本發(fā)明涉及光功率預測，具體涉及一種光伏發(fā)電功率短期預測方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)(ann)和遞歸神經(jīng)網(wǎng)絡(luò)(rnn)和長短期記憶網(wǎng)絡(luò)(lstm)在時間序列預測領(lǐng)域具有重要應用，但存在一些缺陷。人工神經(jīng)網(wǎng)絡(luò)(ann)在處理時間序列問題時，由于其僅建立輸入輸出間的非線性映射，忽略了數(shù)據(jù)之間的時間關(guān)聯(lián)性，這在光伏功率預測等需要考慮時間變化的場景中顯得不足。此外，遞歸神經(jīng)網(wǎng)絡(luò)(rnn)在訓練過程中容易出現(xiàn)梯度消失的問題，導致對早期輸入信息的靈敏度降低，影響長期依賴關(guān)系的學習能力。同時，相關(guān)技術(shù)在預測光伏發(fā)電功率時往往沒有充分考慮天氣狀態(tài)的影響，而天氣狀態(tài)的變化對光伏電站的輸出功率有顯著影響。

2、鑒于此，需要提高光伏功率預測的準確性。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種光伏發(fā)電功率短期預測方法、裝置、設(shè)備及介質(zhì)，以解決光伏功率預測的準確性抵的問題。

2、第一方面，本發(fā)明提供了一種光伏發(fā)電功率短期預測方法，方法包括：獲取目標預測日的前一日的光伏功率數(shù)據(jù)和輻照度數(shù)據(jù)；將光伏功率數(shù)據(jù)分別輸入第一模型以及第二模型；獲得光伏功率的第一預測序列以及第二預測序列；將輻照度數(shù)據(jù)輸入日前天氣狀態(tài)預判模型，獲得目標預測日的天氣狀態(tài)預判結(jié)果；基于天氣狀態(tài)預判結(jié)果，選擇目標融合方式，將第一預測序列與第二預測序列進行融合，得到光伏發(fā)電功率短期預測結(jié)果。

3、第二方面，本發(fā)明提供了一種光伏發(fā)電功率短期預測裝置，裝置包括：數(shù)據(jù)獲取模塊，用于獲取目標預測日的前一日的光伏功率數(shù)據(jù)和輻照度數(shù)據(jù)；序列獲取模塊，用于將光伏功率數(shù)據(jù)分別輸入第一模型以及第二模型；獲得光伏功率的第一預測序列以及第二預測序列；天氣預判模塊，用于將輻照度數(shù)據(jù)輸入日前天氣狀態(tài)預判模型，獲得目標預測日的天氣狀態(tài)預判結(jié)果；序列融合模塊，用于基于天氣狀態(tài)預判結(jié)果，選擇目標融合方式，將第一預測序列與第二預測序列進行融合，得到光伏發(fā)電功率短期預測結(jié)果。

4、第三方面，本發(fā)明提供了一種計算機設(shè)備，包括：存儲器和處理器，存儲器和處理器之間互相通信連接，存儲器中存儲有計算機指令，處理器通過執(zhí)行計算機指令，從而執(zhí)行上述第一方面或其對應的任一實施方式的光伏發(fā)電功率短期預測方法。

5、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)上存儲有計算機指令，計算機指令用于使計算機執(zhí)行上述第一方面或其對應的任一實施方式的光伏發(fā)電功率短期預測方法。

6、第五方面，本發(fā)明提供了一種計算機程序產(chǎn)品，包括計算機指令，計算機指令用于使計算機執(zhí)行上述第一方面或其對應的任一實施方式的光伏發(fā)電功率短期預測方法。

7、本發(fā)明一個或多個實施方式提供的技術(shù)方案，首先獲取目標預測日前一天的光伏功率和輻照度數(shù)據(jù)，然后將這些數(shù)據(jù)輸入到兩個不同的預測模型中：第一模型和第二模型。這兩個模型分別輸出光伏功率的第一預測序列和第二預測序列。接著，利用輻照度數(shù)據(jù)，輸入到日前天氣狀態(tài)預判模型中，以獲得目標預測日的天氣狀態(tài)預判結(jié)果。根據(jù)這個預判結(jié)果，選擇最合適的融合方式，將第一預測序列和第二預測序列進行融合處理，最終得到光伏發(fā)電功率的短期預測結(jié)果。

8、可見，本發(fā)明提供的技術(shù)方案，綜合考慮歷史光伏功率數(shù)據(jù)和輻照度數(shù)據(jù)，以及天氣變化對光伏發(fā)電功率的影響，從而提高了預測的準確性和可靠性，實現(xiàn)更為精確的短期光伏功率預測。

技術(shù)特征：

1.一種光伏發(fā)電功率短期預測方法，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，所述第一模型為lstm-rnn模型；

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述將所述光伏功率數(shù)據(jù)分別輸入第一模型以及第二模型之前，所述方法還包括：

4.根據(jù)權(quán)利要求1至3任一所述的方法，其特征在于，所述將所述輻照度數(shù)據(jù)輸入日前天氣狀態(tài)預判模型，得到所述目標預測日的天氣狀態(tài)預判結(jié)果包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述輻照度數(shù)據(jù)輸入日前天氣狀態(tài)預判模型，得到所述目標預測日的天氣狀態(tài)預判結(jié)果之前，還包括：

6.一種光伏發(fā)電功率短期預測裝置，其特征在于，所述裝置包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括：

8.根據(jù)權(quán)利要求6或7所述的裝置，其特征在于，所述裝置還包括：

9.一種計算機設(shè)備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機指令，所述計算機指令用于使計算機執(zhí)行權(quán)利要求1至5中任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明涉及光功率預測技術(shù)領(lǐng)域，公開了一種光伏發(fā)電功率短期預測方法、裝置、設(shè)備及介質(zhì)，方法包括：獲取目標預測日的前一日的光伏功率數(shù)據(jù)和輻照度數(shù)據(jù)；將光伏功率數(shù)據(jù)分別輸入第一模型以及第二模型；獲得光伏功率的第一預測序列以及第二預測序列；將輻照度數(shù)據(jù)輸入日前天氣狀態(tài)預判模型，獲得目標預測日的天氣狀態(tài)預判結(jié)果；基于天氣狀態(tài)預判結(jié)果，選擇目標融合方式，將第一預測序列與第二預測序列進行融合，得到光伏發(fā)電功率短期預測結(jié)果。本發(fā)明一個或多個實施方式提供的技術(shù)方案通過引入LSTM?RNN模型和時間關(guān)聯(lián)模型，并結(jié)合日前天氣狀態(tài)預判以達到提高光伏功率預測的準確性的效果。

技術(shù)研發(fā)人員：蘇營,吳海飛,李婉,王羅,孫勇,胡景朋,王乾
受保護的技術(shù)使用者：中國長江三峽集團有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2