利用多气象因子特征的光伏电站发电功率预测方法与流程

本发明涉及气象信息处理，尤其涉及一种利用多气象因子特征的光功率预测方法。

背景技术：

1、随着新能源发电的快速发展，光伏发电作为一种清洁、可再生的能源形式，已经成为当今最受欢迎的发电方式之一。然而，由于光伏发电的不稳定性和间歇性，其接入电网面临着很多挑战。为了保证电网的安全和稳定运行，电网对新能源发电的要求越来越高。其中光伏发电受天气和季节等因素影响，会导致每天的发电曲线变化较大，因此为了更好地控制发电量和保证电网的稳定性，需要对其每天的功率曲线进行更加精确的预测。

2、太阳辐射是光功率预测的基础，气象数值模式预报能够提供太阳辐射数值的短期、中期以及长期的预测。功率预测普遍使用气象数值模式预报中提供的辐照要素数据、以及与之相关的一些运行特征（如天气、季节、时间等），结合实际功率建立物理或机器学习模型进行回归预测。

3、然而，相关技术中气象数值模式预报的辐射值无法完全反映光电场站位置的天气变化或者即使辐射的变化值能够指示出天气变化但数值上偏差较大，尤其是云层遮挡时的情况，若预测结果偏差较大，会导致预测功率也出现较大偏差。

技术实现思路

1、本发明的目的在于克服现有技术的不足与缺陷，提供了一种利用多气象因子特征的光功率预测方法，提高了对于光功率预测的准确性，本专利提出一种利用多气象因子特征的光功率预测的方法，在预测时加入其他气象要素特征，并从空间维度扩展输入数据的广度，该方法包括：

2、获取与目标光伏电站对应的电站数据、实测数据以及预测数据，电站数据为与目标光伏电站对应的参数数据，实测数据为与目标光伏电站对应的历史测量数据，预测数据为与目标光伏电站关联的气象预测数据；

3、基于电站数据、实测数据以及预测数据生成至少两个特征因子，特征因子用于表征与目标光伏电站关联的环境状态及电量生产状态；

4、将特征因子输入功率预测模型，输出得到与目标光伏电站对应的光伏电站功率预测结果，光伏电站功率预测结果实现为列表形式。

5、在一个可选的实施例中，获取与目标光伏电站对应的电站数据、实测数据以及预测数据，包括：

6、获取与目标光伏电站对应的初始电站数据、初始实测数据以及初始预测数据；

7、对初始电站数据、初始实测数据以及初始预测数据进行整理，得到电站数据、实测数据以及预测数据。

8、在一个可选的实施例中，对初始电站数据、初始实测数据以及初始预测数据进行整理，得到电站数据、实测数据以及预测数据，包括：

9、获取与目标光伏电站对应的初始电站数据，初始电站数据用于从至少一个维度表征目标光伏电站的生产状态，初始电站数据包括光伏电站基本数据、逆变器数据、光伏电站位置数据、装机容量数据以及光伏板组件数据；

10、获取与目标光伏电站对应的初始实测数据，初始实测数据包括历史气象数据、历史逆变器数据以及历史功率数据；

11、基于光伏电站位置进行投影转换，得到光伏电站平面坐标系数据；

12、通过初始电站数据对初始实测数据进行数据清洗以及数据匹配，得到电站数据以及实测数据；

13、获取与目标光伏电站对应的初始预测数据，初始预测数据为对于与光伏电站位置数据对应的经纬位置进行气象预测得到的多源数值式预报数据；

14、根据光伏电站平面坐标系数据以及光伏电站位置数据对初始预测数据进行处理，得到预测数据。

15、在一个可选的实施例中，预测数据包括单点数据格式以及多点数据格式；

16、根据光伏电站平面坐标系数据以及光伏电站位置数据对初始预测数据进行处理，得到预测数据，包括：

17、基于光伏电站位置数据对初始预测数据进行单点气象要素提取，生成单点数据格式形式的预测数据；

18、基于时空插值处理结合初始预报数据以及光伏电站平面坐标系数据，生成以目标光伏电站为中心的格点气象要素数据，并存储为多点数据格式形式的预测数据。

19、在一个可选的实施例中，通过初始电站数据对初始实测数据进行数据清洗以及数据匹配，得到电站数据以及实测数据，包括：

20、基于初始电站确定目标光伏电站的光伏效率以及目标光伏电站的总装机容量；

21、将目标光伏电站的光伏效率以及目标光伏电站的总装机容量，与初始实测数据中的历史功率数据进行清洗以及校验；

22、响应于清洗以及校验完成，确定电站数据以及实测数据。

23、在一个可选的实施例中，基于电站数据、实测数据以及预测数据生成至少两个特征因子，包括：

24、将实测数据进行特征处理后，生成实测数据特征因子；

25、将预测数据进行特征处理后，生成预测数据特征因子。

26、在一个可选的实施例中，该方法还包括：

27、构建初始功率预测模型，初始功率预测模型为附带初始参数的人工智能模型；

28、获取样本特征因子以及训练特征因子，样本特征因子标注有样本功率实际结果，训练特征因子标注有训练功率实际结果；

29、通过训练特征因子对初始功率预测模型进行训练，以对初始功率预测模型中的初始参数进行调整；

30、将样本特征因子输入训练后的初始功率预测模型，输出得到样本功率预测结果；

31、响应于样本功率预测结果与样本功率实际结果的差异小于差异阈值，获得功率预测模型。

32、在一个可选的实施例中，光伏电站预测结果为对于目标光伏电站次日的发电功率的预测；

33、光伏电站预测结果实现为列表，在列表中，以15分钟为时间间隔，与该时间间隔对应的时间节点的瞬时发电功率为输出结果。

34、在一个可选的实施例中，将特征因子输入功率预测模型，输出得到与目标光伏电站对应的光伏电站功率预测结果之后，包括：

35、对光伏电站功率预测结果进行准确率检验，准确率检验包括基于均方误差的准确率检验、基于均方根误差的准确率检验以及基于平均绝对误差的准确率检验；

36、响应于未通过准确率检验，对功率预测模型的参数进行调整。

37、在一个可选的实施例中，准确率检验的频率为每日一次。

38、本申请至少包括如下有益效果：

39、在进行光伏电站发电功率的预测的过程当中，获取与目标光伏电站的自身属性、所在环境气候以及历史工作状态的数据作为数据来源，经过挖掘后得到与发电功率关联的多维度数据，并作为人工智能模型的输入，最终输出与目标光伏电站对应的光伏电站功率预测结果，该过程能够实现对于目标光伏电站输出持续可靠、精确的功率预测。

技术特征：

1.一种利用多气象因子特征的光伏电站发电功率预测方法，其特征在于，所述方法应用于计算机设备中，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取与目标光伏电站对应的电站数据、实测数据以及预测数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述初始电站数据、所述初始实测数据以及所述初始预测数据进行整理，得到所述电站数据、所述实测数据以及所述预测数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述预测数据包括单点数据格式以及多点数据格式；

5.根据权利要求4所述的方法，其特征在于，所述通过所述初始电站数据对所述初始实测数据进行数据清洗以及数据匹配，得到所述电站数据以及所述实测数据，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述电站数据、所述实测数据以及所述预测数据生成至少两个特征因子，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.根据要求1所述的方法，其特征在于，所述光伏电站预测结果为对于所述目标光伏电站次日的发电功率的预测；

9.根据权利要求1所述的方法，其特征在于，所述将所述特征因子输入功率预测模型，输出得到与所述目标光伏电站对应的光伏电站功率预测结果之后，包括：

10.根据权利要求9所述的方法，其特征在于，所述准确率检验的频率为每日一次。

技术总结
本发明涉及气象信息处理技术领域，具体公开了一种利用多气象因子特征的光伏电站发电功率预测方法,包括：获取与目标光伏电站对应的电站数据、实测数据以及预测数据；将特征因子输入功率预测模型，输出得到与目标光伏电站对应的光伏电站功率预测结果。在进行光伏电站发电功率的预测的过程当中，获取与目标光伏电站的自身属性、所在环境气候以及历史工作状态的数据作为数据来源，经过挖掘后得到与发电功率关联的多维度数据，并作为人工智能模型的输入，最终输出与目标光伏电站对应的光伏电站功率预测结果，该过程能够实现对于目标光伏电站输出持续可靠、精确的功率预测。

技术研发人员：张扬帆,吴林林,刘辉,田云峰,吴宇辉,付雪姣,王正宇,王耀函
受保护的技术使用者：华北电力科学研究院有限责任公司
技术研发日：
技术公布日：2024/1/15