【技术实现步骤摘要】
本专利技术涉及新能源，具体涉及基于无人机的光伏板遮挡状态下超短期功率预测方法。
技术介绍
1、光伏板，也称为太阳能电池板，是一种利用太阳能将光能转化为电能的装置。它主要由太阳能电池组成，这些电池通过光伏效应将太阳辐射的光线转化为电子，进而形成电流。
2、然而，光伏板在使用过程中容易受到环境因素影响；例如，在降雪的低温环境下光伏板可能会存在覆雪状态，阳光透过覆雪层存在障碍，雪层会增加散射损失，影响发电效率，进而导致功率预测不准确。
3、因此，目前亟需提出一种基于无人机的超短期功率预测方法，以解决相关技术中存在的光伏板受环境影响导致功率预测不准确的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于无人机的光伏板遮挡状态下超短期功率预测方法，以解决相关技术中存在的光伏板受环境影响导致功率预测不准确的问题。
2、第一方面，本专利技术提供一种基于无人机的光伏板遮挡状态下超短期功率预测方法，基于无人机的超短期功率预测方法包括：获取目标光伏电站融雪事件下的实测图像序列和预测气象数据；其中，实测图像序列由无人机依照预设频率采集，包括用于表示目标光伏场站内设置的所有光伏板的融雪情况的实测图像数据；对实测图像序列进行遮挡面积提取，得到实测遮挡面积序列；对实测遮挡面积序列进行时序依赖关系提取，以得到实测遮挡面积变化信息；将实测图像序列和实测遮挡面积变化信息输入至第一光伏超短期功率预测模型进行功率预测，得到超短期功率预测结果；其中，第一光伏超短期功率预测模型由
3、作为示例性的实施例，光伏超短期功率预测模型包括至少两种光伏超短期功率预测子模型，基于无人机的超短期功率预测方法还包括：对实测遮挡面积序列按照面积变化率与第一历史数据集中的各个聚类簇进行聚类，得到聚类结果；基于聚类结果选取聚类程度大于预设程度的聚类簇对应的光伏超短期功率预测子模型；将实测图像序列和实测遮挡面积变化信息输入至光伏超短期功率预测子模型中，得到超短期功率预测结果。
4、作为示例性的实施例，光伏超短期功率预测模型还包括修正子模型，修正子模型用于输出超短期功率预测结果的修正参数，基于无人机的超短期功率预测模型构建方法包括：提取实测遮挡面积序列中的各个实测遮挡面积值；将实测遮挡面积值输入至修正子模型中，得到修正参数。
5、作为示例性的实施例，基于无人机的超短期功率预测方法还包括：对实测图像序列的实测图像数据进行遮挡厚度提取，得到第一实测遮挡厚度序列；对第一实测遮挡厚度序列进行时序依赖关系提取，得到第一实测遮挡厚度变化信息；将第一实测遮挡厚度变化信息和实测遮挡面积变化信息输入至第二光伏超短期功率预测模型中，得到光伏超短期功率预测结果；其中，第二光伏超短期预测模型由历史遮挡厚度变化信息、历史遮挡面积变化信息、历史功率变化信息构成的训练集训练得到。
6、作为示例性的实施例，基于无人机的超短期功率预测方法还包括：对所述实测图像序列的实测图像数据进行遮挡厚度提取，得到第二实测遮挡厚度序列；将第二实测遮挡厚度序列输入至第三光伏超短期功率预测模型中，得到光伏超短期功率预测结果；其中，第三光伏超短期功率预测模型由目标光伏电站历史多次降雪事件对应的第二历史数据集训练得到，第二历史数据集包括多个由无人机依照预设频率采集的历史图像序列及其所对应的历史功率序列。
7、第二方面，本专利技术提供一种基于无人机的光伏板遮挡状态下超短期功率预测模型构建方法，基于无人机的超短期功率预测模型构建方法包括：获取目标光伏电站历史多次融雪事件对应的第一历史数据集，其中，第一历史数据集包括多个由无人机依照预设频率在超短期预测周期下采集的历史图像序列及其所对应的历史功率序列；历史图像序列包括多个用于表示目标光伏场站内设置的所有光伏板的融雪情况的历史图像数据；对各个超短期预测周期下的历史图像序列进行遮挡面积提取，得到历史遮挡面积序列；对历史遮挡面积序列和历史功率序列进行时序依赖关系提取，分别得到历史遮挡面积变化信息和历史功率变化信息；基于各超短期预测周期下的历史遮挡面积变化信息和历史功率变化信息构建训练数据集，将训练数据集输入至预先构建好的预设功率预测模型中进行模型训练，在训练的过程中，学习历史遮挡面积变化信息和历史功率变化信息的时序对应关系，以得到第一光伏超短期功率预测模型。
8、作为示例性的实施例，光伏超短期功率预测模型包括至少两种光伏超短期功率预测子模型，基于无人机的超短期功率预测模型构建方法还包括：对各个超短期预测周期内的历史遮挡面积序列按照面积变化率进行聚类，得到至少两个聚类簇；分别对每个聚类簇和每个聚类簇对应的历史功率序列进行时序依赖关系提取，得到各聚类簇对应的训练数据集；其中，训练数据集包括各聚类簇所对应历史遮挡面积变化信息和历史功率变化信息；将训练数据集输入至预先构建好的预设功率预测模型中进行模型训练，得到各聚类簇对应的光伏超短期功率预测子模型。
9、作为示例性的实施例，光伏超短期功率预测模型还包括修正子模型，修正子模型用于输出超短期功率预测结果的修正参数，基于无人机的超短期功率预测模型构建方法包括：提取历史遮挡面积序列中的各个历史遮挡面积值和历史遮挡面积值时序对应的历史功率数据作为第一训练集；将第一训练集输入至修正子模型进行模型训练，在训练的过程中，学习历史遮挡面积值、历史功率数据与修正参数的对应关系。
10、作为示例性的实施例，基于无人机的超短期功率预测模型构建方法还包括：对各个超短期预测周期下的历史图像序列进行遮挡厚度提取，得到第一历史遮挡厚度序列；对第一历史遮挡厚度序列进行时序依赖关系提取，得到第一历史遮挡厚度变化信息；将第一历史遮挡厚度变化信息添加至训练数据集中，将添加后的新训练数据集输入至功率预测模型中进行模型训练，在训练的过程中，学习历史遮挡面积变化信息、第一历史遮挡厚度变化信息和历史功率变化信息的时序对应关系，以得到第二光伏超短期功率预测模型。
11、作为示例性的实施例，基于无人机的超短期功率预测模型构建方法还包括：获取目标光伏电站历史多次降雪事件对应的第二历史数据集；其中，第二历史数据集包括多个由无人机依照预设频率采集的历史图像序列及其所对应的历史功率序列；历史图像序列包括多个用于表示目标光伏场站内设置的所有光伏板的历史图像数据；对历史图像序列进行遮挡厚度提取，得到第二历史遮挡厚度序列；对第二历史遮挡厚度序列和历史功率序列进行时序依赖关系提取，分别得到第二历史遮挡厚度变化信息和历史功率变化信息；基于第二历史遮挡厚度变化信息和历史功率变化信息构建第二训练数据集，将第二训练数据集输入至预先构建好的预设功率预测模型中进行模型训练，在训练的过程中，学习第二历史遮挡厚度变化信息和历史功率变化信息的时序对应关系，以得到第三光伏超短期功率预测模型。...
【技术保护点】
1.一种基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，包括：
2.如权利要求1所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述光伏超短期功率预测模型包括至少两种光伏超短期功率预测子模型，所述基于无人机的超短期功率预测方法还包括：
3.如权利要求2所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述光伏超短期功率预测模型还包括修正子模型，所述修正子模型用于输出超短期功率预测结果的修正参数，所述基于无人机的超短期功率预测模型构建方法包括：
4.如权利要求1-3任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述基于无人机的超短期功率预测方法还包括：
5.如权利要求1-3任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述基于无人机的超短期功率预测方法还包括：
6.一种基于无人机的光伏板遮挡状态下超短期功率预测模型构建方法，其特征在于，所述基于无人机的超短期功率预测模型构建方法包括：
7.如权利要求6所述的基于无人
8.如权利要求7所述的基于无人机的光伏板遮挡状态下超短期功率预测模型构建方法，其特征在于，所述光伏超短期功率预测模型还包括修正子模型，所述修正子模型用于输出超短期功率预测结果的修正参数，所述基于无人机的超短期功率预测模型构建方法包括：
9.如权利要求6-8任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测模型构建方法，其特征在于，所述基于无人机的超短期功率预测模型构建方法还包括：
10.如权利要求6-8任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测模型构建方法，其特征在于，所述基于无人机的超短期功率预测模型构建方法还包括：
...【技术特征摘要】
1.一种基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，包括：
2.如权利要求1所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述光伏超短期功率预测模型包括至少两种光伏超短期功率预测子模型，所述基于无人机的超短期功率预测方法还包括：
3.如权利要求2所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述光伏超短期功率预测模型还包括修正子模型，所述修正子模型用于输出超短期功率预测结果的修正参数，所述基于无人机的超短期功率预测模型构建方法包括：
4.如权利要求1-3任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述基于无人机的超短期功率预测方法还包括：
5.如权利要求1-3任一项所述的基于无人机的光伏板遮挡状态下超短期功率预测方法，其特征在于，所述基于无人机的超短期功率预测方法还包括：
6.一种基于无人机的光伏板遮挡状态下超短期功率预...
【专利技术属性】
技术研发人员：郭炜，
申请(专利权)人：北京东润环能科技股份有限公司，
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。