一种分布式光伏发电功率预测系统及方法与流程

本发明属于电力能源，具体的说是一种分布式光伏发电功率预测系统及方法。

背景技术：

1、目前，分布式光伏发电功率预测是指通过一定的方法和技术，对分布式光伏发电系统在未来一段时间内的发电功率进行预测，这种预测有助于电网调度、电力系统管理以及光伏发电设备的优化运行，分布式光伏发电功率预测主要依赖于光伏发电系统的特性以及气象因素，如太阳辐照度、温度、湿度等；

2、例如公开号为cn116667318a的中国专利中公开一种光伏发电功率预测方法，属于电力能源技术领域。其包括以下步骤：获取光伏电站的原始气象数据和光伏出力数据；计算光伏电站的原始气象数据和光伏出力数据中历史功率数据的平均值、标准差、偏态系数和峰度作为改进k-means算法的输入因子，采用改进k-means算法对该输入因子进行聚类分析，计算不同聚类类别中气象数据与发电功率的相关度；将与发电功率相关度大于0.6的气象数据作为预测模型的输入因子输入attention-lstm模型，训练模型获取最优参数，输出最终预测结果。基于改进k-means聚类和attention-lstm网络模型能够很好地提高光伏功率预测的精度，具有工程应用价值；

3、同时例如在公开号为cn114825328a的中国专利中提供一种短期光伏发电功率预测方法及系统，包括：获取原始气象数据序列及光伏发电功率数据序列，对原始气象数据序列进行归一化处理；对光伏发电功率数据序列进行分解，得n组本征模态函数分量及残差分量；对n组本征模态函数分量及残差分量进行归一化处理，再将n组本征模态函数分量及残差分量的归一化处理结果及原始气象数据序列的归一化处理结果输入到训练后的bigru模型中，得短期光伏发电功率的预测结果，该方法及系统能够准确预测短期光伏发电功率。

4、以上专利均存在本背景技术提出的问题：现有技术在进行光伏发电功率预测时通常要对光伏发电的以往运行数据进行采集和分析，现有技术无法快速对大量的数据进行准确的数据清洗和筛选，进行恶劣环境(如大风)影响下的光伏发电功率预测的预测精度不高，现有技术中均存在上述问题，为了解决这些问题，本技术设计了一种分布式光伏发电功率预测系统及方法。

技术实现思路

1、针对现有技术的不足，本发明提出了一种分布式光伏发电功率预测系统及方法，本发明获取历史光伏电站运行过程中的历史运行功率数据和历史气象数据，同时获取历史气象数据对应位置的光伏电站运行损伤数据，将获取的历史运行功率数据和历史气象数据导入数据筛选策略中进行相似场景的筛选，筛选出若干个相似场景，将获取的历史气象数据对应位置的光伏电站运行损伤数据导入运行损伤判断策略中进行气象损伤判断模型的构建，将筛选的若干个相似场景数据和相似场景对应的历史运行功率数据导入发电功率预测策略中进行发电功率的初步预测，将初步预测得到的发电功率导入气象损伤判断模型中进行发电功率预测值的最终导出，基于相似场景的获取和气象损伤判断模型的构建，避免了无关数据的干扰，提高了对复杂天气条件下的光伏发电功率预测精度。

2、为实现上述目的，本发明提供如下技术方案：

3、一种分布式光伏发电功率预测方法，其包括以下具体步骤：

4、s1、获取历史光伏电站运行过程中的历史运行功率数据和历史气象数据，同时获取历史气象数据对应位置的光伏电站运行损伤数据；

5、s2、将获取的历史运行功率数据和历史气象数据导入数据筛选策略中进行相似场景的筛选，筛选出若干个相似场景；

6、s3、将获取的历史气象数据对应位置的光伏电站运行损伤数据导入运行损伤判断策略中进行气象损伤判断模型的构建；

7、s4、将筛选的若干个相似场景数据和相似场景对应的历史运行功率数据导入发电功率预测策略中进行发电功率的初步预测；

8、s5、将初步预测得到的发电功率导入气象损伤判断模型中进行发电功率预测值的最终导出。

9、具体的，所述s1包括以下具体步骤：

10、s11、通过气象采集模组采集光伏电站区域的历史时刻气象数据，其中，气象数据包括辐射照度、风力大小、降水量、温度和湿度，同时获取对应历史时刻的光伏电站运行的历史运行功率数据；

11、s12、通过设备检修的运行记录，提取在历史气象数据影响下对应位置的光伏电站运行损伤数据，运行损伤数据包括损伤的光伏发电模组的个数；

12、s13、将历史气象数据作为第一维向量形式，历史运行功率数据作为第二维向量形式，将历史运行损伤数据作为第三维向量形式，将历史气象数据、历史运行功率数据和历史运行损伤数据以三维向量的方式进行储存并传输。

13、具体的，所述s2中数据筛选策略的具体内容如下：

14、s21、设定监测的时间间隔，获取储存的历史气象数据和历史运行功率数据，提取历史气象数据中各个监测时间间隔的辐射照度、温度和湿度数据，同时提取本次时间间隔中天气预报的天气数据中的辐射照度、温度和湿度数据，同时获取对应历史气象数据中各个监测时间的历史运行功率数据；

15、s22、将历史气象数据中各个监测时间间隔的辐射照度、温度和湿度数据和本次时间间隔中天气预报的天气数据中的辐射照度、温度和湿度数据导入差异值计算公式中进行差异值计算，差异值计算公式为：

16、其中，ai为天气数据中的辐射照度、温度和湿度数据中第i项的占比系数，ki为历史气象数据中各个监测时间间隔的辐射照度、温度和湿度数据中的第i项数据，k′i为本次时间间隔中天气预报的天气数据中的辐射照度、温度和湿度数据中第i项数据，其中，

17、s23、提取计算得到的历史各监测时间间隔的差异值与设定的差异阈值进行比较，将差异值小于等于设定的差异阈值的对应历史监测时间间隔的监测场景设为相似场景，将差异值大于设定的差异阈值的对应历史监测时间间隔的监测场景不设为相似场景，这里的ai和差异阈值的取值过程为，取500组与额定输出功率相差在百分之五范围内的对应历史监测时间间隔的监测场景，将监测场景的数据代入差异值计算公式进行计算得到差异值代入拟合软件中进行数据的拟合得到符合准确率的ai和差异阈值的取值。

18、具体的，所述s3中的损伤判断策略的具体内容为：

19、获取历史气象数据中的风力大小数据和持续时间数据、对应位置光伏电站的运行损伤数据，将历史气象数据中的风力大小数据和持续时间数据、对应位置光伏电站的运行损伤数据代入损伤判断公式中进行气象损伤判断模型的构建，其中，损伤判断公式为：

20、其中，q为气象损伤判断数据，q1为历史气象数据对应的气象损伤判断数据，t1为历史气象数据中超过设定风力的持续时间，t为本次气象数据中超过设定风力的持续时间，f1为历史气象数据中平均风力，f为本次气象数据中的平均风力，v1为历史气象数据中的最大风力，v为本次气象数据中的最大风力，λ1为持续时间占比系数，λ2为平均风力占比系数，λ3为最大风力占比系数，其中，λ1+λ2+λ3＝1。

21、具体的，所述s4中的发电功率预测策略包括以下具体步骤：

22、s41、获取筛选的若干个相似场景数据和相似场景对应的历史运行功率数据,其中，相似场景数据包括辐射照度、温度和湿度数据，构建输入为辐射照度、温度和湿度数据，输出为运行功率数据的深度学习神经网络模型；

23、s42、将提取的若干个相似场景数据和相似场景对应的历史运行功率数据分为70％的参数训练集和30％的参数测试集；将70％的参数训练集输入深度学习神经网络模型进行训练，以得到初始深度学习神经网络模型；利用30％的参数测试集对初始深度学习神经网络模型进行测试，输出满足运行功率数据准确度的最优初始深度学习神经网络模型作为深度学习神经网络模型，其中，深度学习神经网络模型中的特定神经元的输出策略公式为：

24、其中为n层s项神经元的输出，为第n-1层神经元i与n层s项神经元的连接权重，代表第n-1层神经元i的输出，代表第n层神经元i与n-1层s神经元的线性关系的偏置，σ()代表sigmoid激活函数，m为n-1层神经元的项数；

25、s43、获取本次气象数据，导入构建的深度学习神经网络模型中输出发电功率的初步预测值w。

26、具体的，所述s5包括以下具体内容：

27、获取本次气象数据中的风力大小数据和持续时间数据导入气象损伤判断模型中进行气象损伤判断数据的计算，将计算得到的气象损伤判断数据和发电功率的初步预测值导入发电功率预测值计算公式中进行预测值的计算，其中，发电功率预测值计算公式为：

28、其中，qz为对应位置光伏电站的整体光伏组件数量。

29、具体的，一种分布式光伏发电功率预测系统，其基于上述一种分布式光伏发电功率预测方法实现，其具体包括：数据获取模块、相似场景判断模块、气象损伤判断模型构建模块、发电功率初步预测模块、发电功率输出模块和控制模块，所述数据获取模块用于获取历史光伏电站运行过程中的历史运行功率数据和历史气象数据，同时获取历史气象数据对应位置的光伏电站运行损伤数据，所述相似场景判断模块用于将获取的历史运行功率数据和历史气象数据导入数据筛选策略中进行相似场景的筛选，筛选出若干个相似场景，所述气象损伤判断模型构建模块用于将获取的历史气象数据对应位置的光伏电站运行损伤数据导入运行损伤判断策略中进行气象损伤判断模型的构建。

30、具体的，所述发电功率初步预测模块用于将筛选的若干个相似场景数据和相似场景对应的历史运行功率数据导入发电功率预测策略中进行发电功率的初步预测，所述发电功率输出模块用于将初步预测得到的发电功率导入气象损伤判断模型中进行发电功率预测值的最终导出，所述控制模块用于控制数据获取模块、相似场景判断模块、气象损伤判断模型构建模块、发电功率初步预测模块、发电功率输出模块的运行。

31、具体的，一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

32、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种分布式光伏发电功率预测方法。

33、具体的，一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种分布式光伏发电功率预测方法。

34、与现有技术相比，本发明的有益效果是：

35、本发明获取历史光伏电站运行过程中的历史运行功率数据和历史气象数据，同时获取历史气象数据对应位置的光伏电站运行损伤数据，将获取的历史运行功率数据和历史气象数据导入数据筛选策略中进行相似场景的筛选，筛选出若干个相似场景，将获取的历史气象数据对应位置的光伏电站运行损伤数据导入运行损伤判断策略中进行气象损伤判断模型的构建，将筛选的若干个相似场景数据和相似场景对应的历史运行功率数据导入发电功率预测策略中进行发电功率的初步预测，将初步预测得到的发电功率导入气象损伤判断模型中进行发电功率预测值的最终导出，基于相似场景的获取和气象损伤判断模型的构建，避免了无关数据的干扰，提高了对复杂天气条件下的光伏发电功率预测精度。