1.本发明属于光伏短期发电量预测
技术领域：
：，尤其涉及一种融入时频分析的光伏短期发电量预测方法。
背景技术：
：：2.世界工业水平和经济的高速发展，刺激着对能源的需求。百年间人类对化石能源的过度开采利用，不仅使传统化石能源储量已逐渐枯竭，同时使全球生态环境遭到破坏。在“碳达峰”和“碳中和”的大背景下，大力发展新能源的相关技术，加强重点领域节能减排，是优化能源产业结构，发展绿色低碳经济的重要步骤。能有效解决形势日益严峻的环境污染和能源短缺问题。随着新能源在电网中的规模不断增长，光伏发电系统由于其清洁、安全的优势，成为最具发展潜力和研究性的可再生绿色能源之一，受到了国内外研究学者的广泛关注。但是由于光伏发电系统发电量受影响因素较多，呈现出时变性、波动性、高随机性的特点，在并入电网的过程中，会影响电网运行的安全和稳定。同时会给电网调度和维护带来巨大的挑战，降低了电网的可靠性，进而在经济上造成损失。因此对光伏发电量进行有效地预测具有重要的意义。有助于提升电网的决策和调度能力，能降低运维的成本支出，提高新能源的消纳，避免大规模“弃光”的情况发生。3.机器学习和深度学习理论在处理非线性数据上优势显著，已广泛地运用于各类时序数据的研究与应用当中。lstm是深度学习理论中的一种方法，对时序数据具有良好的预测性能，在电力负荷预测、燃气负荷预测、风力发电功率预测、大气污染物浓度等任务中发挥着重要作用。将历史气象数据与天气预测数据用于lstm模型训练得到太阳辐射照度预测值，并与bp神经网络法、lr线性回归法相比，取得了更优的预测精度。针对lstm网络存在重要时序信息丢失的缺陷，引入注意力机制方法改进，强化了模型时序特征的提取能力，能取得了较好的光伏发电功率预测结果。虽然利用lstm算法在时序特征提取上的优势，提高了模型的预测精度，但是对原始输入数据的特征利用不足，限制了模型的预测性能。4.小波变换是经典的信号分析方法，其随机性、波动性及周期性与光伏电站历史数据特性相符。将小波变换用于风力发电功率预测，通过小波理论分解原始数据，增加了数据的信息表达能力，其预测结果优于单一的神经网络(nn)预测法。小波变换结合神经网络模型预测光伏的发电功率预测方法，将数据分解为高频和低频部分，减弱了数据随机性和波动性对预测结果的影响。然而这些方法局限于数据表征能力的增强，存在数据时序特征利用缺失和数据深度信息利用不足的缺陷。5.cnn具有挖掘数据深度信息的优势，以cnn与lstm结合的预测模型分别应用于光伏发电功率预测和风力发电功率预测，其性能均优于数据信息挖掘能力弱的预测方法。然而这些方法虽然提升了数据信息挖掘和处理能力，但是对于光伏历史数据的随机性、波动性及周期性特点未做针对性处理，因此预测精度还是偏低。6.综上所述，现有预测方法存在数据特征表达能力弱、数据特征挖掘不充分的缺陷，导致预测精度偏低。技术实现要素：7.本发明要解决的技术问题：提供一种融入时频分析的光伏短期发电量预测方法，以解决现有光伏短期发电量预测，其预测方法存在数据特征表达能力弱、数据特征挖掘不充分的缺陷，导致预测精度偏低等技术问题。8.本发明技术方案：9.一种融入时频分析的光伏短期发电量预测方法，它包括：10.步骤1、采集光伏电厂的设备运行数据和电站现场环境数据，对采集的原始数据进行数据集划分、异常值处理及归一化处理得到训练数据和测试数据集；11.步骤2、对训练数据进行3层小波分解；12.步骤3、提取变量间的相关性和数据时序特征实现数据更深层次的特征表达；13.步骤4、初始化cnn-lstm网络层，将步骤1、2处理过的各分量训练数据输入cnn-lstm网络，分别建立高频分量和低频分量的预测模型；14.步骤5、将测试集数据输入到预测模型，得到一个低频分量和三个高频分量的预测值；将各分量的预测结果经小波逆变换重构得到最终的发电量预测结果。15.所述采集的原始数据见表1：16.表117.[0018][0019]步骤1所述对采集的原始数据进行数据集划分、异常值处理及归一化处理得到训练数据和测试数据集的方法包括：[0020]步骤1.1、数据集划分，将采集到的数据集中的80％作为训练数据集，20％为测试数据集；训练数据用于构建光伏发电量预测模型，测试数据集用于测试光伏发电量预测模型的预测性能；[0021]步骤1.2、数据异常值处理，计算原始样本数据x的平均值u和标准差σ，当数据x中值x处于u±3σ之外时，即为异常值，删除异常值并在时序数据中取上一个有效值代替异常值。[0022]步骤1.3、数据归一化。采用归一化将数据转化在同一量纲下：[0023][0024]式中为归一化后的值，x为原始样本数据，xmax与xmin为数据所在列的最大值和最小值。[0025]步骤2所述对训练数据进行3层小波分解的方法为：对每一类型的光伏历史数据做了三层小波变换，最终获得该类型数据的一个低频分量a3，三个高频分量d1、d2和d3，完成对数据的时频分析，使每组训练数据分解为三组表达光伏历史数据随机性和波动性特点的高频分量，一组表达光伏历史数据周期性特点的低频分量。[0026]步骤3所述提取变量间的相关性和数据时序特征实现数据更深层次的特征表达的方法包括：[0027]步骤3.1、将维度为20的一维特征向量表示为4×5的矩阵作为cnn数据输入；设置尺寸为2×2的卷积核和1×2池化核，卷积核数量为26，通过卷积层、池化层等部分自动提取数据隐含特征；卷积层的运算表达为：[0028]xj＝f(w＊xi+bi)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)[0029]式中，w为第i层卷积核卷积矩阵，＊为卷积运算符，b为偏置项，由relu作为激活函数f(z[0030][0031]由池化层进行降采样，池化层具体表达式为：[0032][0033]步骤3.2、设置2个lstm网络，第一个lstm网络含有100个隐含层，第二个lstm网络含有200个隐含层；由遗忘门、输入门和输出门三个部分组成；输出门用来控制数据信息的输出，输入门用来控制时序数据的输入；门使用sigmod激活函数和thah函数完成对历史状态和信息的学习和取舍；输入门和遗忘门协同更新信息编码。[0034]本发明的有益效果：[0035]本发明根据光伏发电系统时序数据波动性、随机性、一定周期性的特点，利用小波变换将数据分解各高频和低频分量，在提高数据特征表达能力的同时，去除各分量间的互相影响，减弱数据随机性和波动性对预测模型的干扰。通过cnn提取各分量数据中蕴含的特征信息和数据间的相互关系，深度发掘数据的特征表达能力。采用lstm网络提取数据时间特征并构建预测模型输出各个分量的预测结果，最后通过小波重构法获取最终预测结果，有效地利用了数据的深度信息，提高了模型的预测能力。有助于提升电网的决策和调度能力，能降低发电测运维的成本支出，提高新能源的消纳。[0036]解决了现有光伏短期发电量预测，其预测方法存在数据特征表达能力弱、数据特征挖掘不充分的缺陷，导致预测精度偏低等技术问题。附图说明：[0037]图1为本发明流程示意图；[0038]图2为三层小波分解示意图；[0039]图3为cnn结构示意图；[0040]图4为lstm网络结构示意图；[0041]图5为cnn-lstm模型结构示意图。具体实施方式：[0042]本发明提出的预测方法主要分为以下5个步骤：[0043]步骤1：数据预处理。采集光伏电厂的设备运行数据和电站现场环境数据，如电池板背板温度、汇流箱电压、汇流箱电流、光照强度、环境温度、风速、风向等(数据类型见表一)，对采集的原始数据进行数据集划分、异常值处理及归一化处理。[0044]表1光伏电厂历史数据集信息[0045]table1.historicaldatasetinformationofphotovoltaicpowerplants[0046][0047][0048]步骤1.1：数据集划分。将采集到的数据集中的80％作为训练数据集，20％为测试数据集。训练数据用于构建光伏发电量预测模型，测试数据集用于测试光伏发电量预测模型的预测性能。[0049]步骤1.2：数据异常值处理。数据采集过程中因人为或设备故障等不确定因素的干扰，会导致数据录入丢失或异常的情况，因此需处理异常数据。计算原始样本数据x的平均值u和标准差σ，当数据x中值x处于u±3σ之外时，即为异常值。删除异常值并在时序数据中取上一个有效值代替异常值，避免异常数据影响预测模型的构建。[0050]步骤1.3：数据归一化。因数据集中各个变量在拥有不同的物理意义，为提高数据的分辨能力，采用归一化将数据转化在同一量纲下，如公式(1)所示。[0051][0052]式中为归一化后的值，x为原始样本数据，xmax与xmin为数据所在列的最大值和最小值。[0053]步骤2：小波分解。小波分解层数过多会增加分解后的数据量，而分解层数少则会减弱该方法的特征表达能力。因此为提高数据的特征表达能力，同时不造成数据量过于冗余，本发明对训练数据进行3层小波分解。[0054]小波变换是经典的信号时频分析方法，具有多分辨率分析的能力，可有效地提取信号特征信息。因为小波波动性及周期性的特点与光伏发电量的瞬时变化相吻合，因此将小波变换的时频分析方法运用在光伏历史数据的处理当中。小波函数的定义为：设ψ(t)为一个平方可积函数，ψ(t)∈l2(r)，若其傅里叶变换满足条件：[0055][0056]则称ψ(t)为一个基小波或是母小波。由小波函数的定义可知，在时域，小波函数一般具有紧支集或近似紧支集，即函数非零值定义域的范围是有限的，从而突出了其“小”的特点；其次，由可容许性条件可得即其直流分量为零，所以小波又具有正负交替的ꢀ“波动性”。[0057]小波函数是由小波基函数通过收缩和平移后得到的，其定义式如下：[0058][0059]其中a成为尺度因子(a≠0)，b称为平移因子，则函数f(t)在l2(r)上的连续小波变换如下：[0060][0061]其内积的形式为：[0062][0063]其逆变换的形式为：[0064][0065]小波变换实际是将函数f(t)同一个灵活的带通滤波器进行滤波，时间局部区域还有频率局部区域是连续变化的，随着参数a和b的变化，滤波结果也在发生着变化。可以由a和b的不同值可得到基于小波变换的不同时、频宽度的信息，从而完成对信号f(t)的局部分析。如图2所示，对每一类型的光伏历史数据做了三层小波变换(即三个尺度小的小波变换)，最终获得该类型数据的一个低频分量a3，三个高频分量d1、d2、d3，完成对数据的时频分析，使每组训练数据分解为三组表达光伏历史数据随机性和波动性特点的高频分量，一组表达光伏历史数据周期性特点的低频分量。通过将数据分解为高频和低频信息来表示的方式，使数据特征得到突出显示，并降低了数据随机性、波动性及周期性的互相干扰，增加了数据的特征表达能力。步骤3：cnn-lstm结构设置。本发明通过提取变量间的相关性和数据时序特征，达到数据更深层次的特征表达的目的。[0066]cnn-lstm神经网络模型分为空间特征提取部分和时序特征提取部分。空间特征由cnn获得，主要结构由输入层、卷积层、池化层组成。时序特征提取部分由2个lstm网络层、2个全连接层、1个dropout层组成，每个lstm网络含有n个隐含层。预测模型的思路为输入层输入4×5的特征矩阵，设置卷积核数量、卷积核尺寸及池化层尺寸完成对数据深度信息的挖掘，提取数据中的深层次信息。将提取出的特征矩阵输入时序特征提取模块，由lstm网络对时间特征提取，组合全连接层和dropout层，降低数据量和数据维度，避免预测模型过拟合，并输出预测值,图5为cnn-lstm具体结构。步骤3.1：cnn是深度学习的代表性算法之一，具有很强的特征学习能力，被广泛应用于图像处理、语音识别等领域。cnn一般由输入层、卷积层、池化层、全连接层等部分组成。图2展示了cnn网络的结构。[0067]本发明将维度为20的一维特征向量表示为4×5的矩阵作为cnn数据输入。设置尺寸为2×2的卷积核和1×2池化核，卷积核数量为26，通过卷积层、池化层等部分自动提取数据隐含特征。卷积层的运算表达为：[0068]xj＝f(w＊xi+bi)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(7)[0069]式中，w为第i层卷积核卷积矩阵，＊为卷积运算符，b为偏置项。由relu作为激活函数f(z)。[0070][0071]经过卷积层的操作后，形成维度较大的特征向量，达到深度挖掘数据空间特征的目的，由池化层对其进行降采样，通过设置池化核的大小强化提取的数据中的显著特征。过滤掉不重要的数据信息。池化层具体表达式为：[0072][0073]步骤3.2：本发明设置2个lstm网络，第一个lstm网络含有100个隐含层，第二个lstm网络含有200个隐含层。lstm由循环神经网络(rnn)改进而来，解决了模型在训练过程中“梯度爆炸”的问题，其由遗忘门、输入门和输出门三个部分组成。目前lstm已在许多场景得到应用，对于时序数据具有良好的预测性能。其网络结构信息见图4。[0074]lstm网络中遗忘门用来控制“细胞”历史状态和信息的保留。输出门用来控制数据信息的输出，输入门用来控制时序数据的输入。门使用sigmod激活函数和thah函数完成对历史状态和信息的学习和取舍。输入门和遗忘门协同更新信息编码。[0075]ft＝σ(wf[ht-1,xt]+bf)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(10)[0076]it＝σ(wi[ht-1,xt]+bi)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(11)[0077][0078][0079]ot＝σ(wo[ht-1,xt]+bo)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(14)[0080]ht＝ot*tanh(ct)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(15)[0081][0082][0083]式中：ft表示遗忘门，it表示输入门，ot表示输出门。使用sigmod激活函数σ(·)将输出值限定在[0,1]之间描述细胞信息可通过的量，当值为1时表示全部通过，当值为0时表示全不准通过。w为隐藏单元的输入权重矩阵；b为神经元偏置项；ht-1为t-1时刻的输出，ht为t时刻的输出；xt为t时刻的输入；ct为t时刻输出状态；ct-1为t-1时刻输入状态；为t时刻临时状态。[0084]步骤4：分量预测模型建立。初始化cnn-lstm网络层，将步骤1、2处理过的各分量训练数据输入cnn-lstm网络。分别建立高频分量和低频分量的预测模型(如图5所示)。[0085]步骤5：小波重构。测试集数据由步骤1、2处理后，输入到由步骤4得到最优预测模型，得到一个低频分量和三个高频分量的预测值。将各分量的预测结果经小波逆变换重构(见公式(5))得到最终的发电量预测结果。当前第1页12当前第1页12