一种轻量化太阳辐照度短期多步长预测方法

本发明属于太阳辐照度预测，具体涉及一种轻量化太阳辐照度短期多步长预测方法。

背景技术：

1、太阳能由于自身固有的一些不确定性，使其在电网等领域中应用时的难度大大增加，因而对太阳辐照度进行精确的预测十分必要。现有针对太阳辐照度预测问题主要是通过数值模型方法或者基于机器学习来实现，但这些方式仍存在一些有待克服的缺陷，例如数值模型方法具有较粗的预测粒度，还不足以实际应用；基于传统机器学习的方法对预测时天气状况的要求较为苛刻；基于深度学习的方法则在模型训练和参数调整等方面具有较高难度。

技术实现思路

1、有鉴于此，针对本领域中存在的技术问题，本发明提供了一种轻量化太阳辐照度短期多步长预测方法，具体包括以下步骤：

2、步骤一、从至少包含太阳辐照度的历史气象参数以及时间戳信息中读取数据来构建相应数据集，并对其执行适合的数据预处理；

3、步骤二、以步骤一得到的数据集作为输入，预测的短期未来太阳辐照度作为输出，构建基于长短期记忆网络的轻量化模型用于对太阳辐照度进行短期预测；

4、步骤三、利用数据集针对基于informer算法的太阳辐照度复杂预测模型与所述轻量化模型，开展联合训练并通过复杂模型来保证轻量化模型的预测精度；

5、步骤四、将训练好的轻量化模型应用于短期未来太阳辐照度在线预测，通过输入实时获取的气象参数输出太阳辐照度的预测结果。

6、进一步地，步骤一中所提取的历史气象参数具体包括：大气压力、环境温度、环境湿度、风速、太阳辐照度和降水量；

7、所执行的数据预处理依次包括：

8、a.读取上述气象参数与时间戳信息并保存为数据集；

9、b.时间戳通过嵌入层将其由datetime数据类型变换为4维时间特征向量；

10、c.将数据集进行归一化处理以消除数据量纲的影响。

11、进一步地，步骤二中所建立的基于残差网络和长短期记忆网络的轻量化模型公式如下：

12、

13、式中，是轻量化模型第i个时间步的太阳辐照度预测值；fs是轻量化模型；ti-1～n是历史n个步长的环境温度；hi-1～n是历史n个步长的环境湿度；gi-1～n是历史n个步长的太阳辐照度；pi-1～n是历史n个步长的大气压力；wi-1～n是历史n个步长的风速；ri-1～n是历史n个步长的降水量；tsi-1～n是历史n个步长的时间戳。

14、进一步地，步骤三中所执行的联合训练流程依次包括：

15、a.首先将所述复杂模型训练完备，用于指导后续对轻量化模型的训练；

16、b.开展联合训练，首先由复杂模型根据输入做出预测，然后轻量化模型根据相同输入做出预测，根据轻量化预测结果、复杂模型预测结果以及真实值计算损失并反向传播更新轻量化模型参数；采用以下形式的损失函数：

17、

18、

19、

20、l＝lhard+αlsoft

21、式中，ls是轻量化模型与真实值之间的mse损失；lt是复杂模型与真实值之间的mse损失；lsoft是软损失；lhard是硬损失；α是比例系数；l是总损失；

22、c.迭代训练，直到达到最大训练次数。

23、相应地，本发明还提供了用于实现上述方法的计算机程序、计算机存储介质及计算机设备。

24、上述本发明所提供的轻量化太阳辐照度短期多步长预测方法，建立了轻量化的预测模型可以在线快速预测出短期未来太阳辐照度，在使模型部署难度显著降低的同时使方案的可行性得以提高。在模型训练中结合复杂模型开展监督学习，从而保证了模型的预测精度，也使本发明更有利于综合能源系统的运行调度以及光伏领域中电网的平稳运行。

技术特征：

1.一种轻量化太阳辐照度短期多步长预测方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤一中所提取的历史气象参数具体包括：大气压力、环境温度、环境湿度、风速、太阳辐照度和降水量；

3.如权利要求2所述的方法，其特征在于：步骤二中所建立的基于残差网络和长短期记忆网络的轻量化模型公式如下：

4.如权利要求3所述的方法，其特征在于：步骤三中所执行的联合训练流程依次包括：

5.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器用于在执行时实现如权利要求1-4中任一项所述的方法。

6.一种计算机设备，包括储存器、处理器及存储在存储器上并可在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权利要求1-4中任一项所述的方法。

技术总结
本发明提供了一种轻量化太阳辐照度短期多步长预测方法，建立了轻量化的预测模型可以在线快速预测出短期未来太阳辐照度，在使模型部署难度显著降低的同时使方案的可行性得以提高。在模型训练中结合复杂模型开展监督学习，从而保证了模型的预测精度，也使本发明更有利于综合能源系统的运行调度以及光伏领域中电网的平稳运行。

技术研发人员：沈俊,张云飞,李健,刘丹阳,陈旭
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/4/17