一种光伏发电量预测方法和装置制造方法及图纸

本申请提供了一种光伏发电量预测方法和装置，其中，方法包括：获取多个目标采集时刻下的气象数据和天气类型，根据多个目标采集时刻下的天气类型，对多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据，将聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得聚类后数据对应的预测光伏发电量。本申请基于聚类后数据以及基于蚁群算法优化的光伏发电量预测模型进行光伏发电量预测，提高了光伏发电量的预测精度，并且，本申请的模型输入较为简单。本申请的模型输入较为简单。本申请的模型输入较为简单。

【技术实现步骤摘要】
一种光伏发电量预测方法和装置


[0001]本申请涉及光伏发电
，特别是涉及一种光伏发电量预测方法和装置。

技术介绍

[0002]现代社会对能源需求的不断增加，全球能源危机日益严重。太阳能扮演着越来越重要的角色，研究表明，地球瞬间从太阳辐射中获得约1.8
×
1011兆瓦的能量。太阳能光伏发电系统将太阳能转化为电能，具有广阔的应用前景，受到各国的重视。
[0003]光伏发电量的准确预测对电力系统调度管理和稳定控制具有重要意义。对于光伏电站来说，一方面，可以充分利用不同时期的价差，调整系统的储能分配，提高光伏电站的运行管理效率；另一方面，可以根据预测的光伏电站全天候性能，进行光伏电站选址。
[0004]目前，通常基于光伏发电量预测模型对光伏发电量进行预测，随着科研人员的不断努力，这些光伏发电量预测模型的预测精度也得到了提高。但是，这些光伏发电量预测模型的输入通常较为复杂，并且，模型输出的光伏发电量的预测精度有待于进一步提高。

技术实现思路

[0005]有鉴于此，本申请提供了一种光伏发电量预测方法和装置，用于解决现有的光伏发电量预测模型的输入较为复杂的问题，并提高光伏发电量的预测精度，其技术方案如下：
[0006]一种光伏发电量预测方法，包括：
[0007]获取多个目标采集时刻下的气象数据和天气类型，其中，一目标采集时刻下的气象数据是指针对目标气象因子采集的该目标采集时刻下的气象数据，目标气象因子为预设气象因子中与光伏发电量的相关度最高的一个或多个气象因子；
[0008]根据多个目标采集时刻下的天气类型，对多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据；
[0009]将聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得聚类后数据对应的预测光伏发电量，其中，基于蚁群算法优化的光伏发电量预测模型为以历史聚类后数据为训练样本，以标注的历史聚类后数据对应的历史光伏发电量为样本标签训练得到。
[0010]可选的，根据多个目标采集时刻下的天气类型，对多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据，包括：
[0011]根据预设天气聚类信息，确定多个目标采集时刻下的天气类型分别对应的天气类别，作为目标天气类别，其中，预设天气聚类信息通过层次聚类算法将全部天气类型聚类为多个天气类别得到；
[0012]将多个目标采集时刻下的气象数据按照目标天气类别进行天气聚类，得到目标天气类别下的聚类后数据。
[0013]可选的，基于蚁群算法优化的光伏发电量预测模型和预设天气聚类信息中的天气类别一一对应；
[0014]将聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，包括：
[0015]将目标天气类别下的聚类后数据分别输入至目标天气类别对应的基于蚁群算法优化的光伏发电量预测模型，以得到目标天气类别下的聚类后数据分别对应的预测光伏发电量。
[0016]可选的，基于蚁群算法优化的光伏发电量预测模型的构建方法包括：
[0017]获取样本数据，其中，样本数据包括多个历史采集时刻下的历史气象数据、历史天气类型和历史发电量数据，一历史采集时刻下的历史气象数据是指针对目标气象因子采集的该历史采集时刻下的历史气象数据；
[0018]采用基于余弦系数的聚类方法将样本数据中的异常数据筛除，得到筛除异常数据后的样本数据；
[0019]根据筛除异常数据后的样本数据中的历史天气类型，对筛除异常数据后的样本数据进行天气聚类，得到聚类后样本数据；
[0020]将聚类后样本数据中的历史气象数据作为基于蚁群算法优化的BP神经网络的训练输入，将聚类后样本数据中的历史发电量数据作为基于蚁群算法优化的BP神经网络的训练输出，训练得到基于蚁群算法优化的光伏发电量预测模型。
[0021]可选的，目标气象因子的确定方法包括：
[0022]获取针对预设气象因子中的各气象因子分别采集的气象数据，其中，针对预设气象因子中的一气象因子采集的气象数据为针对该气象因子采集的多个预设采集时刻下的气象数据；
[0023]获取多个预设采集时刻下的历史发电量数据；
[0024]对于预设气象因子中的每个气象因子，计算针对该气象因子采集的气象数据与多个预设采集时刻下的历史发电量数据的关联度，作为该气象因子对应的关联度，以得到预设气象因子中的各气象因子分别对应的关联度，其中，一气象因子对应的关联度表征该气象因子与光伏发电量的相关度；
[0025]对预设气象因子中的各气象因子分别对应的关联度进行排序，以基于排序结果确定目标气象因子。
[0026]一种光伏发电量预测装置，包括：信息获取模块、气象数据聚类模块和模型应用模块；
[0027]信息获取模块，用于获取多个目标采集时刻下的气象数据和天气类型，其中，一目标采集时刻下的气象数据是指针对目标气象因子采集的该目标采集时刻下的气象数据，目标气象因子为预设气象因子中与光伏发电量的相关度最高的一个或多个气象因子；
[0028]气象数据聚类模块，用于根据多个目标采集时刻下的天气类型，对多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据；
[0029]模型应用模块，用于将聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得聚类后数据对应的预测光伏发电量，其中，基于蚁群算法优化的光伏发电量预测模型为以历史聚类后数据为训练样本，以标注的历史聚类后数据对应的历史光伏发电量为样本标签训练得到。
[0030]可选的，气象数据聚类模块，包括：目标天气类别确定子模块和气象数据聚类子模
块；
[0031]目标天气类别确定子模块，用于根据预设天气聚类信息，确定多个目标采集时刻下的天气类型分别对应的天气类别，作为目标天气类别，其中，预设天气聚类信息通过层次聚类算法将全部天气类型聚类为多个天气类别得到；
[0032]气象数据聚类子模块，用于将多个目标采集时刻下的气象数据按照目标天气类别进行天气聚类，得到目标天气类别下的聚类后数据。
[0033]可选的，基于蚁群算法优化的光伏发电量预测模型和预设天气聚类信息中的天气类别一一对应；
[0034]模型应用模块，具体用于将目标天气类别下的聚类后数据分别输入至目标天气类别对应的基于蚁群算法优化的光伏发电量预测模型，以得到目标天气类别下的聚类后数据分别对应的预测光伏发电量。
[0035]可选的，模型应用模块构建基于蚁群算法优化的光伏发电量预测模型的过程包括：样本数据获取子模块、异常数据筛除子模块、样本数据聚类子模块和模型训练子模块；
[0036]样本数据获取子模块，用于获取样本数据，其中，样本数据包括多个历史采集时刻下的历史气象数据、历史天气类型和历史发电量数据，一历史采集时刻下的历史气象数据是指针对目标气象因子采集的该历史采集时刻下的历史气象数据；
[0037]异常数据筛除子模块，用于采用基于余弦系数的聚类方法将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏发电量预测方法，其特征在于，包括：获取多个目标采集时刻下的气象数据和天气类型，其中，一目标采集时刻下的气象数据是指针对目标气象因子采集的该目标采集时刻下的气象数据，所述目标气象因子为预设气象因子中与光伏发电量的相关度最高的一个或多个气象因子；根据所述多个目标采集时刻下的天气类型，对所述多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据；将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得所述聚类后数据对应的预测光伏发电量，其中，所述基于蚁群算法优化的光伏发电量预测模型为以历史聚类后数据为训练样本，以标注的所述历史聚类后数据对应的历史光伏发电量为样本标签训练得到。2.根据权利要求1所述的光伏发电量预测方法，其特征在于，所述根据所述多个目标采集时刻下的天气类型，对所述多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据，包括：根据预设天气聚类信息，确定所述多个目标采集时刻下的天气类型分别对应的天气类别，作为目标天气类别，其中，所述预设天气聚类信息通过层次聚类算法将全部天气类型聚类为多个天气类别得到；将所述多个目标采集时刻下的气象数据按照所述目标天气类别进行天气聚类，得到所述目标天气类别下的聚类后数据。3.根据权利要求2所述的光伏发电量预测方法，其特征在于，所述基于蚁群算法优化的光伏发电量预测模型和所述预设天气聚类信息中的天气类别一一对应；所述将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，包括：将所述目标天气类别下的聚类后数据分别输入至所述目标天气类别对应的基于蚁群算法优化的光伏发电量预测模型，以得到所述目标天气类别下的聚类后数据分别对应的预测光伏发电量。4.根据权利要求1～3任一项所述的光伏发电量预测方法，其特征在于，所述基于蚁群算法优化的光伏发电量预测模型的构建方法包括：获取样本数据，其中，所述样本数据包括多个历史采集时刻下的历史气象数据、历史天气类型和历史发电量数据，一历史采集时刻下的历史气象数据是指针对所述目标气象因子采集的该历史采集时刻下的历史气象数据；采用基于余弦系数的聚类方法将所述样本数据中的异常数据筛除，得到筛除异常数据后的样本数据；根据所述筛除异常数据后的样本数据中的所述历史天气类型，对所述筛除异常数据后的样本数据进行天气聚类，得到聚类后样本数据；将所述聚类后样本数据中的所述历史气象数据作为基于蚁群算法优化的BP神经网络的训练输入，将所述聚类后样本数据中的所述历史发电量数据作为基于蚁群算法优化的BP神经网络的训练输出，训练得到所述基于蚁群算法优化的光伏发电量预测模型。5.根据权利要求4所述的光伏发电量预测方法，其特征在于，所述目标气象因子的确定方法包括：
获取针对所述预设气象因子中的各气象因子分别采集的气象数据，其中，针对所述预设气象因子中的一气象因子采集的气象数据为针对该气象因子采集的多个预设采集时刻下的气象数据；获取所述多个预设采集时刻下的历史发电量数据；对于所述预设气象因子中的每个气象因子，计算针对该气象因子采集的气象数据与所述多个预设采集时刻下的历史发电量数据的关联度，作为该气象因子对应的关联度，以得到所述预设气象因子中的各气象因子分别对应的关联度，其中，一气象因子对应的关联度表征该气象因子与所述光伏发电量的相关度；对所述预设气象因子中的各气象因子分别对应的关联度进行排序，以基于排序结果确定所述目标气象因子。6.一种光伏发电量预测装置，其特征在于，包括：信息获取模块、气象数据聚类模块和模型应用模块；所述信息获取模块，用于获取多个目标采集时刻下的气象数据和天气类型，其中，一目标采集时刻下的气象数据是指针对目标气象因子采集的该目标采集时刻下的气象数据...

【专利技术属性】
技术研发人员：万月，吕贝，张明杰，王献文，孟欣，梁勇，易立坤，王学平，鲁谟尔，赵广赫，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能陇东能源有限责任公司，
类型：发明
国别省市：