【技术实现步骤摘要】
本专利技术涉及光伏功率预测领域，具体涉及一种光伏功率的预测方法、装置、设备及介质。
技术介绍
1、随着全球能源需求的不断增加和环保意识的增强，太阳能作为一种清洁、可再生的能源，其利用价值日益凸显。光伏发电作为太阳能利用的主要形式之一，近年来得到了快速发展。然而，光伏发电具有间歇性和随机性，其发电功率的波动对电网的稳定性和电能质量构成挑战。因此，准确预测光伏发电功率成为一项重要且紧迫的研究课题。
技术实现思路
1、为解决此问题，本专利技术提供一种光伏功率的预测方法、装置、设备及介质，可实现对特征提取功能、预测模型模块和结果输出模块，旨在提出一种误差较小且操作简单的方法，实现对光伏电站发电功率的准确预测。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、一种光伏功率的预测方法，包括如下步骤：
4、步骤一、特征提取模块提取不同时间序列的光伏数据，并对光伏数据进行预处理和特征提取，得到预处理的时间序列数据；
5、步骤二、编码器模块接收从特征提取模块输出的预处理的时间序列数据，并经过提取和编码得到光伏数据的时间序列特征信息；
6、步骤三、解码器将编码器中提取的时间序列特征信息映射回输出空间，并生成预测值，通过自注意力机制、掩码自注意力机制和前馈神经网络生成特征信息；
7、步骤四、最终输出层将解码器输出的特征信息通过激活函数转换成目标序列的特征值，最后输出预测的目标特征值。
8、进一步的，步骤一具体包括
9、数据收集：确定所述光伏数据的来源，包括光伏电站监控系统或电网数据，其属性包括历史功率值、温度、湿度、风速和大气压强；
10、数据预处理：对收集到的光伏数据进行清洗，包括去除异常值、缺失值不符合，将光伏数据转换为统一的时间序列格式，确保每个数据点都包含时间戳和对应的光伏功率值，对光伏数据进行归一化或标准化处理，得到具有时间序列的光伏数据；
11、特征提取：从具有时间序列的光伏数据中提取出对光伏功率预测有用的特征，得到预处理的时间序列数据，包括历史功率值、温度、湿度和风速信息，以增强模型的预测能力；
12、数据集划分：将预处理的时间序列数据划分为训练集、验证集和测试集，训练集用于模型的训练，验证集用于调整模型参数和防止过拟合，测试集用于评估模型的性能。
13、进一步的，步骤二具体包括：
14、编码器模块将预处理的时间序列数据输入一维卷积层，对输入序列进行初步的特征提取和嵌入，将输入数据的特征维度从feature_dim转换到更高的维度d_model,嵌入向量被送入多层堆叠的转换器模型的编码器中进行处理；在每层转换器模型的编码器中，数据首先通过自注意力机制捕捉全局依赖关系，然后通过前馈神经网络进行特征提取和增强，通过自注意力机制和前馈神经网络的堆叠，逐步提取出光伏数据的时间序列特征信息；经过多层转换器模型的编码器的处理后，生成一个编码表示，所述编码表示包含输入数据的时间序列特征信息，并传递给解码器用于生成最终的预测结果。
15、进一步的，步骤三具体包括：
16、解码器接收编码器模块输出的特征信息，使用卷积层的滑动窗口和卷积核的操作捕捉局部特征，并通过堆叠多层来扩大感受野；接着，通过多层堆叠的自注意力机制，允许模型在处理每个时间步的输出时考虑到之前时间步的输出信息，从而捕捉序列的生成依赖关系；采用多头自注意力机制并行处理序列信息，提高计算效率和模型性能；解码器中的前馈神经网络对自注意力机制的输出进行进一步的处理和变换以生成特征信息，以增强模型的非线性表达能力；为保证解码器的自回归性质，生成当前时间步的输出时只能依赖之前时间步的输出，解码器中的自注意力机制添加掩码，掩码机制通过遮挡未来时间步的信息，防止模型在生成过程中泄露未来信息。
17、进一步的，步骤四具体包括：
18、最终输出层由一组全连接层构建而成，全连接层将解码器的输出数据转换为具有特定维度的预测数值，预测数值代表未来某一时间点的预测结果，全连接层对输入特征进行线性变换，并通过激活函数来产生最终的预测值。
19、一种基于光伏功率的预测装置，包括：
20、特征提取模块，用于提取不同时间序列的光伏数据，并对光伏数据进行预处理和特征提取，得到预处理的时间序列数据；
21、编码器模块，用于接收从特征提取模块输出的预处理的时间序列数据，并经过提取和编码得到光伏数据的时间序列特征信息；
22、解码器模块，用于将编码器中提取的时间序列特征信息映射回输出空间，并生成预测值，通过自注意力机制、掩码自注意力机制和前馈神经网络生成特征信息；
23、最终输出层模块，用于将解码器输出的特征信息通过激活函数转换成目标序列的特征值，最后输出预测的目标特征值。
24、一种基于光伏功率的预测设备，包括：处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时执行所述的光伏功率的预测方法。
25、一种非易失性计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现所述的光伏功率的预测方法。
26、本专利技术具有如下有益效果：
27、本专利技术通过特征提取模块首先从复杂的时间序列数据中精心筛选出对预测至关重要的特征信息，为预测过程奠定坚实基础。随后，编码器模块作为数据处理的核心，深度挖掘并提炼这些关键特征，为预测模型提供丰富而精确的数据支持。在此基础上，解码器模块进一步精炼与压缩特征，利用掩码注意力机制严格遵循时间顺序进行预测，确保仅依赖历史与当前信息，有效避免未来信息的泄露，从而显著提升了预测的精准度和可信度。最后，最终输出层模块作为预测结果的展示窗口，通过激活函数将解码器的输出转化为直观、即时的预测值，为用户提供准确可靠的预测信息。这一系列模块紧密协作，解决了如何在复杂多变的时间序列数据中高效提取关键特征，并准确预测未来光伏发电功率趋势的问题。
本文档来自技高网...【技术保护点】
1.一种基于光伏功率的预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤一具体包括：
3.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤二具体包括：
4.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤三具体包括：
5.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤四具体包括：最终输出层由一组全连接层构建而成，全连接层将解码器的输出数据转换为具有特定维度的预测数值，预测数值代表未来某一时间点的预测结果，全连接层对输入特征进行线性变换，并通过激活函数来产生最终的预测值。
6.一种基于光伏功率的预测装置，其特征在于，包括：
7.一种基于光伏功率的预测设备，包括：处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时执行权利要求1-5中任一项所述的光伏功率的预测方法。
8.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现权
...【技术特征摘要】
1.一种基于光伏功率的预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤一具体包括：
3.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤二具体包括：
4.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤三具体包括：
5.根据权利要求1所述的一种基于光伏功率的预测方法，其特征在于：步骤四具体包括：最终输出层由一组全连接层构建而成，全连接层将解码器的输出数据转换为具有特定维度的预测数...
【专利技术属性】
技术研发人员：张崇建，徐文渊，陶元，邱思齐，郜文，
申请(专利权)人：湖北华中电力科技开发有限责任公司，
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。