本申請涉及光伏電力，特別是涉及一種光伏功率預(yù)測方法和裝置。

背景技術(shù)：

1、光伏發(fā)電具備無污染、可再生、運(yùn)行維護(hù)成本低等優(yōu)點(diǎn)，近年來得到了廣泛應(yīng)用和快速發(fā)展；然而，由于光伏發(fā)電受天氣條件（如太陽輻射強(qiáng)度、云量、溫度等）的顯著影響，其輸出功率表現(xiàn)出較強(qiáng)的波動性和不確定性，這種波動性給電網(wǎng)的穩(wěn)定運(yùn)行和調(diào)度帶來了巨大的挑戰(zhàn)，為了應(yīng)對光伏發(fā)電波動性帶來的不利影響，光伏出力時(shí)間序列建模技術(shù)應(yīng)運(yùn)而生，通過對光伏發(fā)電功率的歷史數(shù)據(jù)進(jìn)行分析和建模，可以有效預(yù)測未來一段時(shí)間內(nèi)的發(fā)電功率，從而輔助電網(wǎng)調(diào)度和運(yùn)行優(yōu)化。

2、然而，傳統(tǒng)的光伏功率預(yù)測方法主要依賴于歷史數(shù)據(jù)和統(tǒng)計(jì)模型，如時(shí)間序列分析、回歸分析等，存在預(yù)測準(zhǔn)確性較低的問題。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠提升預(yù)測準(zhǔn)確性的光伏功率預(yù)測方法和裝置。

2、第一方面，本申請?zhí)峁┝艘环N光伏功率預(yù)測方法，方法包括：

3、采用皮爾遜分析法分別計(jì)算歷史天氣數(shù)據(jù)和與歷史天氣數(shù)據(jù)相對應(yīng)的歷史光伏功率之間的皮爾遜相關(guān)系數(shù)；

4、依據(jù)皮爾遜相關(guān)系數(shù)從歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集；

5、構(gòu)建lstm模型，采用訓(xùn)練數(shù)據(jù)集對lstm模型進(jìn)行訓(xùn)練，并利用樽海鞘算法對lstm模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型，目標(biāo)預(yù)測模型用于預(yù)測輸出目標(biāo)預(yù)測時(shí)刻的光伏功率；其中，超參數(shù)包括學(xué)習(xí)率、數(shù)據(jù)批次大小和神經(jīng)元數(shù)。

6、在其中一個(gè)實(shí)施例中，依據(jù)皮爾遜相關(guān)系數(shù)從歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，包括：

7、獲取各皮爾遜相關(guān)系數(shù)對應(yīng)的絕對值，將處于第一數(shù)值范圍內(nèi)的絕對值對應(yīng)的歷史天氣數(shù)據(jù)確認(rèn)為目標(biāo)數(shù)據(jù)。

8、在其中一個(gè)實(shí)施例中，對目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集，包括：

9、根據(jù)預(yù)設(shè)采樣間隔對目標(biāo)數(shù)據(jù)進(jìn)行采樣，得到采樣數(shù)據(jù)；

10、在采樣數(shù)據(jù)內(nèi)存在空白數(shù)據(jù)的情況下，采用插值法對空白數(shù)據(jù)進(jìn)行補(bǔ)充；

11、獲取剩余數(shù)據(jù)對應(yīng)的數(shù)值大小，將數(shù)值大小在第二數(shù)值范圍外對應(yīng)的剩余數(shù)據(jù)確定為異常數(shù)據(jù)，采用插值法對異常數(shù)據(jù)進(jìn)行替換，得到訓(xùn)練數(shù)據(jù)；其中，剩余數(shù)據(jù)為采樣數(shù)據(jù)內(nèi)除空白數(shù)據(jù)外的數(shù)據(jù)；

12、對訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練數(shù)據(jù)集。

13、在其中一個(gè)實(shí)施例中，采用插值法對空白數(shù)據(jù)進(jìn)行補(bǔ)充，包括：

14、利用空白數(shù)據(jù)對應(yīng)的前后數(shù)據(jù)對空白數(shù)據(jù)進(jìn)行補(bǔ)充；

15、采用插值法對異常數(shù)據(jù)進(jìn)行替換，得到訓(xùn)練數(shù)據(jù)，包括：

16、利用異常數(shù)據(jù)對應(yīng)的前后數(shù)據(jù)對異常數(shù)據(jù)進(jìn)行替換；

17、對訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理，得到訓(xùn)練數(shù)據(jù)集，包括：

18、根據(jù)訓(xùn)練數(shù)據(jù)的數(shù)值大小、對應(yīng)數(shù)據(jù)類型的最大值以及最小值，計(jì)算獲得訓(xùn)練數(shù)據(jù)的歸一化數(shù)據(jù)值，基于歸一化數(shù)據(jù)值得到訓(xùn)練數(shù)據(jù)集。

19、在其中一個(gè)實(shí)施例中，利用樽海鞘算法對完成訓(xùn)練的lstm模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型，包括：

20、初始化樽海鞘種群，根據(jù)預(yù)設(shè)數(shù)值對樽海鞘種群進(jìn)行迭代篩選獲取運(yùn)算結(jié)果；

21、基于運(yùn)算結(jié)果對超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型。

22、在其中一個(gè)實(shí)施例中，根據(jù)預(yù)設(shè)數(shù)值對樽海鞘種群進(jìn)行迭代篩選獲取運(yùn)算結(jié)果，包括：

23、計(jì)算樽海鞘種群內(nèi)個(gè)體適應(yīng)度，并對個(gè)體適應(yīng)度進(jìn)行排序，確定當(dāng)前最優(yōu)適應(yīng)度值；

24、將當(dāng)前最優(yōu)適應(yīng)度值對應(yīng)的樽海鞘個(gè)體確認(rèn)為領(lǐng)導(dǎo)者，以及將樽海鞘種群內(nèi)除領(lǐng)導(dǎo)者之外的其他樽海鞘個(gè)體確認(rèn)為追隨者，根據(jù)當(dāng)前迭代次數(shù)和預(yù)設(shè)數(shù)值確定搜索參數(shù)，基于搜索參數(shù)更新領(lǐng)導(dǎo)者所處的位置，并依據(jù)領(lǐng)導(dǎo)者所處的位置更新追隨者所處的位置；返回執(zhí)行計(jì)算樽海鞘種群內(nèi)個(gè)體適應(yīng)度，并對個(gè)體適應(yīng)度進(jìn)行排序，確定當(dāng)前最優(yōu)適應(yīng)度值的步驟，直至迭代次數(shù)達(dá)到預(yù)設(shè)數(shù)值；

25、根據(jù)當(dāng)前最優(yōu)適應(yīng)度值獲取運(yùn)算結(jié)果。

26、第二方面，本申請還提供了一種光伏功率預(yù)測裝置，裝置包括：

27、系數(shù)獲取模塊，用于采用皮爾遜分析法分別計(jì)算歷史天氣數(shù)據(jù)和與歷史天氣數(shù)據(jù)相對應(yīng)的歷史光伏功率之間的皮爾遜相關(guān)系數(shù)；

28、預(yù)處理模塊，用于依據(jù)皮爾遜相關(guān)系數(shù)從歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集；

29、模型獲取模塊，用于構(gòu)建lstm模型，采用訓(xùn)練數(shù)據(jù)集對lstm模型進(jìn)行訓(xùn)練，并利用樽海鞘算法對lstm模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型，目標(biāo)預(yù)測模型用于預(yù)測輸出目標(biāo)預(yù)測時(shí)刻的光伏功率；其中，超參數(shù)包括學(xué)習(xí)率、數(shù)據(jù)批次大小和神經(jīng)元數(shù)。

30、第三方面，本申請還提供了一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，存儲器存儲有計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的方法的步驟。

31、第四方面，本申請還提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法的步驟。

32、第五方面，本申請還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的方法的步驟。

33、上述光伏功率預(yù)測方法和裝置，通過采用皮爾遜分析法分別計(jì)算歷史天氣數(shù)據(jù)和與歷史天氣數(shù)據(jù)相對應(yīng)的歷史光伏功率之間的皮爾遜相關(guān)系數(shù)，依據(jù)皮爾遜相關(guān)系數(shù)從歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集，采用訓(xùn)練數(shù)據(jù)集對lstm模型進(jìn)行訓(xùn)練，并利用樽海鞘算法對完成訓(xùn)練的lstm模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型；本申請通過采用皮爾遜分析法選取出與光伏功率相關(guān)性較高的天氣數(shù)據(jù)作為目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，提升了訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)質(zhì)量，便于后續(xù)對于lstm模型的訓(xùn)練，并且，通過利用樽海鞘算法對完成訓(xùn)練的lstm模型的超參數(shù)進(jìn)行優(yōu)化，進(jìn)一步提升了光伏功率預(yù)測的準(zhǔn)確性。

技術(shù)特征：

1.一種光伏功率預(yù)測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述依據(jù)所述皮爾遜相關(guān)系數(shù)從所述歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用插值法對所述空白數(shù)據(jù)進(jìn)行補(bǔ)充，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用樽海鞘算法對完成訓(xùn)練的所述lstm模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)數(shù)值對所述樽海鞘種群進(jìn)行迭代篩選獲取運(yùn)算結(jié)果，包括：

7.一種光伏功率預(yù)測裝置，其特征在于，所述裝置包括：

8.一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的方法的步驟。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的方法的步驟。

技術(shù)總結(jié)
本申請涉及一種光伏功率預(yù)測方法和裝置；所述方法包括：通過采用皮爾遜分析法分別計(jì)算歷史天氣數(shù)據(jù)和與歷史天氣數(shù)據(jù)相對應(yīng)的歷史光伏功率之間的皮爾遜相關(guān)系數(shù)，依據(jù)皮爾遜相關(guān)系數(shù)從歷史天氣數(shù)據(jù)中篩選出目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)集，采用訓(xùn)練數(shù)據(jù)集對LSTM模型進(jìn)行訓(xùn)練，并利用樽海鞘算法對完成訓(xùn)練的LSTM模型的超參數(shù)進(jìn)行優(yōu)化，獲取目標(biāo)預(yù)測模型；采用本方法能夠通過采用皮爾遜分析法選取出與光伏功率相關(guān)性較高的天氣數(shù)據(jù)作為目標(biāo)數(shù)據(jù)，并對目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，提升了訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)質(zhì)量，便于后續(xù)對LSTM模型的訓(xùn)練，并且，通過利用樽海鞘算法對完成訓(xùn)練的LSTM模型的超參數(shù)進(jìn)行優(yōu)化，提升了光伏功率預(yù)測的準(zhǔn)確性。

技術(shù)研發(fā)人員：周挺,王國賢,李劍橋,江流偉,陳子程,胡鐵斌,李克勤,黃小強(qiáng),張一新,邱震,許建遠(yuǎn),何泉,何維
受保護(hù)的技術(shù)使用者：廣東電網(wǎng)有限責(zé)任公司茂名供電局
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30