一种光伏功率预测方法与装置制造方法及图纸

本发明专利技术属于边缘智能技术领域，具体涉及一种光伏功率预测方法与装置。在不增加额外的传感装置的情况下，引入切比雪夫多项式、特征注意力机制以及线性回归模型，对特征参量进行处理，线性回归模型预测结果与LSTM模型预测结果进行加权处理，输出最终预测结果。改进了VMD

【技术实现步骤摘要】
一种光伏功率预测方法与装置


[0001]本专利技术属于边缘智能
，具体涉及一种光伏功率预测方法与装置。

技术介绍

[0002]光伏发电是利用太阳能和半导体电子器件有效的吸收太阳光辐射能，并使之转变成电能的直接发电方式，分布式光伏具有以用户侧自发自用、多余电量上网，且在配电系统平衡调节等特征，随着光伏分布电源的集约式建设，大量的光伏并网导致台区电网运行承压，由于电网光伏的消纳受限，通过电网的扩建来消纳的成本较高。
[0003]分布式光伏消纳能力通常是通过分布式光伏的最大渗透率或光伏极限接入量或极限峰值容量或最大准入容量等进行衡量的。配电网的光伏消纳能力与网架结构有密切关系，当配电网联系较紧密并且与负荷特性匹配较好时，其消纳能力能达到百分之八九十；反之，仅有百分之二三十。针对提高配电网分布式光伏消纳能力的措施，已有文献主要集中在对配电网电压的调整及对系统进行无功优化方面。其中分布式光伏接入配电网的电压调整问题主要有以下两方面的研究：一是针对光伏变电站的无功电压控制；二是从配电网的角度出发，合理调整系统中设备，如电抗器、调压器、有载调压变压器(OLTC)分接头、安装储能装置等改善电压越限问题。目前，以上两种方案大多是在光伏发电功率变化后再进行消纳调整，无法做到提前预判处理。

技术实现思路

[0004]本专利技术提出一种光伏功率预测方法与装置，以解决现有技术智能在光伏发电功率变化后再进行消纳调整，无法做到提前预判处理的问题。
[0005]为达上述目的，本专利技术提出技术方案如下：
>[0006]一种光伏功率预测方法，包括：
[0007]步骤一：获取光伏发电功率时间序列F(t)；对光伏发电功率时间序列F(t)进行模态分解，得到K个分量；
[0008]步骤二：提取特征参量，利用切比雪夫多项式对选取的特征参量进行拓展，得到特征参量矩阵；
[0009]步骤三：根据步骤一中获得的K个分量构建K个LSTM预测模型，引入特征注意机制对步骤二中的特征参量矩阵进行处理，获得处理后的特征参量矩阵；再将处理后特征参量矩阵输入到K个LSTM模型中，得到预测时间点的光伏发电功率；
[0010]步骤四：对预测时间点的气象预测数据进行切比雪夫多项式特征参数扩展后，得到扩展后特征参量矩阵，将扩展后特征参量矩阵利用建立的线性回归模型进行光伏功率预测；得到线性回归模型预测结果；
[0011]步骤五：对线性回归模型预测结果与步骤三中获得的预测时间点的光伏发电功率进行加权处理，获得光伏功率最终预测结果；输出最终预测结果。
[0012]优选的，步骤一中，利用VMD方法对光伏发电功率时间序列F(t)进行模态分解。
[0013]优选的，步骤一中，通过中心频率法确定K的数值。
[0014]优选的，步骤二中，选取的特征参量包括辐照度x
(1)
、云量x
(2)
、能见度x
(3)
、温度x
(4)
、湿度x
(5)
、风速x
(6)
、时间x
(7)
。
[0015]优选的，步骤二中，利用切比雪夫多项式对选取的特征参量进行拓展后，得到9个高阶特征参量，包括x
(8)
、x
(9)
、x
(10)
、x
(11)
、x
(12)
、x
(13)
、x
(14)
、x
(15)
、x
(16)
。
[0016]一种光伏功率预测装置，其特征在于，包括核心板和功能扩展板，核心板设置于功能扩展板上；
[0017]核心板用于实现装置内各种逻辑控制和数据处理；
[0018]功能扩展板用于使核心与外置设备建立联系，同时具备对装置固件进行校验认证的功能；
[0019]其中核心板上设有主控芯片，主控芯片内部集成AI加速单元；
[0020]所述光伏功率预测装置运行时，核心板通过功能扩展板与外界通信，所述主控芯片运行一种光伏功率预测方法。
[0021]优选的，还包括远程通信模块，远程通信模块包括4G模块、北斗模块和5G模块、4G模块、北斗模块和5G模块都通过通信接口连接核心板。
[0022]优选的，还包括本地通信模块，本地通信模块包括有线通信模块和无线通信模块，有线通信模块和无线通信模块都连接核心板。
[0023]优选的，还包括电池模块，电池模块连接核心板。
[0024]优选的，主控芯片使用RISC
‑
V架构CPU。
[0025]本专利技术的有益之处在于：
[0026]利用切比雪夫多项式、特征注意机制和线性回归模型对VMD
‑
LSTM模型进行改进，在不增加传感装置的情况下，扩充特征参量数量，解决特征参量随气象变化而特征值权重变化问题，弥补了VMD
‑
LSTM模型在长期光伏功率预测时对天气预测等特征的关注度较弱的缺陷，能够较为准确的实现光伏发电功率的预测，为光伏消纳调节提供判断依据，具有较好的普及性。
[0027]基于具有4T算力的RISC
‑
V架构芯片，设计支撑改进型VMD
‑
LSTM光伏功率预测模型的边缘智能装置，实现在分布式光伏变电站侧对光伏发电功率的预测，提升预测响应速度。
附图说明
[0028]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0029]图1为一种光伏功率预测方法示意图；
[0030]图2为FA
‑
LSTM结构示意图；
[0031]图3为一种光伏功率预测装置示意图。
[0032]图中，1为核心板，2为功能扩展板，11为主控芯片，21为远程通信模块、22为本地通信模块，23为电池模块。
具体实施方式
[0033]下面将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情
况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0034]以下详细说明均是示例性的说明，旨在对本专利技术提供进一步的详细说明。除非另有指明，本专利技术所采用的所有技术术语与本专利技术所属领域的一般技术人员的通常理解的含义相同。本专利技术所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本专利技术的示例性实施方式。
[0035]实施例1：
[0036]请参阅图1所示，本专利技术提供，本专利技术设计一种光伏功率预测方法，其步骤如下：
[0037]步骤一：利用VMD方法对光伏发电功率时间序列F(t)进行模态分解，得到K个分量(U1,U2,
…
,U
K
)；利用中心频率法对VMD产生的K个分量进行评价，防止K个分量过少导致模态欠分解和分量过大导致模态重复；经过测试，对于光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光伏功率预测方法，其特征在于，包括：步骤一：获取光伏发电功率时间序列F(t)；对光伏发电功率时间序列F(t)进行模态分解，得到K个分量；步骤二：提取特征参量，利用切比雪夫多项式对选取的特征参量进行拓展，得到特征参量矩阵；步骤三：根据步骤一中获得的K个分量构建K个LSTM预测模型，引入特征注意机制对步骤二中的特征参量矩阵进行处理，获得处理后的特征参量矩阵；再将处理后特征参量矩阵输入到K个LSTM模型中，得到预测时间点的光伏发电功率；步骤四：对预测时间点的气象预测数据进行切比雪夫多项式特征参数扩展后，得到扩展后特征参量矩阵，将扩展后特征参量矩阵利用建立的线性回归模型进行光伏功率预测；得到线性回归模型预测结果；步骤五：对线性回归模型预测结果与步骤三中获得的预测时间点的光伏发电功率进行加权处理，获得光伏功率最终预测结果；输出最终预测结果。2.如权利要求1所述的一种光伏功率预测方法，其特征在于，步骤一中，利用VMD方法对光伏发电功率时间序列F(t)进行模态分解。3.如权利要求1所述的一种光伏功率预测方法，其特征在于，步骤一中，通过中心频率法确定K的数值。4.如权利要求1所述的一种光伏功率预测方法，其特征在于，步骤二中，选取的特征参量包括辐照度x
(1)
、云量x
(2)
、能见度x
(3)
、温度x
(4)
、湿度x
(5)
、风速x
(6)
、时间x
(7)
。5.如权利要求4所述的一种光伏功率预测方法，其特征在于，步骤二中，利用切比雪夫多项式对选取的特征参量进行拓展后，得到9个高阶特征参量，包括x

【专利技术属性】
技术研发人员：何彦彬，苏彪，余谦，沈子寅，王天一，常媛，贺威，曹增新，关涛，沈洋，史文娟，池建峰，高梦雅，田子健，屈珣，王子赫，李稼辰，姜山，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：