光伏功率预测方法、装置、存储介质及电子设备制造方法及图纸

一种光伏功率预测方法、装置、存储介质及电子设备，涉及数据处理领域；能够提高光伏功率预测精度。该光伏功率预测方法包括：获取光伏发电历史数据，所述光伏发电历史数据中包括历史时段的光伏发电的输出功率以及与所述输出功率相关的气象变量；将所述光伏发电历史数据进行多模式分解，得到分解功率、分解气象变量；将所述分解功率、分解气象变量作为输入样本，分别输入所述组合预测模型的不同分支；每个分支包括双层LSTM模块和残差模块，所述双层LSTM模块提取输入样本的时序特征，所述残差模块提取输入的空间特征；将所述时序特征与所述空间特征进行合并，基于合并后的特征得到预测步长内的光伏功率预测值。

【技术实现步骤摘要】

本申请涉及数据处理，尤其涉及一种光伏功率预测方法、装置、存储介质及电子设备。

技术介绍

1、随着我国大规模的光伏装机容量的不断并网，给电力系统注入了新的动力，在一定程度上缓解了传统水电、燃煤机组输出不足带来的能源短缺问题。而光伏电站往往建设在沙漠或高山等无人区域，对天气的依靠极为紧密，使得光伏发电的波动性大随机性强，进而导致在大规模并网时会给电力系统带来严重的安全隐患，因此光伏输出功率准确可靠的预测对电力系统的稳定运行及其重要。

2、采用深度学习模型可以对光伏输出功率进行预测。光伏输出功率主要受到多种外部因素的影响，不同的外部因素存在不同的尺度，容易对模型的训练造成干扰，导致模型的精度较低。

技术实现思路

1、本申请提供一种光伏功率预测方法、装置、存储介质及电子设备，能够提高光伏发电超短期预测的准确性。

2、第一方面，本申请提供一种光伏功率预测方法，包括：

3、获取光伏发电历史数据，所述光伏发电历史数据中包括历史时段的输出功率以及与所述输出功率相关的气象变量；

本文档来自技高网...

【技术保护点】

1.一种光伏功率预测方法，其特征在于，包括：

2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述组合预测模型还包括多头子注意力机制和通道注意力机制，所述方法还包括：

3.根据权利要求1所述的光伏功率预测方法，其特征在于，所述获取光伏发电历史数据，包括：

4.根据权利要求1所述的光伏功率预测方法，其特征在于，所述将所述光伏发电历史数据进行多模式分解，包括：

5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述将所述光伏发电历史数据进行多模式分解，得到分解功率、分解气象变量，包括：

6.根据权利要求5所述的光伏功率预测...

【技术特征摘要】

1.一种光伏功率预测方法，其特征在于，包括：

2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述组合预测模型还包括多头子注意力机制和通道注意力机制，所述方法还包括：

3.根据权利要求1所述的光伏功率预测方法，其特征在于，所述获取光伏发电历史数据，包括：

4.根据权利要求1所述的光伏功率预测方法，其特征在于，所述将所述光伏发电历史数据进行多模式分解，包括：

5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述将所述光伏发电历史数据进行多模式分解，得到分解功率、分解气象变量，包括：

6.根据权利要求5所述的光伏功率预测方法，其特征在于，所述气象变量包括辐照...

【专利技术属性】
技术研发人员：邢超，李国辉，卢佳，覃日升，奚鑫泽，刘明群，许珂玮，邓灿，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：