基于主成分分析-决策树的光伏电站发电预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于主成分分析

【技术实现步骤摘要】
基于主成分分析
‑
决策树的光伏电站发电预测方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种基于主成分分析
‑
决策树(PCA
‑
DTR)的光伏电站发电预测方法及装置。

技术介绍

[0002]光伏发电过程是一个多变量耦合非线性随机过程，具有间歇性、不可控性和时空不确定性等缺点。近年来，随着我国并网光伏渗透率的不断提高，光伏发电对电力系统的安全、经济、稳定运行产生重大影响，所以迫切需要对并网光伏电站的发电量进行准确预测。而目前的预测分布式光伏电站日发电量模型的影响因素不够全面。

技术实现思路

[0003]本专利技术旨在提供一种克服上述问题或者至少部分地解决上述问题的基于主成分分析
‑
决策树的光伏电站发电预测方法及装置。
[0004]为达到上述目的，本专利技术的技术方案具体是这样实现的：
[0005]本专利技术的一个方面提供了一种基于主成分分析
‑
决策树的光伏电站发电预测方法，包括：获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据，构建光伏预测数据样本集；对预设类气象数据和光伏组件技术规格参数分别进行主成分分析，确定对发电量影响最大的气象因素和组件技术规格参数；确定完整的算法训练数据和算法所需的数据标准格式，其中，所述完整的算法训练数据包括：主成分分析出的所述气象因素和所述组件技术规格参数以及组件安装角度、组件排列间距、组件的串并联方式以及遮挡系数；将所述完整的算法训练数据分为训练组、验证组和测试组；构建决策树算法训练模型，将所述训练组导入所述决策树算法训练模型训练并用所述验证组进行验证，再用测试组确认模型的准确性和泛化能力，得到最终的分布式光伏电站日发电量预测模型，其中，所述决策树算法训练模型的输入包括所述完整的算法训练数据，所述决策树算法训练模型的输出包括光伏电站的日发电量；利用所述最终的分布式光伏电站日发电量预测模型进行光伏电站发电预测。
[0006]其中，在获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据之后，构建光伏预测数据样本集之前，方法还包括：对所述基本安装信息及发电量数据和所述历史天气检测数据进行数据预处理。
[0007]其中，所述预设类气象数据包括：太阳辐射量、温度、湿度、风速和风向。
[0008]其中，所述光伏组件技术规格参数包括：光电转换效率、额定功率、尺寸、半片或全片结构。
[0009]本专利技术另一方面提供了一种基于主成分分析
‑
决策树的光伏电站发电预测装置，包括：构建模块，用于获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据，构建光伏预测数据样本集；主成分分析模块，用于对预设类气象数据和光伏组件技术规格参数分别进行主成分分析，确定对发电量影响最大的气象因素和组件技术规格参
数；确定模块，用于确定完整的算法训练数据和算法所需的数据标准格式，其中，所述完整的算法训练数据包括：主成分分析出的所述气象因素和所述组件技术规格参数以及组件安装角度、组件排列间距、组件的串并联方式以及遮挡系数；划分模块，用于将所述完整的算法训练数据分为训练组、验证组和测试组；训练模块，用于构建决策树算法训练模型，将所述训练组导入所述决策树算法训练模型训练并用所述验证组进行验证，再用测试组确认模型的准确性和泛化能力，得到最终的分布式光伏电站日发电量预测模型，其中，所述决策树算法训练模型的输入包括所述完整的算法训练数据，所述决策树算法训练模型的输出包括光伏电站的日发电量；预测模块，用于利用所述最终的分布式光伏电站日发电量预测模型进行光伏电站发电预测。
[0010]其中，构建模块，还用于在获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据之后，构建光伏预测数据样本集之前，对所述基本安装信息及发电量数据和所述历史天气检测数据进行数据预处理。
[0011]其中，所述预设类气象数据包括：太阳辐射量、温度、湿度、风速和风向。
[0012]其中，所述光伏组件技术规格参数包括：光电转换效率、额定功率、尺寸、半片或全片结构。
[0013]由此可见，通过本专利技术提供的基于主成分分析
‑
决策树的光伏电站发电预测方法及装置，利用主成分分析提炼对发电量影响最大的气象因素和组件技术规格参数，进而结合分布式光伏电站在建设中的组件安装角度、组件排列间距、组件的串并联方式以及选址地区的遮挡系数作为预测的输入量，日发电量作为输出量，导入决策树算法模型训练，最终得到通过以上影响因素预测发电量的模型，进而可以利用主成分分析
‑
决策树算法混合模型对分布式光伏电站的日发电量进行预测，解决现有预测模型对发电量预测不精准的问题。
附图说明
[0014]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0015]图1为本专利技术实施例提供的基于主成分分析
‑
决策树的光伏电站发电预测方法的流程图；
[0016]图2为本专利技术实施例提供的一种具体地基于主成分分析
‑
决策树的光伏电站发电预测方法的流程图；
[0017]图3为本专利技术实施例提供的基于主成分分析
‑
决策树的光伏电站发电预测装置的结构示意图。
具体实施方式
[0018]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围
完整的传达给本领域的技术人员。
[0019]图1和图2示出了本专利技术实施例提供的基于主成分分析
‑
决策树的光伏电站发电预测方法的流程图，参见图1和图2，本专利技术实施例提供的基于主成分分析
‑
决策树的光伏电站发电预测方法，包括：
[0020]S1，获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据，构建光伏预测数据样本集。
[0021]作为本专利技术实施例的一个可选实施方式，在获取历史分布式光伏电站安装基本信息及发电量数据和历史天气检测数据之后，构建光伏预测数据样本集之前，本专利技术实施例提供的基于主成分分析
‑
决策树的光伏电站发电预测方法还包括：对安装基本信息及发电量数据和历史天气检测数据进行数据预处理。
[0022]具体地，获取历史分布式光伏电站安装基本信息及发电量数据和历史天气检测数据并进行数据预处理，从而构建光伏预测数据样本集。
[0023]S2，对预设类气象数据和光伏组件技术规格参数分别进行主成分分析，确定对发电量影响最大的气象因素和组件技术规格参数。
[0024本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主成分分析
‑
决策树的光伏电站发电预测方法，其特征在于，包括：获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据，构建光伏预测数据样本集；对预设类气象数据和光伏组件技术规格参数分别进行主成分分析，确定对发电量影响最大的气象因素和组件技术规格参数；确定完整的算法训练数据和算法所需的数据标准格式，其中，所述完整的算法训练数据包括：主成分分析出的所述气象因素和所述组件技术规格参数以及组件安装角度、组件排列间距、组件的串并联方式以及遮挡系数；将所述完整的算法训练数据分为训练组、验证组和测试组；构建决策树算法训练模型，将所述训练组导入所述决策树算法训练模型训练并用所述验证组进行验证，再用测试组确认模型的准确性和泛化能力，得到最终的分布式光伏电站日发电量预测模型，其中，所述决策树算法训练模型的输入包括所述完整的算法训练数据，所述决策树算法训练模型的输出包括光伏电站的日发电量；利用所述最终的分布式光伏电站日发电量预测模型进行光伏电站发电预测。2.根据权利要求1所述的方法，其特征在于，在获取历史分布式光伏电站基本安装信息及发电量数据和历史天气检测数据之后，构建光伏预测数据样本集之前，还包括：对所述基本安装信息及发电量数据和所述历史天气检测数据进行数据预处理。3.根据权利要求1所述的方法，其特征在于，所述预设类气象数据包括：太阳辐射量、温度、湿度、风速和风向。4.根据权利要求1所述的方法，其特征在于，所述光伏组件技术规格参数包括：光电转换效率、额定功率、尺寸、半片或全片结构。5.一种基于主成分分析
‑
决策树的光...

【专利技术属性】
技术研发人员：谢雨桐，杨琳琳，车明，王铁强，王倩微，吴媛媛，
申请(专利权)人：北京市燃气集团有限责任公司，
类型：发明
国别省市：