【技术实现步骤摘要】
本申请涉及功率预测，尤其涉及一种光伏功率日前预测方法、装置、设备、存储介质及产品。
技术介绍
1、随着光伏发电的大规模接入，光伏发电对电网调度产生的冲击与隐性风险也与日俱增，因此，需要光伏发电站积极做好输出功率预测作业。目前的光伏功率日前预测方法依赖历史库中的天气预报数据的准确性，然而这些天气预报数据和实际天气往往存在很大差异，导致预测结果的准确性差。
技术实现思路
1、本申请提供一种光伏功率日前预测方法、装置、设备、存储介质及产品，以解决现有技术中历史库中的天气预报数据和实际天气往往存在很大差异，导致预测结果的准确性差的问题。
2、为实现上述目的，本申请实施例提供了一种光伏功率日前预测方法，包括：
3、获取光伏发电站在若干历史日的历史实际输出功率，计算若干所述历史日的天气预报数据的置信度；
4、利用若干所述置信度对若干所述历史日进行聚类，得到待测日的若干相似日；
5、以若干所述相似日作为样本集，对elm光伏功率预测模型进行训练；
6、利用训练好的elm光伏功率预测模型，输出所述光伏发电站在所述待测日的预测输出功率；
7、对所述待测日的预测输出功率进行修正，得到修正输出功率。
8、作为上述方案的改进，所述获取光伏发电站在若干历史日的历史实际输出功率，计算若干所述历史日的天气预报数据的置信度，包括：
9、获取光伏发电站在若干历史日的历史实际输出功率；
10、对若干所述历史实际输
11、将1减去对应的所述功率高频分量含量，得到若干所述历史日的天气预报数据的置信度。
12、作为上述方案的改进，所述利用若干所述置信度对若干所述历史日进行聚类，得到待测日的若干相似日，包括：
13、对于若干所述历史日，根据每一所述历史日的天气预报数据，构建每一所述历史日的特征向量，所述历史日的特征向量包括：所述历史日的天气预报数据中的最大地表辐照度、最大风速、最大温度、最小风速、最小温度、最大地表辐照度的时刻、最大风速的时刻、最大温度的时刻、最小风速的时刻和最小温度的时刻；
14、对于待测日，根据所述待测日的天气预报数据，构建所述待测日的特征向量，所述待测日的特征向量包括：所述待测日的天气预报数据中的最大地表辐照度、最大风速、最大温度、最小风速、最小温度、最大地表辐照度的时刻、最大风速的时刻、最大温度的时刻、最小风速的时刻和最小温度的时刻；
15、基于若干所述历史日的特征向量和所述待测日的特征向量，分别以每一所述置信度作为权重，计算对应的所述历史日相对所述待测日的相似度距离；
16、选取所述相似度距离最小的q个历史日作为所述待测日的相似日。
17、作为上述方案的改进，根据下式，计算对应的所述历史日相对所述待测日的相似度距离；
18、l(m)=||charac(110)(m)-charac_pre(110)||（1-ac(m)）
19、式中，l(m)表示历史日m相对待测日的相似度距离，charac(110)(m)表示历史日m的历史特征向量，charac_pre(110)表示待测日的目标特征向量，ac(m)表示历史日m的历史天气预报数据的置信度。
20、作为上述方案的改进，所述elm光伏功率预测模型的输出表示为：
21、
22、其中，为第i个隐含层神经元与输出层之间的链接权值，为第i个隐含层神经元的传递函数，为输入层对第i个隐含层神经元的权值向量，为第i个输入层神经元，其中，输入层神经元包括地表辐照度、温度、湿度、风速和前一时刻实际输出功率，为第i个隐含层神经元的偏置。
23、作为上述方案的改进，所述对所述待测日的预测输出功率进行修正，得到修正输出功率，包括：
24、利用训练好的elm光伏功率预测模型，获取所述历史日的预测输出功率；
25、根据所述历史日的预测输出功率和所述历史日的实际输出功率，得到功率误差序列；
26、根据所述功率误差序列，构建arima模型；
27、利用arima模型获取所述待测日的功率误差值；
28、将所述功率误差值与所述待测日的预测输出功率相加，得到修正输出功率。
29、为实现上述目的，本申请实施例还提供了一种光伏功率日前预测装置，包括：
30、置信度计算模块，用于获取光伏发电站在若干历史日的历史实际输出功率，计算若干所述历史日的天气预报数据的置信度；
31、相似日获取模块，用于利用若干所述置信度对若干所述历史日进行聚类，得到待测日的若干相似日；
32、训练模块，用于以若干所述相似日作为样本集，对elm光伏功率预测模型进行训练；
33、功率预测模块，用于利用训练好的elm光伏功率预测模型，输出所述光伏发电站在所述待测日的预测输出功率；
34、功率修正模块，用于对所述待测日的预测输出功率进行修正，得到修正输出功率。
35、作为上述方案的改进，所述置信度计算模块还用于：
36、获取光伏发电站在若干历史日的历史实际输出功率；
37、对若干所述历史实际输出功率进行滤波，将若干滤波后的历史实际输出功率进行加窗傅里叶变换，得到若干预设时窗范围内的功率高频分量含量；
38、将1减去对应的所述功率高频分量含量，得到若干所述历史日的天气预报数据的置信度。
39、作为上述方案的改进，所述相似日获取模块还用于：
40、对于若干所述历史日，根据每一所述历史日的天气预报数据，构建每一所述历史日的特征向量，所述历史日的特征向量包括：所述历史日的天气预报数据中的最大地表辐照度、最大风速、最大温度、最小风速、最小温度、最大地表辐照度的时刻、最大风速的时刻、最大温度的时刻、最小风速的时刻和最小温度的时刻；
41、对于待测日，根据所述待测日的天气预报数据，构建所述待测日的特征向量，所述待测日的特征向量包括：所述待测日的天气预报数据中的最大地表辐照度、最大风速、最大温度、最小风速、最小温度、最大地表辐照度的时刻、最大风速的时刻、最大温度的时刻、最小风速的时刻和最小温度的时刻；
42、基于若干所述历史日的特征向量和所述待测日的特征向量，分别以每一所述置信度作为权重，计算对应的所述历史日相对所述待测日的相似度距离；
43、选取所述相似度距离最小的q个历史日作为所述待测日的相似日。
44、为实现上述目的，本申请实施例还提供了一种光伏功率日前预测设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述的光伏功率日前预测方法。
45、为实现上述目的，本申请实施例还提供了本文档来自技高网...
【技术保护点】
1.一种光伏功率日前预测方法，其特征在于，包括：
2.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述获取光伏发电站在若干历史日的历史实际输出功率，计算若干所述历史日的天气预报数据的置信度，包括：
3.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述利用若干所述置信度对若干所述历史日进行聚类，得到待测日的若干相似日，包括：
4.如权利要求3所述的光伏功率日前预测方法，其特征在于，根据下式，计算对应的所述历史日相对所述待测日的相似度距离；
5.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述ELM光伏功率预测模型的输出表示为：
6.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述对所述待测日的预测输出功率进行修正，得到修正输出功率，包括：
7.一种光伏功率日前预测装置，其特征在于，包括：
8.如权利要求7所述的光伏功率日前预测装置，其特征在于，所述置信度计算模块还用于：
9.如权利要求7所述的光伏功率日前预测装置，其特征在于，所述相似日获取模块还用于：p>
10.一种光伏功率日前预测设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1~6任一项所述的光伏功率日前预测方法。
11.一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1~6任一项所述的光伏功率日前预测方法。
12.一种计算机程序产品，其特征在于，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如权利要求1~6任一项所述的光伏功率日前预测方法。
...【技术特征摘要】
1.一种光伏功率日前预测方法，其特征在于，包括：
2.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述获取光伏发电站在若干历史日的历史实际输出功率，计算若干所述历史日的天气预报数据的置信度，包括：
3.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述利用若干所述置信度对若干所述历史日进行聚类，得到待测日的若干相似日，包括：
4.如权利要求3所述的光伏功率日前预测方法，其特征在于，根据下式，计算对应的所述历史日相对所述待测日的相似度距离；
5.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述elm光伏功率预测模型的输出表示为：
6.如权利要求1所述的光伏功率日前预测方法，其特征在于，所述对所述待测日的预测输出功率进行修正，得到修正输出功率，包括：
7.一种光伏功率日前预测装置，其特征在于...
【专利技术属性】
技术研发人员：陈浩，赵长伟，李朝阳，班全，洪运福，李煜，王一，马聪智，马伟刚，
申请(专利权)人：国网天津静海供电有限公司，
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。