一种计及卫星云图的分布式光伏功率预测方法及装置制造方法及图纸

技术编号:41068019 阅读:25 留言:0更新日期:2024-04-24 11:22
本发明专利技术涉及分布式光伏功率预测技术领域,具体提供了一种计及卫星云图的分布式光伏功率预测方法及装置,包括:对分布式光伏所属区域在预测时刻的卫星云图数据进行初始化,得到分布式光伏所属区域在预测时刻的云图图像;将所述云图图像作为预先构建的门控循环神经网络的输入,得到所述预先构建的门控循环神经网络输出的云遮挡特征;将分布式光伏所属区域在预测时刻的气象因素数据和所述云遮挡特征作为预先训练的LSTM神经网络的输入,得到所述预先训练的LSTM神经网络输出的分布式光伏在预测时刻的功率数据。本发明专利技术提供的技术方案,可以提高预测准确性、降低风险,同时改善光伏系统的整体性能和可持续性。

【技术实现步骤摘要】

本专利技术涉及分布式光伏功率预测,具体涉及一种计及卫星云图的分布式光伏功率预测方法及装置


技术介绍

1、分布式光伏功率的预测一般采用以历史数值天气预报(nwp)的辐照度、温度、风速等作为输入数据,以历史发电功率为目标数据,利用arima等回归方法或神经网络、支持向量机等人工智能方法建立气象参数与实发功率之间潜在的映射关系,而后将未来的nwp数据输入所构建的统计模型中,得到光伏功率的预测结果。

2、然而受限于辐照度等自然因素,光伏功率呈现出昼夜差异以及波动特征,规律性太阳运动与波动性大气状态相互作用将导致太阳辐照度变化复杂,使得小时级别的特征难以捕捉,同时云团的生消运动也会造成地表辐照度快速剧烈变化,因此多云天气下光伏出力多呈现出无惯性突变。这导致历史气象数据往往不能满足预测精度的要求,从而影响到光伏短期功率预测的准确性。


技术实现思路

1、为了克服上述缺陷,本专利技术提出了一种计及卫星云图的分布式光伏功率预测方法及装置。

2、第一方面,提供一种计及卫星云图的分布式光伏功率预测方法,所本文档来自技高网...

【技术保护点】

1.一种计及卫星云图的分布式光伏功率预测方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述对分布式光伏所属区域在预测时刻的卫星云图数据进行初始化,包括:

3.如权利要求2所述的方法,其特征在于,所述对分布式光伏所属区域在预测时刻的卫星云图数据进行标准化处理,包括:

4.如权利要求3所述的方法,其特征在于,所述移除日内差异性后分布式光伏所属区域在预测时刻的卫星云图数据的像素值如下:

5.如权利要求4所述的方法,其特征在于,对移除日内差异性后分布式光伏所属区域在预测时刻的卫星云图数据的像素值进行归一化处理后第v个云图...

【技术特征摘要】

1.一种计及卫星云图的分布式光伏功率预测方法,其特征在于,所述方法包括:

2.如权利要求1所述的方法,其特征在于,所述对分布式光伏所属区域在预测时刻的卫星云图数据进行初始化,包括:

3.如权利要求2所述的方法,其特征在于,所述对分布式光伏所属区域在预测时刻的卫星云图数据进行标准化处理,包括:

4.如权利要求3所述的方法,其特征在于,所述移除日内差异性后分布式光伏所属区域在预测时刻的卫星云图数据的像素值如下:

5.如权利要求4所述的方法,其特征在于,对移除日内差异性后分布式光伏所属区域在预测时刻的卫星云图数据的像素值进行归一化处理后第v个云图集中第w个卫星云图在位置(i,j)处的像素值如下:

6.如权利要求5所述的方法,其特征在于,所述对所述初步云图图像去底化处理,包括:

7.如权利要求6所述的方法,其特征在于,所述总云图像素矩阵如下:

8.如权利要求7所述的方法,其特征在于,所述地面反照率图像的图像像素矩阵如下:

9.如权利要求8所述的方法,其特征在于,所述预先构建的门控循环神经网络的数学模型如下:

10.如权利要求1所述的方法,其特征在于,所述预先训练的lstm神经网络的训练过程包括:

11.一种计及卫星云图的分布式光伏功率预测装置,其特征在于,所述装置包括:

12.如权利要求11所述的装置,其特征在于,所述...

【专利技术属性】
技术研发人员:惠慧李蕊王铭赵邈周恒逸朱吉然唐海国周芊帆
申请(专利权)人:中国电力科学研究院有限公司
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