基于优化级联的分布式光伏功率预测方法及系统

本发明涉及光伏功率预测，尤其涉及一种基于优化级联的分布式光伏功率预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、在能源格局重构和转型的背景下，提高可再生能源尤其是太阳能的有效利用率至关重要。集中式太阳能光伏发电是太阳能最重要的应用途径之一，然而，太阳能天然存在的波动性和随机性导致光伏输出功率不稳定，进而影响太阳能利用率。因此，研究光伏功率概率性分布规律与高精度的预测算法格外重要。

3、现有的光伏功率预测技术中，单一的预测算法在预测精度和可靠性方面仍不尽人意，因此需要结合多种算法组合得到精度更高、可靠性更好的混合模型来对光伏出力情况进行预测。传统的预测方法主要基于物理模型和统计模型，利用天气数据、系统参数和模型假设等进行预测，而这一方法往往需要大量的系统参数和天气数据，并且在复杂气象条件下预测效果有限，对数据和参数的要求较高。随着机器学习技术的快速发展，目前基于机器学习的光伏功率预测方法逐渐成为研究热点。机器学习方法能够通过学习历史数据和建立非线性模型，捕捉光伏功率与气象条件之间的复杂关系，然而，由于光伏功率预测受到多种外界因素的影响，数据量较大，现有的基于机器学习的光伏功率预测方法中，通过搭建的简化模型难以捕捉大量数据中的细微变化，而且由于地理位置和时间变化等多种因素的影响，现有模型无法考虑多个时间、空间输入变量，导致现有模型的预测性能较差。

技术实现思路

1、为解决上述现有技术的不足，本发明提供了一种基于优化级联的分布式光伏功率预测方法及系统，将核密度估计、catboost算法、优化级联结合，通过核密度估计对集中式光伏功率的分布概率进行预测，利用catboost算法预测光伏功率，并结合优化级联，根据集中式光伏功率预测值获取分布式光伏功率预测值，提高光伏功率预测的精确性。

2、第一方面，本公开提供了一种基于优化级联的分布式光伏功率预测方法。

3、一种基于优化级联的分布式光伏功率预测方法，包括：

4、获取集中式光伏电站和分布式光伏电站的历史光伏功率；

5、基于历史光伏功率，计算集中式和分布式光伏电站之间的皮尔逊相关系数，建立集中式光伏功率与分布式光伏功率的线性相关模型；

6、将预测日的气象数据输入至基于kde-catboost的集中式光伏功率预测模型中，输出集中式光伏功率预测值；所述集中式光伏功率预测模型利用adam优化算法训练得到，输入的气象数据通过核密度估计法，输出光伏功率分布概率预测结果，基于光伏功率分布概率预测结果，利用catboost算法，输出光伏功率预测值；

7、根据集中式光伏功率预测值和线性相关模型，获得分布式光伏功率预测值。

8、第二方面，本公开提供了一种基于优化级联的分布式光伏功率预测系统，包括：

9、数据获取模块，用于获取集中式光伏电站和分布式光伏电站的历史光伏功率；

10、线性相关模型构建模块，用于基于历史光伏功率，计算集中式和分布式光伏电站之间的皮尔逊相关系数，建立集中式光伏功率与分布式光伏功率的线性相关模型；

11、集中式光伏功率预测模型，用于将预测日的气象数据输入至基于kde-catboost的集中式光伏功率预测模型中，输出集中式光伏功率预测值；所述集中式光伏功率预测模型利用adam优化算法训练得到，输入的气象数据通过核密度估计法，输出光伏功率分布概率预测结果，基于光伏功率分布概率预测结果，利用catboost算法，输出光伏功率预测值；

12、分布式光伏功率预测模型，用于根据集中式光伏功率预测值和线性相关模型，获得分布式光伏功率预测值。

13、第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

14、第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

15、以上一个或多个技术方案存在以下有益效果：

16、1、本发明提供了一种基于优化级联的分布式光伏功率预测方法及系统，使用adam优化器对catboost算法与核密度估计算法进行优化，通过计算每个参数的梯度并利用adam算法进行参数更新，加速模型的收敛并提高预测性能；通过adam算法自适应调整学习率，能够更好地处理光伏功率数据中的不同尺度和变化情况，从而更准确地预测光伏功率。

17、2、本发明中，联合catboost算法与核密度估计法的优势，构建基于kde-catboost的光伏功率预测模型，训练得到最优预测模型，实现更准确的光伏功率预测结果。

18、3、本发明通过皮尔逊相关系数和lasso回归算法将集中式光伏功率与分布式光伏功率建立级联，通过集中式光伏功率的精确预测值，实现对分布式光伏功率的准确预测。

技术特征：

1.一种基于优化级联的分布式光伏功率预测方法，其特征是，包括：

2.如权利要求1所述的基于优化级联的分布式光伏功率预测方法，其特征是，所述基于kde-catboost的集中式光伏功率预测模型的训练过程包括：

3.如权利要求2所述的基于优化级联的分布式光伏功率预测方法，其特征是，对预处理后的数据进行特征分析，所述特征分析包括特征选择、特征变换和特征构建；

4.如权利要求3所述的基于优化级联的分布式光伏功率预测方法，其特征是，所述类别型特征为春季，所述有效气象特征包括总辐射、直辐射、散辐射、温度、环境温度、气压、环境湿度以及光伏功率。

5.如权利要求2所述的基于优化级联的分布式光伏功率预测方法，其特征是，利用adam优化器对所述光伏功率分布概率预测模型进行优化处理，包括：

6.一种基于优化级联的分布式光伏功率预测系统，其特征是，包括：

7.如权利要求6所述的基于优化级联的分布式光伏功率预测系统，其特征是，所述基于kde-catboost的集中式光伏功率预测模型的训练过程包括：

8.如权利要求7所述的基于优化级联的分布式光伏功率预测系统，其特征是，利用adam优化器对所述光伏功率分布概率预测模型进行优化处理，包括：

9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-5中任一项所述的一种基于优化级联的分布式光伏功率预测方法的步骤。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-5中任一项所述的一种基于优化级联的分布式光伏功率预测方法的步骤。

技术总结
本发明公开了一种基于优化级联的分布式光伏功率预测方法及系统，该方法包括：获取集中式光伏电站和分布式光伏电站的历史光伏功率；基于历史光伏功率，计算集中式和分布式光伏电站之间的皮尔逊相关系数，建立集中式光伏功率与分布式光伏功率的线性相关模型；将预测日的气象数据输入至基于KDE‑CatBoost的集中式光伏功率预测模型中，输出集中式光伏功率预测值；所述集中式光伏功率预测模型利用Adam优化算法训练得到，输入的气象数据通过核密度估计法，输出光伏功率分布概率预测结果，再利用CatBoost算法输出光伏功率预测值；根据集中式光伏功率预测值和线性相关模型，获得分布式光伏功率预测值，提高了功率预测的精确性。

技术研发人员：史洁,刘宝勇,王潇晨,唐亮,李康辉,崔承帅,范国庆
受保护的技术使用者：济南大学
技术研发日：
技术公布日：2024/2/6