【技术实现步骤摘要】
本专利技术涉及光伏发电系统功率预测，具体涉及光伏系统功率预测模型构建和功率预测方法及装置。
技术介绍
1、目前，国内的电改正在如火如荼的开展，各省售电公司、新能源企业正在积极的准备现货市场的改革。新能源功率预测能力的强弱，将成为售电公司、新能源企业洗牌的一大关键。通常预测可以被理解为基于对事物历史发展规律的了解和当前状态的把握，对事物未来发展的走势或状态做出估计、判断的过程。光伏短期功率预测通常是预测未来3天的功率值，其方法可分为基于物理建模和数据建模两大类。基于数据的预测方法主要包括时间序列建模方法、传统机器学习和深度学习等人工智能技术的建模方法。
2、现有的光伏短期功率预测一般都需要充足的历史数据支持和大量的训练样本，对于新投运或数字化程度较低的光伏电站，其历史运行数据的不足使得常规短期光伏预测方法难以应用。因此，亟需一种适于样本量少的光伏电站的短期功率预测方法。
技术实现思路
1、有鉴于此，本专利技术提供了一种光伏系统功率预测模型构建和功率预测方法及装置，以解决相关技术中无法准确对历史运行数据较少的光伏系统进行功率预测的问题。
2、第一方面，本专利技术提供了一种光伏系统功率预测模型构建方法，该方法包括：获取光伏系统的功率序列数据以及对应的气象序列数据；将功率序列数据与气象序列数据进行关联，得到第一关联数据集；对第一关联数据集进行划分，得到多个数据集；对多个数据集进行组合，得到多个不同的训练集；利用每个训练集对相应的第一预设模型进行训练，直至模型收敛，得
3、本专利技术提供的光伏系统功率预测模型构建方法，通过对光伏系统的功率序列数据以及气象序列数据进行关联，得到第一关联数据集，对第一关联数据集进行划分，确定多个数据集，对多个数据集进行划分，组合得到多个不同的训练集，利用各训练集对相应的第一预设模型进行训练，得到不同训练集分别对应的第一功率预测模型。本专利技术提供的方法，通过交叉验证的方法将功率序列数据以及气象序列数据的第一关联数据集划分组合为多个不同的训练集，利用各训练集对相应的第一预设模型训练，得到对应的第一功率预测模型，保证了在样本数据较少的情况下，训练得到的第一功率预测模型的精度能够满足需求，训练得到的多个第一功率预测模型能够实现对光伏系统的功率预测，解决了相关技术中无法准确对历史运行数据较少的光伏系统进行功率预测的问题。
4、在一种可选的实施方式中，该方法还包括：确定每个第一功率预测模型对应的验证集；将每个的验证集中的气象序列数据输入到对应的第一功率预测模型中，以使各第一计算模型输出对应的功率预测序列数据；对多个第一计算模型各自对应的功率预测序列数据进行拼接，得到第一拼接数据；对多个验证集中的功率序列数据进行拼接，得到第二拼接数据；将第一拼接数据和第二拼接数据进行关联，得到第二关联数据集；利用第二关联数据集对第二预设模型进行训练，直至模型收敛，得到第二功率预测模型。
5、本可选实施方式提供的方法，确定每个第一功率预测模型对应的验证集，并将各验证集输入到对应的第一功率预测模型中，使得不同的第一计算模型分别输出各自对应的功率预测序列数据，进而基于不同的第一计算模型分别输出功率预测序列数据以及各验证集中的功率序列数据构建新的数据集，基于新的数据集对第二预设模型进行训练，直至模型收敛，得到第二功率预测模型，第二功率预测模型可以更加准确地实现对光伏系统的功率预测。
6、在一种可选的实施方式中，获取光伏系统的功率序列数据以及对应的气象序列数据的步骤，包括：获取光伏系统的第一历史有功功率数据以及对应的第一历史气象数据；对第一历史有功功率数据以及对应的第一历史气象数据进行归一化处理，得到第二历史有功功率数据以及对应的第二历史气象数据；剔除第二历史有功功率数据以及对应的第二历史气象数据中的异常数据，得到第三历史有功功率数据以及对应的第三历史气象数据；对第三历史有功功率数据以及对应的第三历史气象数据进行数据增强处理，得到功率序列数据以及对应的气象序列数据。
7、本可选实施方式提供的方法，通过对光伏系统的第一历史有功功率数据以及对应的第一历史气象数据进行归一化、异常数据剔除以及数据增强处理，降低异常样本对模型学习气象特征与功率间物理关系的影响。
8、在一种可选的实施方式中，第二历史气象数据中包含太阳总辐射强度数据，剔除第二历史有功功率数据以及对应的第二历史气象数据中的异常数据的步骤，包括：计算第二历史有功功率数据与对应的太阳总辐射强度数据之间的目标距离；在第二历史有功功率数据以及对应的第二历史气象数据中，确定目标距离大于预设值的目标历史有功功率数据以及对应的目标气象数据；将目标历史有功功率数据作为异常数据从第二历史有功功率数据中剔除；将目标气象数据作为异常数据从第二历史气象数据中剔除。
9、第二方面，本专利技术提供了一种光伏系统功率预测方法，该方法包括：获取光伏系统的气象预测数据；将气象预测数据依次输入多个第一功率预测模型中，以使各第一计算模型输出对应的第一功率预测数据，多个第一功率预测模型通过如上述第一方面或其对应的任一实施方式的光伏系统功率预测模型构建方法构建得到；基于各第一计算模型输出的第一功率预测数据确定光伏系统的功率预测结果。
10、本专利技术提供的光伏系统功率预测方法，将光伏系统的气象预测数据依次输入多个第一功率预测模型中，以使各第一计算模型输出对应的第一功率预测数据，基于各第一计算模型输出的第一功率预测数据确定光伏系统的功率预测结果，实现对光伏系统的功率预测，保证了预测结果的准确性，解决了相关技术中无法准确对历史运行数据较少的光伏系统进行功率预测的问题。
11、在一种可选的实施方式中，基于各第一计算模型输出的第一功率预测数据确定光伏系统的功率预测结果的步骤，包括：对各第一计算模型输出的第一功率预测数据进行加权求和处理，得到处理后的功率预测数据；将处理后的功率预测数据输入到第二功率预测模型中，以使第二功率预测模型输出第二功率预测数据，第二功率预测模型通过上述第一方面对应的光伏系统功率预测模型构建方法构建得到；将第二功率预测数据作为光伏系统的功率预测结果。
12、第三方面，本专利技术提供了一种光伏系统功率预测模型构建装置，该装置包括：第一获取模块，用于获取光伏系统的功率序列数据以及对应的气象序列数据；第一关联模块，用于将功率序列数据与气象序列数据进行关联，得到第一关联数据集；划分模块，用于对第一关联数据集进行划分，得到多个数据集；组合模块，用于对多个数据集进行组合，得到多个不同的训练集；第一训练模块，用于利用每个训练集对相应的第一预设模型进行训练，直至模型收敛，得到各训练集分别对应的第一功率预测模型。
13、第四方面，本专利技术提供了一种光伏系统功率预测装置，该装置包括：第二获取模块，用于获取光伏系统的气象预测数据；第一确定模块，用于将气象预测数据依次输入多个第一功率预测模型中，以使各第一计算模型输出对应的第一功率预测数据，多个第一功率预测模型通过如上述本文档来自技高网...
【技术保护点】
1.一种光伏系统功率预测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述获取光伏系统的功率序列数据以及对应的气象序列数据的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，第二历史气象数据中包含太阳总辐射强度数据，所述剔除所述第二历史有功功率数据以及对应的第二历史气象数据中的异常数据的步骤，包括：
5.一种光伏系统功率预测方法，其特征在于，所述方法包括：
6.根据权利要求5所述的方法，其特征在于，基于各第一计算模型输出的第一功率预测数据确定光伏系统的功率预测结果的步骤，包括：
7.一种光伏系统功率预测模型构建装置，其特征在于，所述装置包括：
8.一种光伏系统功率预测装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括：
10.一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上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至4中任一
...【技术特征摘要】
1.一种光伏系统功率预测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述获取光伏系统的功率序列数据以及对应的气象序列数据的步骤，包括：
4.根据权利要求3所述的方法，其特征在于，第二历史气象数据中包含太阳总辐射强度数据，所述剔除所述第二历史有功功率数据以及对应的第二历史气象数据中的异常数据的步骤，包括：
5.一种光伏系统功率预测方法，其特征在于，所述方法包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：孙展展，蒋文，熊正勇，曾维波，张衡，
申请(专利权)人：固德威技术股份有限公司，
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。