一种光伏发电预测方法、装置、设备及存储介质与流程

1.本技术涉及光伏发电领域，尤其涉及一种光伏发电预测方法、装置、设备及存储介质。


背景技术：

2.光伏组件是一种可以将光能转化为电能的装置。随着清洁能源越来越被重视，光伏产业作为一种低碳、可再生能源，正在世界范围内蓬勃发展，各国光伏发电站的安装量逐年增长。
3.在预建立光伏发电站时，首先需要对光伏发电站的发电量进行预测，相关技术中，通常参照根据安装地点周边已有光伏发电站的发电量对预建立的光伏发电站进行发电量的大致估测，或者采用一定的历史数据或历史特征，进行数据建模预测。
4.然而，在光伏发电的预测中，该问题与天气数据有强相关性，同时具备以天为单位的强周期性与趋势性。因此，单纯采用以天为单位的周期性建模方式或者单纯采用以天气数据为特征历史特征的建模方式，都无法完整利用数据得到可靠的预测结果，导致预测结果不准确，不能满足光伏发电预测的生产需要。因此，亟需一种光伏发电预测方法，能够将天气因素与时间因素统筹考量，以提高光伏发电预测的准确性。


技术实现要素：

5.本技术实施例提供了一种光伏发电预测方法、装置、设备及介质，用以解决现有的光伏发电预测方法不准确，不能满足光伏发电预测的生产需要技术问题。
6.第一方面，本技术实施例提供了一种光伏发电预测方法，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，并计算发电量历史预测值与历史发电量的残差；使用历史天气数据对残差建立残差回归模型；根据时间序列预测模型，确定待预测时间点的发电量初预测值；根据残差回归模型，确定残差预测值；根据发电量初预测值与残差预测值，确定发电量预测值。
7.在本技术实施例中，既考虑了历史时间点与历史发电量的关联规律，同时，又考虑了天气数据对发电量的影响，将天气数据用于对时间因素的预测结果残差进行残差回归，从而结合了时间因素与天气因素两种发电量影响因素，进而全面利用历史发电量数据，提高了光伏发电量的预测准确度。
8.在本技术的一个实施例中，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：对历史发电量数据进行时间序列分解，将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，趋势量为历史发电量随时间成趋势性变化的分量，周期量为历史发电量随时间成周期性变化的分量，随机量为历史发电量除趋势量、周期量之外的剩余分量。
9.本技术实施例将时间因素分解为趋势量、周期量和随机量三个分量，依次来对历
史发电量与时间的关系进行拟合，一方面提高了发电量与时间规律拟合的准确性，另一方面设置的随机量这一分量，与因天气变化产生的波动具有较高的一致性，从而便于使用天气数据对残差进行拟合。
10.在本技术的一个实施例中，时间序列预测模型，还包括：对趋势量进行多项式拟合，确定趋势-时间多项式函数；根据趋势-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；将所预测时间点的趋势预测值与周期量预测值，以及随机量的平均值相加，得到时间序列预测模型的预测结果。
11.在本技术实施例中，周期量是随时间周期性变化的分量，可以根据周期情况直接得到对应时间点的周期量；而随机量是历史发电量除趋势量以及周期量之外的残差分量，其无法根据时间性规律进行预测，因此在时间拟合的模型中，仅需直接考虑随机量的平均值，即可得到根据时间性规律模型的预测结果。
12.在本技术的一个实施例中，时间序列分解具体为：使用stl算法进行时间序列分解。
13.在本技术的一个实施例中，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。
14.在本技术的一个实施例中，使用历史天气数据对残差建立残差回归模型，具体为基于决策树算法建立残差回归模型。
15.在本技术的一个实施例中，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；周期量的变化周期为4周。
16.第二方面，本技术实施例提供了一种光伏发电预测装置，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，并计算发电量历史预测值与历史发电量的残差；残差回归模块，用于使用历史天气数据对残差建立残差回归模型；发电量预测模块，用于根据时间序列模型以及残差回归模型，确定发电量预测值。
17.第三方面，本技术实施例提供了一种光伏发电预测设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现如本技术第一方面所提供的方法的步骤。
18.第四方面，本技术实施例提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机程序被处理器执行时实现如本技术第一方面所提供的方法的步骤。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
20.图1为本技术实施例提供的一种光伏发电预测方法流程图；
21.图2为本技术实施例提供的一种光伏发电预测装置示意图；
22.图3为本技术实施例提供的一种光伏发电预测设备示意图。
具体实施方式
23.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
24.太阳光作为一种新能源已经广泛应用于光伏发电产业。在预建立光伏发电站时，首先需要对光伏发电站的发电量进行预测，相关技术中，通常参照根据安装地点周边已有光伏发电站的发电量对预建立的光伏发电站进行发电量的大致估测，或者采用一定的历史数据或历史特征，进行数据建模预测。
25.通常，任意随机变量的时间序列都可以分解为四种成分：水平部分(平均值)、趋势部分(上升或下降)、季节性部分(周期性的重复)，以及剩余的随机扰动，即前三者都没法解释的“杂音”。我们常见的时间序列，根据复杂度的不同，一般上述成分中的一种、两种、三种或四种组合而成。当然，也可以把水平部分当成趋势的特例，或者认为是趋势的一部分。那么，时间序列就可简化为三部分：趋势量、周期量，以及两者之外的随机量。光伏系统的发电量也具有一定的时间性规律，因此，通过对历史发电量的时间序列分解为趋势量、周期量、随机量，可以利用发电量的时间性规律对发电量进行一定程度的预测。
26.但是，上述预测的发电量与真实的历史发电量数值进行对比，仍然存在较大的残差值。因此，本技术实施例在时间序列模型预测的基础上，对时间序列模型预测结果的剩余残差，利用天气数据，建立残差回归模型进行修正，从而实现了以光伏发电量时间序列模型计算结果为基础值，以基于天气数据的残差回归模型计算结果为修正值的光伏发电预测方法，提高了光伏发电预测准确性。
27.具体而言，图1为本技术实施例提供的一种光伏发电预测方法流程图，如图1所示，本技术实施例提供的光伏发电预测方法包括如下步骤：
28.s110:采集多个历史时间点的历史发电量与历史天气数据。
29.s120: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。
30.具体的，在本技术实施例中，构建时间序列预测模型的步骤如下：
31.首先，对过去一个时期内的光伏发电量进行时间序列分解，得到三个分量，分别为：趋势量、周期量和随机量。在本技术的一个实施例中，时间序列分解的方法可以采用stl(seasonal-trend decomposition procedure based on loess)算法，设定一定的周期值，例如周期值可以设为4周或者1个月，进行时间序列分解后，可以直接得到三个分量随时间变化的曲线图，即趋势量-时间曲线、周期量-时间曲线和随机量-时间曲线。
32.对于趋势量部分，需要使用多项式函数拟合进行建模。其中拟合的方式可以为最小二乘法、随机梯度下降等方法。在预测时，只需要将所预测的时间参量带入拟合得出的多项式函数即可得到预测的趋势量。
33.对于周期量部分，由于其在每一个时间周期中均表现出相同的曲线形状，即周期曲线循环重复出现。因此只需确定所预测时间在周期中的位置，即可得到对应的周期量。
34.对于随机量部分，由于每一时刻的随机量是由该时刻发电量减去趋势量与周期量得来的，其表征的是发电量不随时间呈现规律的部分，即随机量在时间序列中不具有规律性，或者说随机量的规律不与时间相关。因此，在时间序列预测模型中，随机量值不以函数
形式考虑，只需考虑随机量的平均值即可。在后续步骤中，再考虑由天气因素导致的随机量变动，通过残差回归加以调整。
35.s130:根据时间序列预测模型，确定多个历史时间点的发电量历史预测值。
36.在本技术的实施例中，利用上述时间序列模型预测数据时，只需要将预测时间代入拟合出的趋势量多项式并加上对应周期量和随机量的均值即可。具体地，在本技术地一个实施例中，对于历史发电量y，平均划分为n份，对于y_n进行时间序列分解，拟合y_n的趋势，然后将y_(n+1)的日期代入拟合的多项式函数、趋势函数，并加上残差的平均值作为y_(n+1)的发电量结果。n从0开始，该过程重复n-1次。
37.s140:计算发电量历史预测值与历史发电量的残差。
38.如上，由于随机量的规律不与时间相关，因此随机量在时间序列预测模型中仅考虑了其平均值，得到的发电量历史预测值与真实的历史发电量必然具有一定的残差。将发电量历史预测值与真实的历史发电量相减，即可得到该时间对应的残差值，不同时间的残差值即反映出了不同时间中不同的随机量影响。由于该随机量主要由天气数据影响，本技术实施例以下根据历史天气数据处理残差回归。
39.s150:使用历史天气数据对残差建立残差回归模型。
40.残差回归模型是使用时间序列分解的预测值与真实值的差值作为训练标签，使用历史天气数据作为训练特征，进行回归建模，回归模型可以为线性回归，决策树回归等方法，在本技术的一个实施例中，具体采用的是lightgbm(light gradient boosting machine)算法框架。回归的目的是将仅依靠历史结果进行预测的时间序列模型进行一步修正，修正的依据是天气数据；同时，在时间序列预测后再进行回归则是避免单独依靠天气进行回归会忽略发电量与时间上的关联性的问题。这种依赖于残差的预测能同时利用两种数据的特点进行互补和修正。具体地，在本技术的一个实施例中，对于历史发电量及其对应的天气数据y和x分别平均分为n份，对于y_n使用时间序列预测模型进行预测，并减去y_n的真实值(ground truth)，得到残差r_n，然后使用x_n的天气数据当做训练数据，r_n当做训练标签训练一个回归模型。n从1开始，该回归模型迭代训练n-1次。
41.在本技术的一个实施例中，天气数据x_n可以为日照时长、光照强度、风力、风向、湿度、云量、前几日降雨量中的一项或多项，对于其中可以定量为数值的数据，如日照时长、光照强度、风力、湿度、前几日降雨量等，可以直接作为训练数据；而对于类别信息，如风向、云量等可以用数字编码、one-hot编码或者dummy编码等编码方式进行标记，作为训练数据。其中，例如风向数据，可以对东南西北四个方向分别用0、1进行标记，0表示该方向无风，1表示该方向有风。
42.s160:根据时间序列预测模型与残差回归模型，确定发电量预测值。
43.具体的，在预测未来发电量时，例如在第n+1次的预测时，先使用时间序列模型进行预测，得到y_(n+1)，然后用天气数据x_(n+1)当成预测数据，得到r_(n+1)，使用y_(n+1)+r_(n+1)作为最终预测结果。
44.在光伏发电过程中，日照时长与光照强度对发电量将产生直接影响。同时，风力、风向、湿度、前几日降雨量等特征与光伏组件积灰程度有关，积灰会造成光伏组件发电效率的降低。例如对于固定角度安装的光伏面板，风力较大时，扬灰会引起光伏表面积灰，若前几日降雨多，则光伏表面积灰被冲刷，发电效率升高；若前几日降雨量小，积灰会粘附在光
伏板，引起发电效率降低。
45.图2为本技术实施例提供的一种光伏发电预测装置示意图，如图所示，本技术实施例还提供了一种光伏发电预测装置，预测装置包括：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，并计算发电量历史预测值与历史发电量的残差；残差回归模块，用于使用历史天气数据对残差建立残差回归模型；发电量预测模块，用于根据时间序列模型以及残差回归模型，确定发电量预测值。
46.图3为本技术实施例提供的一种光伏发电预测设备示意图，如图所示，本技术实施例还提供了一种光伏发电预测设备，设备包括：存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现步骤s110～s160。
47.另一方面，本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机程序被处理器执行时实现步骤s110～s160。该存储介质可以是例如图3所示的存储器。
48.本领域技术人员可以理解，图3示出的设备部署方式并不构成对预测设备结构的具体限定，实际上，设备部署方式可以对各模块的功能进行不同的分配布置。
49.本技术实施例提供的上述光伏发电预测方法、装置、设备及存储介质，首先根据光伏发电量的时间周期变化规律对发电量进行预测，并根据天气对发电量的具体影响规律，构建残差回归模型，从而大幅提高了发电量预测的准确性，以及参考数据的全面性。
50.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备、装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
51.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
52.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。