【技术实现步骤摘要】
本专利技术涉及数据分析预测领域，尤其涉及一种光伏发电预测方法。
技术介绍
1、太阳能是可再生可利用的清洁能源，其中光伏发电是对太阳能转成电能的重要
随着光伏发电技术的成熟和广泛应用，发光发电预测成为近几年关注的话题。
2、由于光伏发电量受外界温度、风速、风向以及时间和季节变化影响较大，其具有季节周期性、时间周期性以及不确定性。随着光伏发电技术越来越成熟，光伏发电技术不仅要满足自给自足的发电模式，还要满足安全稳定的并网能力，实现构建安全稳定、环保清洁的电网供给系统。但是光伏发电其特点，如果盲目并网，将会对电网的安全性和稳定性造成极大的影响。
3、光伏发电预测是近几年比较热门的研究话题，并随着人工神经网络的快速发展并应用于实际场景中。光伏发电量与诸多因素有关，采集到的相关因素越多其越准确，但采集越多的特征就意味着需要更多的精密传感器，加大了投资，不利于实际落地应用。如何利用少量的特征信息，使用深度神经网络学习预测，是本专利解决的主要问题。
4、光伏发电预测有多种预测方式：(1)基于时间序列进行预测，即将每个时间段的光伏发电量按照时间顺序输入至时间序列预测模型，对下一个时间段的发电量进行预测；(2)基于特征的光伏发电预测，考虑外界环境影响因素，包括温度、风速、风向、日照时长、晴空指数、面板积尘等，根据特征数据进行建模预测。其中第一种方法只考虑时间序列没有充分考虑外界环境对光伏发电的影响；第二种方法是对外界环境特征进行综合分析，更加具有实际应用价值和意义。但是面对众多的影响因素，各个因素之间又
5、特征工程是将原始数据转化成更好的表达问题本质的特征的过程，使得这些特征运用到预测模型中能提高对不可见数据的模型预测精度。特征工程是一项严谨和复杂的过程，针对不同的数据，其不同的处理流程将会对最后的结果产生很大的影响。特征工程最常见的，包括异常值、缺失值处理以及特征选择、特征衍生、特征降维等，如何选择合理的特征工程方法是至关重要的，也是光伏发电预测提升准确度重点解决的问题。
技术实现思路
1、为了解决以上技术问题，本专利技术提供了一种光伏发电预测方法，用于提高预测的准确度，辅助光伏发电系统能够提供更加安全稳定高效的电能，满足各行各业用电需求
2、本专利技术的技术方案是：
3、一种光伏发电预测方法，
4、一种光伏发电预测方法，其特征在于，
5、针对外界环境数据，进行数据特点分析，并采用特征工程方法对环境数据进行预处理，将得到的预处理之后的数据集输入值bilstm模型中，调整模型结构并训练模型，将测试数据集输入至已训练的模型，便可得到最后的预测结果。
6、具体实现：
7、s1:对于环境因素包括：小时、风速、风向以及温度分别进行分析；
8、s2:使用特征工程，对每个特征分别进行处理；
9、s3:将处理之后的数据使用滑动窗口进行处理，并输入至构建的bilstm网络中进行训练；
10、s4:将待预测的数据进行特征工程以及滑动窗口处理输入值已经训练完成的bilstm中，得到预测结果。
11、再进一步的，
12、首先，对数据集进行分析，包括数据分布、异常值、缺失值情况；其次，根据数据特点，采用不同的特征工程进行数据处理；接着，使用滑动窗口构建数据集，并构建bilstm模型，将带有滑动窗口的数据输入至模型进行训练，并根据特征数据的不同进行网络结构调整与参数优化；最后将待预测的数据进行特征工程以及滑窗处理输入至已经训练完成的模型中，输出最后预测结果。
13、再进一步的，
14、选择风速、风向和温度3种特征进行分析，根据选择特征方法进行处理。
15、其中，
16、面对温度数据的异常值和缺失值，线性插值(linear interpolation)进行替换和填充:
17、temp(异常值、缺失值)＝linearinterpolation(temp) (1)
18、对于风速数据出现的异常值和缺失值，根据其特点将时间和温度作为特征，使用随机森林回归方法(randomforestregressor)进行替换和填充：
19、spd(异常值、缺失值)＝randomforestregressor(spd) (2)
20、针对风向数据出现短时间(时间小于2小时)的缺失和异常时，使用0补齐缺失数据将会对预测结果又帮助，对于长时间(时间大于2小时)的缺失或异常时，可使用线性插值的方法，根据前后两天的数据进行插值填充和替换；
21、dir{异常值、缺失值)＝{linearinterpolation(dir)|长期，dir＝0|短期} (3)
22、对于时间信息，如有缺失和异常，则按照真实的时间进行填充即可，时间特征使用time表示。
23、进一步的，
24、对数据采用滑动窗口的方法进行重新构建，滑动窗口步长可以根据实际情况设置为1；
25、在搭建模型时，构建三层bilstm网络，直接输出预测结果；
26、pred＝bilstm(slidwindow(time，dir，spd，temp)) (4)
27、接着进行模型训练以及参数调优，使得模型能够达到最优。
28、本专利技术的有益效果是
29、根据历史数据信息预测未来数据，针对光伏发电预测中针对所使用的特征信息进行分析并处理实现提升光伏发电预测准确度。
本文档来自技高网...【技术保护点】
1.一种光伏发电预测方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，
7.根据权利要求4所述的方法，其特征在于，
8.根据权利要求4所述的方法，其特征在于，
9.根据权利要求1所述的方法，其特征在于，
【技术特征摘要】
1.一种光伏发电预测方法，其特征在于，
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：朱利霞，潘心冰，伊文超，何彬彬，李旭东，
申请(专利权)人：浪潮云信息技术股份公司，
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。