【技术实现步骤摘要】
本专利技术实施例涉及新能源发电，尤其涉及一种集中式光伏电站发电功率预测方法及装置。
技术介绍
1、随着经济社会的快速发展，能源的生产和消费也随之快速增长。化石能源的大量消耗不但导致资源枯竭，还会产生大量的温室气体和有害气体，危及生态环境和人类健康。为此，大力开发利用可再生能源，特别是以风电、光伏发电为代表的新能源，已经成为当今世界经济社会可持续发展的重要战略。大规模光伏发电的并网使电力系统的形态结构和潮流分布发生了深刻变化，其出力随机波动的特点给电网的规划、运行、调度和控制带来了严峻挑战。准确的区域光伏发电功率预测不仅能够为电网调度决策提供依据，还可为风、光、水、火、储的多能互补协调控制提供支撑，是提高电网消纳规模化新能源发电的关键技术之一。因此，针对区域光伏发电功率预测开展研究具有重要意义，具体表现在以下三方面。
2、(1)从调度计划角度，可为电网实时调度、不同时间尺度发电计划制定、区域电力系统的机组组合优化、设备检修安排等提供科学依据；
3、(2)从运行控制角度，光伏发电功率预测配合电网调度可实现新能源电力的最大程度消纳，还可为风、光、水、火、储等多种能源发电的协调控制和优化运行提供技术支撑；
4、(3)从光伏场站运营商角度，准确的功率预测不仅可增加场站发电小时数和容量利用率，减少预测偏差带来的经济惩罚，还能为合理安排发电单元和逆变器的维护检修提供参考，从而提高光伏场站运行的经济效益和投资回报率。
5、光伏发电功率预测的实现方式可分为直按预测和分步预测两大类。直按预测模型的输入
6、然而，目前主要的光伏预测方法都是针对单站点的超短期和短期预测，此方法对区域电网的调度和区域电力系统的机组组合优化帮助有限。
技术实现思路
1、基于现有技术的上述情况，本专利技术实施例的目的在于提供一种集中式光伏电站发电功率预测方法及装置，可以为大规模集中式光伏电站的并网和调度提供准确的中长期光伏预测发电功率预测。
2、为达到上述目的，根据本专利技术的一个方面，提供了一种集中式光伏电站发电功率预测方法，所述方法包括：
3、获取光伏电站的光伏发电原始数据集，所述光伏发电原始数据包括光伏电站基础数据集、历史功率数据集、历史气象数据集和气象预测数据集；
4、根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集；
5、对各所述数据集中的数据进行二次数据处理后生成样本数据集；
6、利用样本数据集构造训练集，以对光伏发电功率预测模型进行训练，得到最优光伏发电功率预测模型；
7、采用最优光伏发电功率预测模型对光伏电站进行光伏发电功率预测。
8、进一步的，所述根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集，包括：
9、根据集中式光伏电站的地理位置信息和占地面积，将目标区域内的集中式光伏电站根据距离进行聚类；
10、针对同一聚类集合内的光伏电站采用相同的气象预测数据；
11、从历史气象数据集和气象预测数据集提供的数据中剪切出光伏电站目标区域的气象数据，并在空间上求均值，以均值表示该目标区域的平均气象情况。
12、进一步的，所述方法还包括：
13、对历史气象数据集中的数据增加时间变量。
14、进一步的，所述二次数据处理包括：
15、采用线性插值补全历史功率数据集和历史气象数据集，并统一各数据的时间分辨率；
16、对各数据集中的数据进行最大最小值归一化，以得到一致的时间序列数据；
17、根据光伏发电功率预测模型输入的时间窗和输出的长度，对所述时间序列数据进行样本分割，生成样本数据集。
18、进一步的，根据光伏发电功率预测模型输入的时间窗和输出的长度，对所述时间序列数据进行样本分割，生成样本数据集，包括：
19、将特征数据以l为长度，步长为1进行滑动窗口来生成特征数据样本x；
20、将功率数据以l为长度，步长为1进行滑动窗口来生成功率数据样本y；
21、其中，特征数据包括气象数据和时间变量数据；l为模型预测的步长。
22、进一步的，将特征数据样本x和功率数据样本y分为训练集、验证集和测试集；其中，训练集和验证集用于训练和优化模型参数，测试集用于进行精度评价
23、进一步的，所述光伏发电功率预测模型包括cnn和lstm混合模型。
24、进一步的，所述方法还包括：
25、采用二元分类模型筛选出光伏发电功率预测模型未处理的数据。
26、进一步的，采用最优光伏发电功率预测模型进行光伏发电功率预测，包括：
27、读取气象预测数据，构造模型输入数据集；
28、将构造的模型输入数据集输入最优光伏发电功率预测模型，得到预测的光伏发电量；
29、将预测结果通过接口服务返回到光伏电站。
30、根据本专利技术的另一个方面，提供了一种集中式光伏电站发电功率预测装置，所述装置包括：
31、数据获取模块，用于获取光伏电站的光伏发电原始数据集，所述光伏发电原始数据包括光伏电站基础数据集、历史功率数据集、历史气象数据集和气象预测数据集；
32、一次数据处理模块，用于根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集；
33、二次数据处理模块，用于对各所述数据集中的数据进行二次数据处理后生成样本数据集；
34、模型训练模块，用于利用样本数据集构造训练集，以对光伏发电功率预测模型进行训练，得到最优光伏发电功率预测模型；
35、光伏发电功率预测模块，用于采用最优光伏发电功率预测模型对光伏电站进行光伏发电功率预测。
36、综上所述，本专利技术实施例提供了一种集中式光伏电站发电功率预测方法及装置，所述方法包括：获取光伏电站的光伏发电原始数据集；根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集；对各所述数据集中的数据进行二次数据处理后生成样本数据集；利用样本数据集构造训练集，以对光伏发电功率预测模型进行训练，得到最优光伏发电功率预测模型；采用最优光伏发电功率预测模型对光伏电站进行光伏发电功率预测。本专利技术实施例的技术方案，通过结合光伏电站参数信息、历史发电数据和数值天气预报(numerical weather prediction，以下简称“nwp”)的气象预测数据，训练基于卷积—循环神经网络的区域光伏功率预测模型，可以预测未本文档来自技高网...
【技术保护点】
1.一种集中式光伏电站发电功率预测方法，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，所述根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述二次数据处理包括：
5.根据权利要求4所述的方法，其特征在于，根据光伏发电功率预测模型输入的时间窗和输出的长度，对所述时间序列数据进行样本分割，生成样本数据集，包括：
6.根据权利要求5所述的方法，其特征在于，将特征数据样本X和功率数据样本Y分为训练集、验证集和测试集；其中，训练集和验证集用于训练和优化模型参数，测试集用于进行精度评价。
7.根据权利要求6所述的方法，其特征在于，所述光伏发电功率预测模型包括CNN和LSTM混合模型。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据权利要求8所述的方法，其特征在于，采用最优光伏发电功率预测模型进行光伏发电功率预测，包括
10.一种集中式光伏电站发电功率预测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种集中式光伏电站发电功率预测方法，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，所述根据光伏发电原始数据集的数据，进行一次数据处理得到间接数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述二次数据处理包括：
5.根据权利要求4所述的方法，其特征在于，根据光伏发电功率预测模型输入的时间窗和输出的长度，对所述时间序列数据进行样本分割，生成样本数据集，包括：
6.根据...
【专利技术属性】
技术研发人员：徐崇斌，孙晓敏，陈前，左欣，
申请(专利权)人：北京空间机电研究所，
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。