技术特征：
1.一种光伏发电预测方法，其特征在于，所述方法包括：采集多个历史时间点的历史发电量与历史天气数据；根据历史发电量与历史时间点的关联特性，构建时间序列预测模型；根据所述时间序列预测模型，确定多个历史时间点的发电量历史预测值；计算所述发电量历史预测值与所述历史发电量的残差；使用历史天气数据对所述残差建立残差回归模型；根据所述时间序列预测模型与所述残差回归模型，确定发电量预测值。2.如权利要求1所述的一种光伏发电预测方法，其特征在于，所述根据历史发电量与历史时间点的关联特性，构建时间序列预测模型，具体包括：对所述历史发电量数据进行时间序列分解，具体包括：使用时间序列分解算法，将所述历史发电量分解为趋势量、周期量和随机量，并确定趋势量-时间曲线、周期量-时间曲线、随机量-时间曲线；其中，所述趋势量为历史发电量随时间成趋势性变化的分量，所述周期量为历史发电量随时间成周期性变化的分量，所述随机量为历史发电量除趋势量、周期量之外的剩余分量。3.根据权利要求2所述的一种光伏发电预测方法，其特征在于，所述时间序列预测模型，还包括：对所述趋势量进行多项式拟合，确定趋势-时间多项式函数；根据所述趋势-时间多项式函数，确定所预测的时间点的趋势预测值；根据周期量-时间曲线，确定所预测的时间点的周期量预测值；根据随机量-时间曲线，确定随机量的平均值；将所预测时间点的所述趋势预测值与所述周期量预测值，以及所述随机量的平均值相加，得到所述时间序列预测模型的预测结果。4.根据权利要求2或3所述的一种光伏发电预测方法，其特征在于，所述时间序列分解算法，具体为stl算法。5.根据权利要求1所述的一种光伏发电预测方法，其特征在于，所述使用历史天气数据对所述残差建立残差回归模型，具体包括：以所述历史天气数据作为训练数据，以所述残差作为训练标签，基于机器学习算法，得到残差回归模型。6.根据权利要求5所述的一种光伏发电预测方法，其特征在于，所述历史天气数据包括日照时长、光照强度、温度、湿度、风向、风量、云量、降雨量中的一项或多项；其中，所述日照时长、光照强度、温度、湿度、风量、降雨量中的一项或多项的数据类型为数值类数据，所述数值类数据直接作为建立残差回归模型的训练数据；所述风向、云量中的一项或两项的数据类型为非数值类数据，所述非数值类数据经过编码后作为建立残差回归模型的训练数据。7.根据权利要求1所述的一种光伏发电预测方法，其特征在于，所述采集多个历史时间点的历史发电量与历史天气数据，具体地，以日为单位采集；所述周期量的变化周期为4周。8.一种光伏发电预测装置，其特征在于，包括：
采集模块，用于采集多个历史时间点的历史发电量与历史天气数据；时间序列模型构建模块，用于根据历史发电量与历史时间点的关联特性，构建时间序列预测模型；历史残差计算模块，用于根据所述时间序列预测模型，确定多个所述历史时间点的发电量历史预测值，并计算所述发电量历史预测值与所述历史发电量的残差；残差回归模块，用于使用历史天气数据对所述残差建立残差回归模型；发电量预测模块，用于根据所述时间序列模型以及所述残差回归模型，确定发电量预测值。9.一种光伏发电预测设备，包括存储器、处理器以及存储在所述存储器中并且可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下步骤：采集多个历史时间点的历史发电量与历史天气数据；根据历史发电量与历史时间点的关联特性，构建时间序列预测模型；根据所述时间序列预测模型，确定多个历史时间点的发电量历史预测值；计算所述发电量历史预测值与所述历史发电量的残差；使用历史天气数据对所述残差建立残差回归模型；根据所述时间序列预测模型与所述残差回归模型，确定发电量预测值。10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机程序被处理器执行时实现如下步骤：采集多个历史时间点的历史发电量与历史天气数据；根据历史发电量与历史时间点的关联特性，构建时间序列预测模型；根据所述时间序列预测模型，确定多个历史时间点的发电量历史预测值；计算所述发电量历史预测值与所述历史发电量的残差；使用历史天气数据对所述残差建立残差回归模型；根据所述时间序列预测模型与所述残差回归模型，确定发电量预测值。
技术总结
本发明提供一种基于残差修正时间序列的光伏发电预测方法及装置。针对光伏发电系统的电量预测，使用历史天气数据结合光伏发电设备的历史数据，建立两个模型：时间序列预测模型和残差回归模型。其中时间序列模型对历史发电量数据进行分解和预测，通过历史发电量产生新发电量；残差预测模型以历史的天气数据为特征，对历史发电量与时间序列模型预测的发电量的残差进行回归建模，通过学习历史天气数据与发电量预测残差的关系，使用新天气特征预测残差，并与时间序列预测的发电量相加产生最终预测结果。该方法利用历史特征和结果，融合两个模型进行预测，解决了现有模型单独依靠历史特征进行预测的数据利用不充分和预测偏差较大的问题。的问题。的问题。
技术研发人员：段强 李锐 张晖
受保护的技术使用者：山东浪潮科学研究院有限公司
技术研发日：2021.12.30
技术公布日：2022/4/12