【技术实现步骤摘要】
本专利技术涉及数据处理，具体为一种光伏发电功率预测方法及系统。
技术介绍
1、准确的光伏发电功率预测可以帮助电网调度中心提前做好电力调配，平衡供需，确保电网的稳定运行，减少因光伏发电波动导致的电网频率波动和电压波动。
2、随着模式识别、机器学习、深度学习等技术的迅速发展，越来越多的现代化技术被应用到光伏发电功率预测中。
3、当前常用的光伏发电功率预测技术主要是长短时记忆神经网络(long short-term memory,lstm)，通过引入“记忆”机制，能够捕捉长时间依赖关系，进而进行准确的光伏发电功率预测。然而，长短时记忆神经网络主要根据距离当前一段时间内的发电功率预测未来时刻的光伏发电功率，忽略了天气、气候等自然因素对于光伏发电的影响，难以应对突发的天气变化，导致对于功率变化的预测准确性较低。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的光伏发电功率预测方法存在预测准确性较低，光伏电站的管理和调度效率低下，以及难以应对突发的天气变化的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种光伏发电功率预测方法，包括通过天气特征与功率特征构建基于深度学习的光伏发电功率预测模型；提取隐藏特征进行添加注意力权重；对添加注意力权重后隐藏特征进行拼接处理；根据拼接处理后的融合特征进行功率预测输出初步预测功率；基于时间周期性和近邻相似性对初步预测功率进行修正输出最终预测功率
4、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述通过天气特征与功率特征构建基于深度学习的光伏发电功率预测模型包括采集历史天气数据以及历史光伏发电数据，构建基于深度学习的光伏发电功率预测模型，所述光伏发电功率预测模型包括天气预测单元与功率预测单元；
5、通过天气预测单元中的第一卷积层提取历史天气数据中的天气特征，通过功率预测单元中的第二卷积层提取历史光伏发电数据中的功率特征；
6、分别通过卷积核提取历史天气数据中的卷积特征和历史光伏发电数据中的功率特征，表示为：
7、
8、其中，表示当前卷积层的输出，表示前一卷积层的输出，表示当前卷积层的卷积核权重，表示当前卷积层的偏置项，mj表示选择的输入特征映射，σ()表示激活函数；
9、对提取到的卷积特征进行池化处理，表示为：
10、
11、其中，down表示下采样函数，表示当前池化层的输出，表示前一池化层的输出；
12、对池化处理后的特征进行汇总，分别输出天气特征和功率特征。
13、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一门控单元提取天气特征中的天气隐藏特征，通过功率预测单元中的第二门控单元提取功率特征中的功率隐藏特征，表示为：
14、zt＝σ(wuzxt+whzhwt-1+bz)
15、rt＝σ(wurxt+whrhwt-1+br)
16、ct＝σ(wucxt+whc(rt hwt-1)+bc)
17、hwt＝(1-zt)hwt-1+zt ct
18、其中，zt表示t时刻更新门的输出向量，σ()表示激活函数，wuz表示输入层与更新门之间的权重矩阵，xt表示t时刻的天气特征或功率特征，whz表示更新门在t时刻与t-1时刻之间的自连接权重矩阵，hwt-1表示t-1时刻的隐状态向量，bz表示更新门的偏置项，rt表示t时刻的重置门的输出向量，wur表示输入层与重置门之间的权重矩阵，whr表示重置门在t时刻与t-1时刻之间的自连接权重矩阵，br表示重置门的偏置项，ct表示t时刻的候选层的输出向量，wuc表示输入层与候选层之间的权重矩阵，whc表示候选层在t时刻与t-1时刻之间的自连接权重矩阵，bc表示候选层的偏置项，⊙表示逐元素乘积运算，hwt表示t时刻的隐状态向量。
19、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一注意力层为各个时刻的天气隐藏特征添加注意力权重，通过功率预测单元中的第二注意力层为各个时刻的功率隐藏特征添加注意力权重，表示为：
20、et＝σ(whhwt+bh)
21、
22、hwt'＝αthwt
23、其中，et表示t时刻的注意力得分，σ()表示激活函数，wh表示注意力权重矩阵，hwt表示t时刻的隐状态向量，bh表示注意力层的偏置项，αt表示t时刻的注意力权重，exp()表示以自然常数为底的指数函数，t表示数据总时长，hwt'表示添加注意力权重后的天气隐藏特征或功率隐藏特征。
24、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述对添加注意力权重后隐藏特征进行拼接处理包括通过全连接网络对添加注意力权重后的天气隐藏特征与功率隐藏特征进行拼接处理，表示为：
25、ht＝(hwt',hpt')
26、其中，ht表示拼接处理后的融合特征，hw't表示添加注意力权重后的天气隐藏特征，hp't表示添加注意力权重后的功率隐藏特征。
27、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述根据拼接处理后的融合特征进行功率预测输出初步预测功率包括根据拼接处理后的融合特征，通过预测层，进行功率预测，输出初步预测功率，表示为：
28、
29、其中，表示t时刻的初步预测功率，σ()表示激活函数，wh表示预测权重矩阵，ht表示拼接处理后的融合特征，bh表示预测层偏置项。
30、作为本专利技术所述的光伏发电功率预测方法的一种优选方案，其中：所述基于时间周期性和近邻相似性对初步预测功率进行修正输出最终预测功率包括基于时间周期性和近邻相似性，对初步预测功率进行修正，确定最终预测功率；
31、输出预测日之前年份中各个相邻日之间的相关系数：
32、
33、sij＝f(wij,w00)
34、vij＝g wij)
35、其中，cij表示预测日与前i年中第j个相邻日之间的相关系数，tij表示前i年中第j个相邻日的时间相关系数，k1表示年份相关系数，k2表示日期相关系数，sij表示前i年中第j个相邻日的天气相关系数，f()表示天气相关函数，wij表示前i年中第j个相邻日的天气类型，w00表示预测日的天气类型预测值，所述预测日的天气类型预测值根据添加注意力权重后的天气隐藏特征进行计算，vij表示前i年中第j个相邻日的随机性系数，v00表示预测日的随机性系数，g()随机函数；
36、根据预测日与之前年份中各个相邻日之间的相关系数，输出相关性预测功率，表示为：
37、
38、其中，pc表示预测日的相关性预测功率，pij表示前i年中第j个本文档来自技高网...
【技术保护点】
1.一种光伏发电功率预测方法，其特征在于，包括：
2.如权利要求1所述的光伏发电功率预测方法，其特征在于：所述通过天气特征与功率特征构建基于深度学习的光伏发电功率预测模型包括采集历史天气数据以及历史光伏发电数据，构建基于深度学习的光伏发电功率预测模型，所述光伏发电功率预测模型包括天气预测单元与功率预测单元；
3.如权利要求2所述的光伏发电功率预测方法，其特征在于：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一门控单元提取天气特征中的天气隐藏特征，通过功率预测单元中的第二门控单元提取功率特征中的功率隐藏特征，表示为：
4.如权利要求3所述的光伏发电功率预测方法，其特征在于：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一注意力层为各个时刻的天气隐藏特征添加注意力权重，通过功率预测单元中的第二注意力层为各个时刻的功率隐藏特征添加注意力权重，表示为：
5.如权利要求4所述的光伏发电功率预测方法，其特征在于：所述对添加注意力权重后隐藏特征进行拼接处理包括通过全连接网络对添加注意力权重后的天气隐藏特征与功率隐藏特
6.如权利要求5所述的光伏发电功率预测方法，其特征在于：所述根据拼接处理后的融合特征进行功率预测输出初步预测功率包括根据拼接处理后的融合特征，通过预测层，进行功率预测，输出初步预测功率，表示为：
7.如权利要求6所述的光伏发电功率预测方法，其特征在于：所述基于时间周期性和近邻相似性对初步预测功率进行修正输出最终预测功率包括基于时间周期性和近邻相似性，对初步预测功率进行修正，确定最终预测功率；
8.一种采用如权利要求1～7任一所述的光伏发电功率预测方法的系统，其特征在于：包括初始化模块，特征提取模块，隐藏特征提取模块，注意力权重添加模块，隐藏特征处理模块，初步预测功率输出模块，最终预测功率输出模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的光伏发电功率预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的光伏发电功率预测方法的步骤。
...【技术特征摘要】
1.一种光伏发电功率预测方法，其特征在于，包括：
2.如权利要求1所述的光伏发电功率预测方法，其特征在于：所述通过天气特征与功率特征构建基于深度学习的光伏发电功率预测模型包括采集历史天气数据以及历史光伏发电数据，构建基于深度学习的光伏发电功率预测模型，所述光伏发电功率预测模型包括天气预测单元与功率预测单元；
3.如权利要求2所述的光伏发电功率预测方法，其特征在于：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一门控单元提取天气特征中的天气隐藏特征，通过功率预测单元中的第二门控单元提取功率特征中的功率隐藏特征，表示为：
4.如权利要求3所述的光伏发电功率预测方法，其特征在于：所述提取隐藏特征进行添加注意力权重包括通过天气预测单元中的第一注意力层为各个时刻的天气隐藏特征添加注意力权重，通过功率预测单元中的第二注意力层为各个时刻的功率隐藏特征添加注意力权重，表示为：
5.如权利要求4所述的光伏发电功率预测方法，其特征在于：所述对添加注意力权重后隐藏特征进行拼接处理包括通过全连接网络对添加注意力权重后的天气隐藏特征与功率隐藏特征进行拼接处...
【专利技术属性】
技术研发人员：张俨，苏华英，王融融，王寅，王宁，贺先强，黄晓旭，代江，范俊秋，姚刚，王明阳，
申请(专利权)人：贵州电网有限责任公司，
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。