光伏电站弃光电量的确定方法及装置与流程

本发明涉及光伏发电技术领域，具体而言，涉及一种光伏电站弃光电量的确定方法及装置。

背景技术：

在相关技术中，光伏电站弃光电量，是指受电网传输通道、安全运行需要等因素影响，光伏发电站可发而未能发出的电量，该电量不包括光伏发电站因光伏组件自身设备故障等原因而未能发出的电量。弃光是光伏发电规模化发展过程中的一种普遍现象，跟水力发电过程中的弃水非常相似。大型光伏发电基地覆盖面积广，一般包含多个光伏电站或光伏电站群，由于电网输送通道送出极限、实时负荷平衡等因素会导致一定程度的弃光。正确科学的认识弃光、以合理的方式计算弃光电量将有助于规模化光伏发电的健康、平稳发展，有助于提升电网调度运行水平、推动光伏发电规划与电网规划的协调发展、提高清洁能源利用率。

但是，随着大规模新能源并网发电，弃光问题短期内得不到有效解决，现有的弃光电量计算方法主要有样本法、物理估算法等，但都存在一定的难度，无法有效地考虑弃光电量的不确定因素的影响。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种光伏电站弃光电量的确定方法及装置，以至少解决相关技术中无法有效计算光伏电站的弃光电量的技术问题。

根据本发明实施例的一个方面，提供了一种光伏电站弃光电量的确定方法，包括：获取目标光伏电站的光照数据和实际出力；对所述实际出力进行分析，以确定与所述目标光伏电站对应的多个出力典型场景；按照所述光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；计算每个类出力典型场景在全部出力典型场景中的第一频率；依据每个类出力典型场景的实际出力与所述目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；依据所述类弃光电量和所述第一频率，确定在目标时间段内所述目标光伏电站的弃光电量。

进一步地，获取目标光伏电站的光照数据和实际出力包括：向数据平台发送数据请求；获取所述数据平台返回的多个数据，其中，所述多个数据至少包括：所述目标光伏电站的实际出力、在历史预设时间段内的历史气象数据、在目标时间段的预测气象数据；获取所述数据平台返回的在历史预测时间段内的光照数据，其中，所述光照数据至少包括：辐照度、温度。

进一步地，对所述实际出力进行分析，以确定与所述目标光伏电站对应的多个出力典型场景包括：将所述光照数据作为输入属性，采用预设的聚类算法对各个子时间段的目标光伏电站的实际出力进行聚类分析，得到分析结果；依据分析结果，确定所述目标光伏电站中的多个出力典型场景，其中，每个出力典型场景对应一子时间段。

进一步地，在按照所述光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景之后，所述方法还包括：按照所述光照数据，确定每个类出力典型场景的类中心；计算每个出力典型场景的光照数据的变化范围；计算每个出力典型场景在所属的类出力典型场景的出现频数，以确定第二频率。

进一步地，依据每个类出力典型场景的实际出力与所述目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量包括：通过样本法，获取所述目标光伏电站的弃光功率；依据每个类出力典型场景的实际出力与所述目标光伏电站的弃光功率，按照各个子时间段的光照数据，计算与每个子时间段对应的历史弃光电量；获取所述类出力典型场景的类样本占本类样本的频次；以所述频次为加权值，计算与每个类出力典型场景对应的类弃光电量。

进一步地，确定与每个类出力典型场景对应的类弃光电量之后，所述方法还包括：计算所述光照数据与预测的光照数据的偏差值和误差概率分布；获取目标时间段内的气象预测数据和所述目标光伏电站的预测出力；依据所述偏差值和所述误差概率分布，按照预设时间间隔，将气象要素划分为多个误差区间；确定每个所述误差区间的中心数据和每个误差区间所属的出力典型场景。

根据本发明实施例的另一方面，还提供了一种光伏电站弃光电量的确定装置，包括：获取单元，用于获取目标光伏电站的光照数据和实际出力；第一确定单元，用于对所述实际出力进行分析，以确定与所述目标光伏电站对应的多个出力典型场景；第二确定单元，用于按照所述光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；计算单元，用于计算每个类出力典型场景在全部出力典型场景中的第一频率；第三确定单元，用于依据每个类出力典型场景的实际出力与所述目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；第四确定单元，用于依据所述类弃光电量和所述第一频率，确定在目标时间段内所述目标光伏电站的弃光电量。

进一步地，所述获取单元包括：发送模块，用于向数据平台发送数据请求；第一获取模块，用于获取所述数据平台返回的多个数据，其中，所述多个数据至少包括：所述目标光伏电站的实际出力、在历史预设时间段内的历史气象数据、在目标时间段的预测气象数据；第二获取模块，用于获取所述数据平台返回的在历史预测时间段内的光照数据，其中，所述光照数据至少包括：辐照度、温度。

进一步地，所述第一确定单元包括：分析模块，用于将所述光照数据作为输入属性，采用预设的聚类算法对各个子时间段的目标光伏电站的实际出力进行聚类分析，得到分析结果；第一确定模块，用于依据分析结果，确定所述目标光伏电站中的多个出力典型场景，其中，每个出力典型场景对应一子时间段。

进一步地，所述光伏电站弃光电量的确定装置还包括：第二确定模块，用于在按照所述光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景之后，按照所述光照数据，确定每个类出力典型场景的类中心；第一计算模块，用于计算每个出力典型场景的光照数据的变化范围；第二计算模块，用于计算每个出力典型场景在所属的类出力典型场景的出现频数，以确定第二频率。

进一步地，所述第三确定单元包括：第三获取模块，用于通过样本法，获取所述目标光伏电站的弃光功率；第三计算模块，用于依据每个类出力典型场景的实际出力与所述目标光伏电站的弃光功率，按照各个子时间段的光照数据，计算与每个子时间段对应的历史弃光电量；第四获取模块，用于获取所述类出力典型场景的类样本占本类样本的频次；第四计算模块，用于以所述频次为加权值，计算与每个类出力典型场景对应的类弃光电量。

进一步地，所述光伏电站弃光电量的确定装置还包括：第五计算模块，用于在确定与每个类出力典型场景对应的类弃光电量之后，计算所述光照数据与预测的光照数据的偏差值和误差概率分布；第五获取模块，用于获取目标时间段内的气象预测数据和所述目标光伏电站的预测出力；划分模块，用于依据所述偏差值和所述误差概率分布，按照预设时间间隔，将气象要素划分为多个误差区间；第三确定模块，用于确定每个所述误差区间的中心数据和每个误差区间所属的出力典型场景。

根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质用于存储程序，其中，所述程序在被处理器执行时控制所述存储介质所在设备执行上述任意一项所述的光伏电站弃光电量的确定方法。

根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述的光伏电站弃光电量的确定方法。

在本发明实施例中，获取目标光伏电站的光照数据和实际出力，对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景，按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景，计算每个类出力典型场景在全部出力典型场景中的第一频率，依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量，依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。在本申请中，可以通过计算光伏电站的类弃光电量和每类出力典型场景，从而确定出在未来目标时间段内光伏电站的弃光电量，进而解决相关技术中无法有效计算光伏电站的弃光电量的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种光伏电站弃光电量的确定方法的流程图；

图2是根据本发明实施例的一种光伏电站弃光电量的确定装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明下述各实施例可以应用于各种光伏电站的弃光电量计算应用中，对于光伏电站的规模和光伏电站具体设置的位置不做限定，在具体计算每个光伏电站的弃光电量时，可以考虑当地的气象因素和光照数据，进而确定出每个光伏电站的弃光电量。下面通过各个实施例对本申请进行详细说明。

实施例一

根据本发明实施例，提供了一种光伏电站弃光电量的确定的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种光伏电站弃光电量的确定方法的流程图，如图1所示，该方法包括如下步骤：

步骤s102，获取目标光伏电站的光照数据和实际出力；

步骤s104，对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景；

步骤s106，按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；

步骤s108，计算每个类出力典型场景在全部出力典型场景中的第一频率；

步骤s110，依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；

步骤s112，依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。

通过上述步骤，可以获取目标光伏电站的光照数据和实际出力，对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景，按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景，计算每个类出力典型场景在全部出力典型场景中的第一频率，依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量，依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。在本申请中，可以通过计算光伏电站的类弃光电量和每类出力典型场景，从而确定出在未来目标时间段内光伏电站的弃光电量，进而解决相关技术中无法有效计算光伏电站的弃光电量的技术问题。

下面对本申请上述各步骤进行详细说明。

在本发明实施例中，在计算弃光电量时，主要是通过数据采集、弃光场景提取、弃光概率计算、弃光电量划分和确定等方式一步步确定的。

其中，在数据采集时，步骤s102，获取目标光伏电站的光照数据和实际出力。

可选的，目标光伏电站可以是使用者或者光伏发电商自行选择的，本申请对具体的光伏电站的位置和发电量不做限定。

作为本申请一可选的示例，获取目标光伏电站的光照数据和实际出力包括：向数据平台发送数据请求；获取数据平台返回的多个数据，其中，多个数据至少包括：目标光伏电站的实际出力、在历史预设时间段内的历史气象数据、在目标时间段的预测气象数据；获取数据平台返回的在历史预测时间段内的光照数据，其中，光照数据至少包括：辐照度、温度。

可选的，上述的数据平台可以理解为绿能互联大数据平台，该数据平台会记录历史若干时间段内各个光伏电站的实际出力及其对应的历史气象数据，还可以包含对气象的预测数据。其中，实际出力指示的是光伏电站各组件的实时出力，以及实时发电出力。

上述的历史气象数据，指示的是历史过程中每个时间段(如一天)辐照度、温度、天气是晴朗/多云/雨天等。而预测气象数据，指示的是天气预报指示的在未来一个目标时间段的辐照度、温度、天气情况等。

步骤s104，对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景。

在本申请中，可以将每个时间段的逐时辐照度、温度等光照数据作为输入属性，并对实际出力进行分析，从而确定与每个时间段对应的出力典型场景。

可选的，对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景包括：将光照数据作为输入属性，采用预设的聚类算法对各个子时间段的目标光伏电站的实际出力进行聚类分析，得到分析结果；依据分析结果，确定目标光伏电站中的多个出力典型场景，其中，每个出力典型场景对应一子时间段。

上述的子时间段可以为一天。

可选的，预设的聚类算法可以为k-mean聚类算法。

即可以以光伏电站的一天的逐时辐照度、温度等实际数据作为输入属性，采用聚类算法(如k-mean等)对一天的光伏电站出力进行聚类分析，按照最优聚类个数指标，优选最优的光伏电站出力典型场景。

步骤s106，按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景。

步骤s108，计算每个类出力典型场景在全部出力典型场景中的第一频率。

可选的，在按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景之后，方法还包括：按照光照数据，确定每个类出力典型场景的类中心；计算每个出力典型场景的光照数据的变化范围；计算每个出力典型场景在所属的类出力典型场景的出现频数，以确定第二频率。

即可以将获得的每个光伏电站出力典型场景按照对应的辐照度、温度等数据计算每个类出力典型场景的类中心(如k-mean聚类中的距离加权类中心)，并计算每个出力典型场景中的辐照度、温度等数据的变化范围及其在本类场景中出现的频次、频数，从而确定出出力典型场景所占的第二频率，该第二频率指示的是该辐照度、温度等属性的对应条件概率。

步骤s110，依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量。

在本申请中，依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量包括：通过样本法，获取目标光伏电站的弃光功率；依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，按照各个子时间段的光照数据，计算与每个子时间段对应的历史弃光电量；获取类出力典型场景的类样本占本类样本的频次；以频次为加权值，计算与每个类出力典型场景对应的类弃光电量。

即可以通过获得的光伏电站的各类典型场景的出力与通过样本法获取的该光伏电站的弃光功率数据进行对比分析，按照每天逐时曲线计算当天的历史弃光电量，以该类各样本占本类样本的频次为加权值，计算该类的类弃光电量。

另一种可选的，本申请可以在确定与每个类出力典型场景对应的类弃光电量之后，计算光照数据与预测的光照数据的偏差值和误差概率分布；获取目标时间段内的气象预测数据和目标光伏电站的预测出力；依据偏差值和误差概率分布，按照预设时间间隔，将气象要素划分为多个误差区间；确定每个误差区间的中心数据和每个误差区间所属的出力典型场景。

即可以计算光伏电站的逐时辐照度、温度等实际数据与预测数据的偏差值及其概率分布，求出不同时段辐照度、温度等与光伏电站出力密切相关的主要气象要素的预测误差及其概率分布。并结合未来目标时间段的光伏电站气象预报数据及其出力预测等信息，依据相应的气象要素预测误差概率分布，按照一定间隔将气象要素划分为若干误差区间，并以各划分间隔的中心为代表要素的数值(即上述的误差区间的中心数据)，作为光伏电站出力典型场景的分类要素，分别确定各区间所属的典型场景。

步骤s112，依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。

上述步骤指示了，可以利用分别求取的典型场景的类弃光电量和该类占总样本的频次(即第一频率)进行加权求和，确定出目标时间段的目标光伏电站的弃光电量。可选的，该弃光电量可以理解为一个估算值，通过该估算值可以对目标光伏电站进行相应的调整，提高光伏发电量。

本申请上述实施例中，可以快速高效地实现大规模电网中光伏电站的弃光电量的自动计算与分析，同时可以解决电力调度运行过程中弃光电量估算中存在的计算准确度较低，无法考虑不同光伏电站运行场景的差异及其不确定性带来的影响等问题。

另外，本申请上述实施例还可以有效提高电网调度运行中调度计划、潮流计算与分析等工作的准确性。通过本申请，实现电网调度运行中弃光电量计算与分析过程的自动化，将极大提高电网调度人员的工作效率和效能，同时能够提高新能源控制、储能电站协调等方面的准确性，保证电力系统的安全、稳定、经济运行。

下面通过另一种可选的实施例对本申请进行说明。

实施例二

图2是根据本发明实施例的一种光伏电站弃光电量的确定装置的示意图，如图2所示，该装置可以包括：获取单元21，第一确定单元22，第二确定单元23，计算单元24，第三确定单元25，第四确定单元26，其中，

获取单元21，用于获取目标光伏电站的光照数据和实际出力；

第一确定单元22，用于对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景；

第二确定单元23，用于按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；

计算单元24，用于计算每个类出力典型场景在全部出力典型场景中的第一频率；

第三确定单元25，用于依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；

第四确定单元26，用于依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。

上述光伏电站弃光电量的确定装置，可以通过获取单元21获取目标光伏电站的光照数据和实际出力，通过第一确定单元22对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景，通过第二确定单元23按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景，通过计算单元24计算每个类出力典型场景在全部出力典型场景中的第一频率，通过第三确定单元25依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量，通过第四确定单元26依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。在本申请中，可以通过计算光伏电站的类弃光电量和每类出力典型场景，从而确定出在未来目标时间段内光伏电站的弃光电量，进而解决相关技术中无法有效计算光伏电站的弃光电量的技术问题。

可选的，获取单元包括：发送模块，用于向数据平台发送数据请求；第一获取模块，用于获取数据平台返回的多个数据，其中，多个数据至少包括：目标光伏电站的实际出力、在历史预设时间段内的历史气象数据、在目标时间段的预测气象数据；第二获取模块，用于获取数据平台返回的在历史预测时间段内的光照数据，其中，光照数据至少包括：辐照度、温度。

在本申请中，第一确定单元包括：分析模块，用于将光照数据作为输入属性，采用预设的聚类算法对各个子时间段的目标光伏电站的实际出力进行聚类分析，得到分析结果；第一确定模块，用于依据分析结果，确定目标光伏电站中的多个出力典型场景，其中，每个出力典型场景对应一子时间段。

另一种可选的，光伏电站弃光电量的确定装置还包括：第二确定模块，用于在按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景之后，按照光照数据，确定每个类出力典型场景的类中心；第一计算模块，用于计算每个出力典型场景的光照数据的变化范围；第二计算模块，用于计算每个出力典型场景在所属的类出力典型场景的出现频数，以确定第二频率。

作为本申请一可选的示例，第三确定单元包括：第三获取模块，用于通过样本法，获取目标光伏电站的弃光功率；第三计算模块，用于依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，按照各个子时间段的光照数据，计算与每个子时间段对应的历史弃光电量；第四获取模块，用于获取类出力典型场景的类样本占本类样本的频次；第四计算模块，用于以频次为加权值，计算与每个类出力典型场景对应的类弃光电量。

可选的，光伏电站弃光电量的确定装置还包括：第五计算模块，用于在确定与每个类出力典型场景对应的类弃光电量之后，计算光照数据与预测的光照数据的偏差值和误差概率分布；第五获取模块，用于获取目标时间段内的气象预测数据和目标光伏电站的预测出力；划分模块，用于依据偏差值和误差概率分布，按照预设时间间隔，将气象要素划分为多个误差区间；第三确定模块，用于确定每个误差区间的中心数据和每个误差区间所属的出力典型场景。

上述的光伏电站弃光电量的确定装置还可以包括处理器和存储器，上述获取单元21，第一确定单元22，第二确定单元23，计算单元24，第三确定单元25，第四确定单元26等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来确定在目标时间段内目标光伏电站的弃光电量。

上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质用于存储程序，其中，程序在被处理器执行时控制存储介质所在设备执行上述任意一项的光伏电站弃光电量的确定方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的光伏电站弃光电量的确定方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取目标光伏电站的光照数据和实际出力；对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景；按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；计算每个类出力典型场景在全部出力典型场景中的第一频率；依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。

可选的，上述处理器执行程序时，还可以实现以下步骤：向数据平台发送数据请求；获取数据平台返回的多个数据，其中，多个数据至少包括：目标光伏电站的实际出力、在历史预设时间段内的历史气象数据、在目标时间段的预测气象数据；获取数据平台返回的在历史预测时间段内的光照数据，其中，光照数据至少包括：辐照度、温度。

可选的，上述处理器执行程序时，还可以实现以下步骤：将光照数据作为输入属性，采用预设的聚类算法对各个子时间段的目标光伏电站的实际出力进行聚类分析，得到分析结果；依据分析结果，确定目标光伏电站中的多个出力典型场景，其中，每个出力典型场景对应一子时间段。

可选的，上述处理器执行程序时，还可以实现以下步骤：在按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景之后，按照光照数据，确定每个类出力典型场景的类中心；计算每个出力典型场景的光照数据的变化范围；计算每个出力典型场景在所属的类出力典型场景的出现频数，以确定第二频率。

可选的，上述处理器执行程序时，还可以实现以下步骤：通过样本法，获取目标光伏电站的弃光功率；依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，按照各个子时间段的光照数据，计算与每个子时间段对应的历史弃光电量；获取类出力典型场景的类样本占本类样本的频次；以频次为加权值，计算与每个类出力典型场景对应的类弃光电量。

可选的，上述处理器执行程序时，还可以实现以下步骤：确定与每个类出力典型场景对应的类弃光电量之后，计算光照数据与预测的光照数据的偏差值和误差概率分布；获取目标时间段内的气象预测数据和目标光伏电站的预测出力；依据偏差值和误差概率分布，按照预设时间间隔，将气象要素划分为多个误差区间；确定每个误差区间的中心数据和每个误差区间所属的出力典型场景。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标光伏电站的光照数据和实际出力；对实际出力进行分析，以确定与目标光伏电站对应的多个出力典型场景；按照光照数据，对多个出力典型场景进行分类，确定多个类出力典型场景；计算每个类出力典型场景在全部出力典型场景中的第一频率；依据每个类出力典型场景的实际出力与目标光伏电站的弃光功率，确定与每个类出力典型场景对应的类弃光电量；依据类弃光电量和第一频率，确定在目标时间段内目标光伏电站的弃光电量。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。