本发明实施例涉及供电,尤其涉及一种分布式电源发电功率的预测方法、装置、设备及存储介质。
背景技术:
1、近年来,随着全球气候问题的日益加剧,一次化石能源的日渐紧缺及其带来的环境污染日趋严重,使人们逐渐开始转向绿色清洁的生产生活方式,光伏发电、风力发电技术逐渐成熟并广泛普及,分布式电源得到了大力发展。虽然分布式新能源发电具备绿色低碳的优势,但其发电功率受到天气原因的影响较大,这为分布式电源发电功率的预测带来了很多困难。而传统技术在对分布式电源进行发电功率预测时,经常直接进行发电功率预测而未充分考虑天气因素的影响,导致分布式电源发电功率预测的准确率较低,实用性也较低。
技术实现思路
1、本发明实施例提供一种分布式电源发电功率的预测方法、装置、设备及存储介质,以实现分布式电源发电功率的实时预测,并提高预测结果的准确性及实用性。
2、第一方面,本发明实施例提供了一种分布式电源发电功率的预测方法,该方法包括:
3、获取分布式电源所在区域的实时气象数据;
4、将所述实时气象数据输入训练好的预测模型,以预测得到所述分布式电源的发电功率。
5、可选的,在所述将所述实时气象数据输入训练好的预测模型,以预测得到所述分布式电源的发电功率之前,还包括:
6、收集所述分布式电源的历史发电功率数据,以及所述分布式电源所在区域的历史气象数据;
7、根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练。
8、可选的,所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练,包括:
9、基于气象类型对所述历史气象数据及其对应的所述历史发电功率数据进行分类;
10、分别使用各个气象类型下的所述历史气象数据及所述历史发电功率数据对多个所述预测模型进行训练。
11、可选的,所述基于气象类型对所述历史气象数据及其对应的所述历史发电功率数据进行分类,包括:
12、根据所述历史发电功率数据分别计算每天的实际发电功率与所有气象类型下的平均发电功率之间的欧式距离;
13、将所述欧式距离与已知气象类型对应的基准欧式距离进行比较,以确定所述历史气象数据及其对应的所述历史发电功率数据所属的气象类型。
14、可选的,所述分布式电源包括光伏发电单元和风力发电单元,所述气象类型包括天气类型和风速类型;
15、相应的,所述基于气象类型对所述历史气象数据及其对应的所述历史发电功率数据进行分类,包括:
16、针对所述光伏发电单元,基于天气类型分类为晴、多云、阴、雨或雪;
17、针对所述风力发电单元,基于风速类型分类为能否使得风机转速达到额定转速的第一风速区间或第二风速区间。
18、可选的,在所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练之前,还包括:
19、对所述历史发电功率数据和所述历史气象数据进行数据预处理;所述数据预处理包括异常数据的清洗和补全、以及标准化处理。
20、可选的,在所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练之后,还包括:
21、对所述预测模型进行测试;
22、根据测试得到的功率预测值以及对应的功率实测值计算平均绝对百分比误差;
23、将所述平均绝对百分比误差与预设误差阈值进行比较,若超出所述预设误差阈值,则对所述预测模型重新进行训练。
24、第二方面,本发明实施例还提供了一种分布式电源发电功率的预测装置,该装置包括:
25、实时气象数据获取模块,用于获取分布式电源所在区域的实时气象数据;
26、电源发电功率预测模块,用于将所述实时气象数据输入训练好的预测模型,以预测得到所述分布式电源的发电功率。
27、第三方面,本发明实施例还提供了一种计算机设备,该计算机设备包括:
28、一个或多个处理器;
29、存储器,用于存储一个或多个程序;
30、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的分布式电源发电功率的预测方法。
31、第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的分布式电源发电功率的预测方法。
32、本发明实施例提供了一种分布式电源发电功率的预测方法,首先获取分布式电源所在区域的实时气象数据,然后将该实时气象数据输入到训练好的预测模型中,并由预测模型输出预测的分布式电源的发电功率。本发明实施例所提供的分布式电源发电功率的预测方法,通过将气象数据对分布式电源发电功率的影响抽象为学习器模型,充分的考虑了气象数据对发电功率带来的影响,将气象数据作为分布式电源预测模型构建的重要数据支撑,实现了对分布式电源发电功率的实时预测,并提高了预测模型的真实性和可靠性,以及预测结果的准确性和实用性。从而实现了配网端对区域内分布式电源的发电数据进行可靠掌握,进而辅助优化配网供电结构的目标。
1.一种分布式电源发电功率的预测方法,其特征在于,包括:
2.根据权利要求1所述的分布式电源发电功率的预测方法,其特征在于,在所述将所述实时气象数据输入训练好的预测模型,以预测得到所述分布式电源的发电功率之前,还包括:
3.根据权利要求2所述的分布式电源发电功率的预测方法,其特征在于,所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练,包括:
4.根据权利要求3所述的分布式电源发电功率的预测方法,其特征在于,所述基于气象类型对所述历史气象数据及其对应的所述历史发电功率数据进行分类,包括:
5.根据权利要求3所述的分布式电源发电功率的预测方法,其特征在于,所述分布式电源包括光伏发电单元和风力发电单元,所述气象类型包括天气类型和风速类型;
6.根据权利要求2所述的分布式电源发电功率的预测方法,其特征在于,在所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练之前,还包括:
7.根据权利要求2所述的分布式电源发电功率的预测方法,其特征在于,在所述根据所述历史发电功率数据和所述历史气象数据对所述预测模型进行训练之后,还包括:
8.一种分布式电源发电功率的预测装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的分布式电源发电功率的预测方法。