【技术实现步骤摘要】
本专利技术属于功率预测，具体涉及一种计及时空关联性分布式光伏电站的功率预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、随着全球经济的快速发展，对于能源的消耗以及需求越来越大，发展绿色新能源是解决能源危机和环境保护问题的有效途径和必然趋势。太阳能发电具有清洁、无污染、分布广等优势，光伏产业的发展速度越来越快，其中分布式光伏发展尤为迅猛。随着并网规模的不断扩大，分布式光伏输出呈现的波动性和间歇性对配电网的影响已不容忽视。为了保证供电安全性和可靠性，有必要对分布式光伏进行有效调控，而实现有效调控的前提是实现对分布式光伏输出功率的预测。
3、目前，光伏功率预测建模方法主要分为两类。一类是直接预测方法，这种方法是通过分析光伏电站大量的历史数据建立功率预测模型，其本质上是历史数据统计的预测方法。另一类是间接预测，这类方法不依赖于光伏出力历史数据，依据地理信息和气象信息先推算辐照度数据，再通过物理模型建立功率预测模型。这些预测方法往往针对单一电站的气象数据运行数据信息，预测模型仅考虑了时间维度上的信息源，而忽略了空间上相关因素的影响。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种计及时空关联性分布式光伏电站的功率预测方法及系统，本专利技术基于邻近电站的历史功率数据和历史气象预报数据建立目标电站的功率预测模型，而不依赖于气象观测数据或目标站点大量的历史功率数据。通过建立多层级深度学习神经网络，挖掘
2、根据一些实施例，本专利技术采用如下技术方案：
3、一种计及时空关联性分布式光伏电站的功率预测方法，包括以下步骤：
4、获取邻近电站的历史功率数据、历史气象预报数据、安装位置参数和目标电站安装位置参数；
5、将各个电站安装特征用特征序列表示，计算目标电站与各邻近电站的安装位置特征差值序列；
6、根据目标电站与各邻近电站的安装位置特征差值序列，挖掘相关性系数与安装位置特征之间的映射关系，计算目标电站与各邻近电站的相关性系数；
7、根据相关性系数和设定的阈值关系，对邻近电站进行多层级划分，用弱相关电站的数据光伏电站输出功率与气象预报信息之间的映射关系，建立具有多层隐含层的神经网络模型，用强相关电站的历史功率数据按照相关性由弱到强依次对各隐含层的参数进行调整，得到目标电站的多层级深度学习功率预测模型；
8、利用所述多层级深度学习功率预测模型，对目标电站的功率进行预测。
9、作为可选择的实施方式，各个光伏电站安装特征用特征序列表示的具体过程为，特征序列中各特征元素为光伏电站安装静态参数，包括但不限于光伏电站安装的经度、纬度、海拔高度、装机容量、光伏组件板材类型和安装角度。
10、作为可选择的实施方式，目标电站的特征序列分别和每个邻近电站的特征序列的相对应元素求差的绝对值，形成目标电站与相应邻近电站的安装位置特征差值序列，并采用离差标准化方法将求得的数据进行归一化。
11、作为可选择的实施方式，利用互相关函数计算目标电站与各邻近电站的相关性系数；
12、将历史功率数据以设定时间段为基本单位划分为若干组，分别计算各设定时间段的相关性，两个光伏电站之间的相关性以平均值进行评价。
13、作为可选择的实施方式，挖掘相关性系数与安装位置特征之间的映射关系的具体过程包括：将归一化之后的邻近电站之间的安装位置特征的差值序列作为输入，将对应电站之间平均相关性系数作为输出，训练关联性挖掘模型，建立相关性系数与安装位置之间的映射关系。
14、作为可选择的实施方式，根据相关性系数和设定的阈值关系，对邻近电站进行多层级划分的具体过程包括设定阈值作为划分相关性强弱的依据，相关性系数不大于设定阈值的为弱相关电站，相关性系数大于设定阈值的邻近电站为强相关电站；
15、将强相关电站通过相关性系数划分为n个层级，第一层级相关性最弱，后面层级的相关性依次增加，n为隐含层的层数。
16、作为可选择的实施方式，利用强相关电站的n个层级的历史功率数据将神经网络模型的前n-1层的参数微调，对最后一层的参数进行重新训练。
17、一种计及时空关联性分布式光伏电站的功率预测系统，包括：
18、数据获取模块，被配置为获取邻近电站的历史功率数据、历史气象预报数据、安装位置参数和目标电站安装位置参数；
19、特征差值序列计算模块，被配置为将各个电站安装特征用特征序列表示，计算目标电站与各邻近电站的安装位置特征差值序列；
20、相关性系数计算模块，被配置为根据目标电站与各邻近电站的安装位置特征差值序列，挖掘相关性系数与安装位置特征之间的映射关系，计算目标电站与各邻近电站的相关性系数；
21、模型构建及训练模块，被配置为根据相关性系数和设定的阈值关系，对邻近电站进行多层级划分，用弱相关电站的数据挖掘光伏电站输出功率与气象预报信息之间的映射关系，建立具有多层隐含层的神经网络模型，用强相关电站的历史功率数据和历史气象预报数据按照相关性由弱到强依次对各隐含层的参数进行调整，得到目标电站的多层级深度学习功率预测模型；
22、预测模块，被配置为利用所述多层级深度学习功率预测模型，对目标电站的功率进行预测。
23、一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法中的步骤。
24、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法中的步骤。
25、与现有技术相比，本专利技术的有益效果为：
26、本专利技术基于邻近电站历史功率数据和历史气象预报数据建立目标电站预测模型，解决了目前分布式光伏普遍缺少气象监测信息，且历史功率数据采集不足的问题。通过邻近电站与目标电站的空间相关性，对分布式光伏多层级预测神经网络模型进行训练，建立了不依赖于目标电站历史数据的功率预测模型，预测模型考虑一定范围内的邻近不同光伏站点与目标电站输出功率的时空关联性，通过相关性分析将邻近电站功率数据划分不同层级，按照相关性强弱训练和调整神经网络不同层级的隐含层，更全面地挖掘了邻近不同光伏站点与目标电站输出功率的耦合性与联动性，使得预测结果更加准确。
27、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，各个光伏电站安装特征用特征序列表示的具体过程为，特征序列中各特征元素为光伏电站安装静态参数，包括但不限于光伏电站安装的经度、纬度、海拔高度、装机容量、光伏组件板材类型和安装角度。
3.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，目标电站的特征序列分别和每个邻近电站的特征序列的相对应元素求差的绝对值，形成目标电站与相应邻近电站的安装位置特征差值序列，并采用离差标准化方法将求得的数据进行归一化。
4.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，利用互相关函数计算目标电站与各邻近电站的相关性系数；
5.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，挖掘相关性系数与安装位置特征之间的映射关系的具体过程包括：将归一化之后的邻近电站之间的安装位置特征的差值序列作为输入，将对应电站之间平均相关性系数
6.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，根据相关性系数和设定的阈值关系，对邻近电站进行多层级划分的具体过程包括设定阈值作为划分相关性强弱的依据，相关性系数不大于设定阈值的为弱相关电站，相关性系数大于设定阈值的邻近电站为强相关电站；
7.如权利要求6所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，利用强相关电站的n个层级的历史功率数据将神经网络模型的前n-1层的参数微调，对最后一层的参数进行重新训练。
8.一种计及时空关联性分布式光伏电站的功率预测系统，其特征是，包括：
9.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的方法中的步骤。
10.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，各个光伏电站安装特征用特征序列表示的具体过程为，特征序列中各特征元素为光伏电站安装静态参数，包括但不限于光伏电站安装的经度、纬度、海拔高度、装机容量、光伏组件板材类型和安装角度。
3.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，目标电站的特征序列分别和每个邻近电站的特征序列的相对应元素求差的绝对值，形成目标电站与相应邻近电站的安装位置特征差值序列，并采用离差标准化方法将求得的数据进行归一化。
4.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，利用互相关函数计算目标电站与各邻近电站的相关性系数；
5.如权利要求1所述的一种计及时空关联性分布式光伏电站的功率预测方法，其特征是，挖掘相关性系数与安装位置特征之间的映射关系的具体过程包括：将归一化之后的邻近电站之间的安装位置特征的差值序列作为输入，将对应电站之间平...
【专利技术属性】
技术研发人员：张云鹏，马娇，王楠，关逸飞，杨颂，张鹏平，
申请(专利权)人：山东大学，
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。