,并与目标楼宇所属用采终端连接。

3.根据权利要求1所述的用采终端预测楼宇型光伏发电的方法,其特征在于,s2包括:

4.根据权利要求3所述的用采终端预测楼宇型光伏发电的方法,其特征在于,s2.1中,kbest的计算方法包括:

5.根据权利要求4所述的用采终端预测楼宇型光伏发电的方法,其特征在于,kmax=8。

6.根据权利要求4或5所述的用采终端预测...

【专利技术属性】
技术研发人员:卢贺楠杜运福左勇马波付月生黄燕金锐张赢钱谢成钱亮陈建强邢海平
申请(专利权)人:安徽南瑞中天电力电子有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1