【技术实现步骤摘要】
本公开属于新能源功率预测，更具体地说，是涉及一种短期光伏功率预测方法及装置、电子设备、存储介质。
技术介绍
1、太阳能作为一种重要的清洁能源，正在快速发展，并在能源结构转型中扮演着关键角色。太阳能技术的进步和广泛应用，不仅有助于减少化石燃料的使用和温室气体的排放，还推动了可再生能源的普及和应用。然而，太阳能发电的间歇性和不稳定性也带来了新的挑战，这使得光伏功率预测的重要性日益凸显。传统的统计方法通过构建数学模型来分析历史光伏功率数据，以识别其中的规律和趋势，这些统计方法往往基于简化的假设，难以有效处理光伏功率数据的非线性关系。
2、近年来，随着人工智能技术的进步，深度学习方法在光伏功率预测中得到了广泛应用。深度学习通过学习历史数据，能够自动提取有用特征，并构建复杂非线性的预测模型，尽管已有多种预测方法，但在短期光伏功率预测方面，存在光伏功率预测模型的预测精度低的问题。
技术实现思路
1、本公开的目的在于提供一种短期光伏功率预测方法及装置、电子设备、存储介质，以提高短期光伏功率预测模型的预测精度。
2、本公开实施例的第一方面，提供了一种短期光伏功率预测方法，包括：
3、基于多尺度池化网络对天气特征数据进行分割，得到季节特征数据和趋势特征数据；
4、对所述季节特征数据进行特征提取，得到第一特征数据，对所述趋势特征数据进行特征提取，得到第二特征数据；
5、基于所述第一特征数据和所述第二特征数据得到rms特征数据；
6
7、基于所述rms特征数据和所述conv1d-lstm特征数据得到光伏预测功率。
8、本公开实施例的第二方面，提供了一种短期光伏功率预测装置，包括：
9、数据分割模块，用于基于多尺度池化网络对天气特征数据进行分割，得到季节特征数据和趋势特征数据；
10、特征提取模块，用于对所述季节特征数据进行特征提取，得到第一特征数据，对所述趋势特征数据进行特征提取，得到第二特征数据；
11、rms数据模块，用于基于所述第一特征数据和所述第二特征数据得到rms特征数据；
12、conv1d-lstm数据模块，用于基于conv1d-lstm网络对天气特征数据进行处理，得到conv1d-lstm特征数据；
13、功率预测模块，用于基于所述rms特征数据和所述conv1d-lstm特征数据得到光伏预测功率。
14、本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种短期光伏功率预测方法的步骤。
15、本公开实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种短期光伏功率预测方法的步骤。
16、本公开实施例提供的一种短期光伏功率预测方法及装置、电子设备、存储介质的有益效果在于：首先，本公开实施例通过多尺度池化网络分割天气特征数据，可从不同时间尺度捕捉信息，分离出季节与趋势特征数据，为后续分析奠基。其次进行特征提取，提炼关键代表性特征，使数据更精炼。最后通过特定方式得到rms特征数据，融合多源关键要素，全面反映天气对光伏功率影响。再借助conv1d-lstm网络处理数据，既能提取局部特征，又能处理长短期依赖关系，更好呈现天气与功率的影响机制。最后将两种特征数据相加获取光伏预测功率，操作简便且能避免过拟合风险，实现信息互补，更全面刻画影响条件，从而有效提升预测精度。
本文档来自技高网...【技术保护点】
1.一种短期光伏功率预测方法，其特征在于，包括：
2.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，在所述基于多尺度池化网络对天气特征数据进行分割，得到季节特征数据和趋势特征数据之前，还包括：
3.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，所述对所述季节特征数据进行特征提取，得到第一特征数据，包括：
4.如权利要求3所述的一种短期光伏功率预测方法，其特征在于，所述基于Local-Global网络对所述季节特征数据进行特征提取得到第二特征数据，包括：
5.如权利要求4所述的一种短期光伏功率预测方法，其特征在于，所述对所述局部特征数据和全局特征数据进行特征融合，包括：
6.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，所述对所述趋势特征数据进行特征提取，得到第二特征数据，包括：
7.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，所述基于Conv1d-LSTM网络对天气特征数据进行处理，得到Conv1d-LSTM特征数据，包括：
8.一种短期光伏功率预测装置，
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种短期光伏功率预测方法，其特征在于，包括：
2.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，在所述基于多尺度池化网络对天气特征数据进行分割，得到季节特征数据和趋势特征数据之前，还包括：
3.如权利要求1所述的一种短期光伏功率预测方法，其特征在于，所述对所述季节特征数据进行特征提取，得到第一特征数据，包括：
4.如权利要求3所述的一种短期光伏功率预测方法，其特征在于，所述基于local-global网络对所述季节特征数据进行特征提取得到第二特征数据，包括：
5.如权利要求4所述的一种短期光伏功率预测方法，其特征在于，所述对所述局部特征数据和全局特征数据进行特征融合，包括：
6.如权利要求1所述的一种短...
【专利技术属性】
技术研发人员：游豪杰，付龙明，冯宇博，翟杰，万坎，李帅奇，王顺成，张国庆，
申请(专利权)人：北京中恒博瑞数字电力科技有限公司，
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。