一种光伏能源功率预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种光伏能源功率预测方法、装置、电子设备及存储介质。该方法包括：获取各分布式太阳能发电站运行的历史数据；其中，所述历史数据由电力数据和气象数据组成；将所述历史数据中各个数据进行两两组合，得到目标数据；对所述历史数据和所述目标数据进行处理，得到训练样本特征；依据所述训练样本特征对光伏能源功率预测模型进行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测。本技术方案，可以将原有特征组合为新特征，进而对模型进行训练，使高重复率特征训练成为可能，同时能够提高光伏能源功率预测的准确率。率。率。

【技术实现步骤摘要】
一种光伏能源功率预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及能源预测
，尤其涉及一种光伏能源功率预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着能源需求的增长与环境问题的日益凸显，可再生能源在众多能源中的比重将日益提高，太阳能能源因其分布范围广，能量利用率高与清洁无污染等特点，其在电网发电装置中的能源占比还将提高。然而，其因天气原因具有较强的随机性与波动性，导致光伏发电装置在大量并网时会对电网的实时调度带来挑战。因此提高太阳能发电装置功率预测水平具有重要意义。
[0003]现有的预测方法按预测模型分可分为物理预测与统计预测模型。物理预测模型方法是收集光伏电站中的当前电量信息和气象状况信息，结合历史功率情况，通过建立高阶函数并拟合发电功率曲线来估计未来输出功率。
[0004]对基于物理预测模型的预测的方法，现有技术主要面临精度低，操作难度大两方面问题：物理预测模型预测的方式基于当前电站物理信息与天气预报信息即可，计算量虽小，但运行时需要依照所在不同发电站物理信息而手动调整模型参数，操作难度大，且参数与天气预报的准确性直接影响了预测的准确性。

技术实现思路

[0005]本专利技术提供了一种光伏能源功率预测方法、装置、电子设备及存储介质，可将原有特征组合为新特征，进而对模型进行训练，使高重复率特征训练成为可能，同时能够提高光伏能源功率预测的准确率。
[0006]根据本专利技术的一方面，提供了一种光伏能源功率预测方法，该方法包括：
[0007]获取各分布式太阳能发电站运行的历史数据；其中，所述历史数据由电力数据和气象数据组成；
[0008]将所述历史数据中各个数据进行两两组合，得到目标数据；
[0009]对所述历史数据和所述目标数据进行处理，得到训练样本特征；
[0010]依据所述训练样本特征对光伏能源功率预测模型进行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测。
[0011]根据本专利技术的另一方面，提供了一种光伏能源功率预测装置，该装置包括：
[0012]历史数据获取模块，用于获取各分布式太阳能发电站运行的历史数据；其中，所述历史数据由电力数据和气象数据组成；
[0013]数据组合模块，用于将所述历史数据中各个数据进行两两组合，得到目标数据；
[0014]训练样本特征得到模块，用于对所述历史数据和所述目标数据进行处理，得到训练样本特征；
[0015]光伏能源功率预测模块，用于依据所述训练样本特征对光伏能源功率预测模型进
行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测。
[0016]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的一种光伏能源功率预测方法。
[0020]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的一种光伏能源功率预测方法。
[0021]本专利技术实施例的技术方案，通过获取各分布式太阳能发电站运行的历史数据，然后将历史数据中各个数据进行两两组合，得到目标数据，并对历史数据和目标数据进行处理，得到训练样本特征，依据训练样本特征对光伏能源功率预测模型进行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测。本技术方案，可以将原有特征组合为新特征，进而对模型进行训练，使高重复率特征训练成为可能，同时能够提高光伏能源功率预测的准确率。
[0022]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]为了更清楚地说明本专利技术实施例中的技术方案，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的附图。
[0024]图1是根据本专利技术实施例一提供的一种光伏能源功率预测方法的流程图；
[0025]图2是本申请实施例一提供的双平台预测系统数据流通路径的示意图；
[0026]图3是本申请实施例一提供的云端计算中心工作的流程图；
[0027]图4为本专利技术实施例二提供的一种光伏能源功率预测过程的示意图；
[0028]图5为本专利技术实施例三提供的一种光伏能源功率预测模型训练过程的流程图；
[0029]图6是本申请实施例三提供的反向传播神经网络训练流程图；
[0030]图7为本专利技术实施例四提供的一种光伏能源功率预测装置的结构示意图；
[0031]图8是实现本专利技术实施例的一种光伏能源功率预测方法的电子设备的结构示意图。
具体实施方式
[0032]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0033]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0034]实施例一
[0035]图1是根据本专利技术实施例一提供的一种光伏能源功率预测方法的流程图，本实施例可适用于对光伏能源功率进行预测的情况，该方法可以由一种光伏能源功率预测装置来执行，该光伏能源功率预测装置可以采用硬件和/或软件的形式实现，该光伏能源功率预测装置可配置于电子设备中。
[0036]如图1所示，该方法包括：
[0037]S110、获取各分布式太阳能发电站运行的历史数据；其中，所述历史数据由电力数据和气象数据组成。
[0038]在本方案中，太阳能能源分布范围广，具有能量利用率高、清洁无污染等特点。可以基于太阳能发电站采集光伏能源，供负载使用或存贮于蓄电池内备用。
[0039]在本实施例中，太阳能发电站运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏能源功率预测方法，其特征在于，包括：获取各分布式太阳能发电站运行的历史数据；其中，所述历史数据由电力数据和气象数据组成；将所述历史数据中各个数据进行两两组合，得到目标数据；对所述历史数据和所述目标数据进行处理，得到训练样本特征；依据所述训练样本特征对光伏能源功率预测模型进行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测。2.根据权利要求1所述的方法，其特征在于，将所述历史数据中各个数据进行两两组合，得到目标数据，包括：将所述历史数据中各个数据进行两两运算，得到目标数据；其中，所述运算包括相加、相减、相乘以及相除中的至少一种。3.根据权利要求2所述的方法，其特征在于，将所述历史数据中各个数据进行两两运算，得到目标数据，包括：将所述历史数据中各个数据进行相乘和/或相除，得到目标数据。4.根据权利要求2所述的方法，其特征在于，将所述历史数据中各个数据进行两两运算，得到目标数据，还包括：确定所述历史数据中各个数据的阶数；根据所述各个数据的阶数将各个数据进行相乘和/或相除，得到目标数据。5.根据权利要求1所述的方法，其特征在于，对所述历史数据和所述目标数据进行处理，得到训练样本特征，包括：对所述历史数据和所述目标数据进行预处理，得到待处理训练样本特征；对所述待处理训练样本特征进行相关性分析，得到相关系数；根据所述相关系数对所述待处理训练样本特征进行筛选，得到训练样本特征。6.根据权利要求1所述的方法，其特征在于，依据所述训练样本特征对光伏能源功率预测模型进行调整，得到更新后的光伏能源功率预测模型，以用于光伏能源功率预测，包括：将所述训练样本特征输入到光伏能源功率预测模型，得到输出功率；根据...

【专利技术属性】
技术研发人员：陈凤超，邹钟璐，赵瑞锋，邱泽坚，段孟雍，钟志明，何毅鹏，饶欢，邓景柱，刘铮，
申请(专利权)人：广东电网有限责任公司东莞供电局，
类型：发明
国别省市：