【技术实现步骤摘要】
本专利技术涉及光伏发电功率预测，尤其涉及一种光伏发电功率预测方法、系统、设备及存储介质。
技术介绍
1、随着全球对可持续能源需求的日益增长，新能源发电技术，尤其是光伏发电，已成为解决能源危机和环境污染的重要途径之一。光伏发电系统的发电量直接受太阳辐射强度的影响，因此，准确预测新能源发电功率对于电力系统的稳定运行、资源优化配置以及电力市场的有效调度具有重要意义。
2、然而，当前新能源发电功率预测方法，尤其是在光伏发电领域，普遍面临着预测精度不足的挑战。传统的预测方法主要依赖于气象数据，如太阳辐射强度、温度、湿度等，这些参数虽能在一定程度上反映太阳能资源的总体状况，但在实际应用中，其预测能力受到诸多因素的限制。具体而言，气象数据通常只能提供较为宏观的太阳辐射信息，如是否存在太阳辐射，却难以精准捕捉天空中云团的动态变化及其对光伏阵列光照接收面积的具体影响。
3、云团的存在及其移动路径、形状、厚度等特性，对光伏阵列接收到的太阳光照强度有着直接影响。云团遮挡阳光会导致光伏阵列的发电量骤减，且这种影响往往是突发性和区域性的，传统的气象数据预测方法难以实时、准确地反映这种局部且快速变化的光照条件。因此，基于单一气象数据的预测结果往往与实际发电功率之间存在较大偏差，无法满足电力系统对光伏发电功率预测的高精度要求。
4、为了提高光伏发电功率预测的准确性和可靠性，有必要开发一种能够综合考虑云团动态变化及其影响范围的新预测方法。这种方法需要能够实时捕捉天空中云团的详细信息，并据此精确计算光伏阵列在不同时刻能够接收到
技术实现思路
1、为此，本专利技术实施例提供了一种光伏发电功率预测方法、系统、设备及存储介质，用于解决现有技术中光伏发电功率预测技术仅依赖气象数据，难以准确捕捉云团动态变化及其对光伏阵列光照接收面积的具体影响，导致预测功率数据存在偏差的问题。
2、为了解决上述问题，本专利技术实施例提供一种光伏发电功率预测方法，该方法包括：
3、步骤s1：收集光伏阵列区域的历史数据和实时数据；
4、步骤s2：通过预设的数据集模版对历史数据和实时数据进行同步预处理，按数据类型匹配并填充数值，生成历史数据集和实时数据集；
5、步骤s3：基于历史数据集，按时间节点排序发电功率数据，建立初始发电功率模型，并绘制发电功率随时间变化的曲线图；
6、步骤s4：分析实时数据中的气候数据和云团图像数据，判断光伏阵列区域的光照情况，在有光照条件下，处理云团图像以识别云团特征，计算其移动方向和移动速率；
7、步骤s5：根据云团特征的移动方向和移动速率及光伏阵列区域的位置，计算各时间节点下光伏阵列区域被光照的实际面积，并将此信息引入初始发电功率模型中进行优化，生成新的预测数据；
8、步骤s6：将优化后的预测数据与后续实际发电功率进行比对验证，确认预测数据是否符合实际发电功率的阈值范围。
9、优选地，步骤s2中，通过预设的数据集模版对历史数据和实时数据进行同步预处理，按数据类型匹配并填充数值，生成历史数据集和实时数据集，具体包括：
10、步骤s21：根据后续数据处理和分析所需的数据类型，设计并构建一个具有搜选数值功能的数据集模版；将收集到的历史数据和实时数据引入至已构建的数据集模版中；
11、步骤s22：数据集模版根据其内部定义的数据类型标题，与引入的历史数据和实时数据的类型标题进行匹配操作；一旦标题文字特征匹配成功，对应的数据类型标题后的数值数据将被自动搜选并填入至数据集模版对应的数值行列中；
12、步骤s23：经过步骤s22的匹配和填充操作后，数据集模版中的数值将逐渐被填满；当模版中的所有数值匹配完成后，即形成了规范的历史数据集和实时数据集。
13、优选地，在步骤s3中，基于历史数据集，按时间节点排序发电功率数据，建立初始发电功率模型，并绘制发电功率随时间变化的曲线图，具体包括：
14、步骤s31：从历史数据集中提取发电功率数值，并按照对应的时间节点进行排序；基于排序后的历史数据，利用统计分析或机器学习算法，建立初始发电功率模型；
15、步骤s32：利用初始发电功率模型，生成时间节点与实际发电功率之间的对应关系，并绘制成曲线图像；根据曲线图像所反映的周期性特征，结合对应的时间周期，对后续时间周期的发电功率进行预测。
16、优选地，步骤s4中，分析实时数据中的气候数据和云团图像数据，判断光伏阵列区域的光照情况，在有光照条件下，处理云团图像以识别云团特征，计算其移动方向和移动速率，具体包括：
17、步骤s41：根据预测时间周期内的气候数据，判定光伏阵列区域是否存在光照情况；若整个预测周期内无光照，则直接依据初始发电功率模型中的无光照功率进行预测；若部分时间节点存在光照，则执行步骤s42；
18、步骤s42：在确认存在光照的时间周期内，对光伏阵列区域上空的云团图像数据进行以下处理：
19、排序与特征比对：从实时时间节点开始，对位于光伏阵列区域上空的云团图像数据进行排序，并依次对相邻的云团图像数据进行特征比对；
20、灰度化与特征标记：对云团图像数据进行灰度化处理，并引入历史特征数据对云团图像数据中的对应特征进行标记，其中云团特征标记为m；
21、移动方向与移动速率计算：在平面图像中，以图像边缘为基准建立x轴和y轴坐标系，以云团图像数据左下角角点为中心点，得到前一云团图像数据中的云团特征m中心处坐标为(x1，y1)，后一云团图像数据中的云团特征m’中心处坐标为(x2，y2)；通过比较x1与x2、y1与y2的数值，确定云团特征的移动方向，并计算云团特征的移动速率v。
22、优选地，所述计算云团特征的移动速率v的方法为：
23、
24、其中，v表示为云团特征的移动速率，表示为云团特征m到云团特征m’在时间t1下所移动的距离。
25、优选地，步骤s5中，根据云团特征的移动方向和移动速率及光伏阵列区域的位置，计算各时间节点下光伏阵列区域被光照的实际面积，并将此信息引入初始发电功率模型中进行优化，生成新的预测数据，具体包括：
26、步骤s51：根据初始发电功率模型，引入实时云团特征的面积数据，并结合历史数据得到位于地面处的遮挡面积；
27、步骤s52：根据云团特征的移动方向和移动速率，结合光伏阵列区域的位置，计算各时间节点下光伏阵列区域被光照的实际面积，具体包括：
28、从云团特征的移动方向与光伏阵列区域的边界处产生角度值为α，云团特征以角度值α及移动速率v进行移动；
29、根据云团特征的移动方向判定云团特征的地面遮挡左右侧边界是否将光伏阵列区域遮挡，并根据遮挡情况计算可接收光照的光伏阵列区域面积：
30、若云团特征的地面遮挡左右侧边界将光伏阵列区域的边界遮挡本文档来自技高网...
【技术保护点】
1.一种光伏发电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的光伏发电功率预测方法，其特征在于，步骤S2中，通过预设的数据集模版对历史数据和实时数据进行同步预处理，按数据类型匹配并填充数值，生成历史数据集和实时数据集，具体包括：
3.根据权利要求1所述的光伏发电功率预测方法，其特征在于，在步骤S3中，基于历史数据集，按时间节点排序发电功率数据，建立初始发电功率模型，并绘制发电功率随时间变化的曲线图，具体包括：
4.根据权利要求1所述的光伏发电功率预测方法，其特征在于，步骤S4中，分析实时数据中的气候数据和云团图像数据，判断光伏阵列区域的光照情况，在有光照条件下，处理云团图像以识别云团特征，计算其移动方向和移动速率，具体包括：
5.根据权利要求4所述的光伏发电功率预测方法，其特征在于，所述计算云团特征的移动速率V的方法为：
6.根据权利要求1所述的光伏发电功率预测方法，其特征在于，步骤S5中，根据云团特征的移动方向和移动速率及光伏阵列区域的位置，计算各时间节点下光伏阵列区域被光照的实际面积，并将此信息引入初始发
7.根据权利要求6所述的光伏发电功率预测方法，其特征在于，功率预测数据P的计算方法为：
8.一种光伏发电功率预测系统，其特征在于，所述系统用于实现权利要求1至7任意一项所述的光伏发电功率预测方法，具体包括：
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器和总线系统，所述处理器和存储器通过该总线系统相连，所述存储器用于存储指令，所述处理器用于执行存储器存储的指令，以实现权利要求1至7任意一项所述的光伏发电功率预测方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机软件产品，所述计算机软件产品包括若干指令，用以使得一台计算机设备执行权利要求1至7任意一项所述的光伏发电功率预测方法。
...【技术特征摘要】
1.一种光伏发电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的光伏发电功率预测方法，其特征在于，步骤s2中，通过预设的数据集模版对历史数据和实时数据进行同步预处理，按数据类型匹配并填充数值，生成历史数据集和实时数据集，具体包括：
3.根据权利要求1所述的光伏发电功率预测方法，其特征在于，在步骤s3中，基于历史数据集，按时间节点排序发电功率数据，建立初始发电功率模型，并绘制发电功率随时间变化的曲线图，具体包括：
4.根据权利要求1所述的光伏发电功率预测方法，其特征在于，步骤s4中，分析实时数据中的气候数据和云团图像数据，判断光伏阵列区域的光照情况，在有光照条件下，处理云团图像以识别云团特征，计算其移动方向和移动速率，具体包括：
5.根据权利要求4所述的光伏发电功率预测方法，其特征在于，所述计算云团特征的移动速率v的方法为：
6.根据权利要求1所述的光伏发电功率预测方法，其特征在...
【专利技术属性】
技术研发人员：赵军，常潇，李慧蓬，程雪婷，王亮，王小昂，杨超颖，潘力志，闫俊，王龙，
申请(专利权)人：国网山西省电力公司电力科学研究院，
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。