一种光伏功率预测方法

本发明涉及数据处理，特别是涉及一种光伏功率预测方法。

背景技术：

1、随着光伏容量的不断增大，光伏发电功率的随机性、波动性和间歇性给电力系统的安全稳定运行造成了严重的危害，大规模发展光伏发电给电能质量、电力调度带来了巨大挑战。通过对云图特征进行研究以预测光伏功率，对电力系统的安全稳定运行具有重要意义。

2、云是造成光伏发电功率波动的重要因素，云的运动与演进变化会造成光伏发电功率剧烈波动，随着全天空成像仪设备的普及以及图像处理技术的发展，地基云图为光伏发电功率预测提供了新思路，相关研发人员通过历史地基云图对太阳辐射系数建模评估，从而实现光伏功率预测，但是这只是对历史时刻的云图信息进行建模，无法对充分利用实时的云图特征信息，导致光伏功率预测的准确度较差。

技术实现思路

1、本发明的目的在于提供一种光伏功率预测方法，以解决现有技术无法对充分利用实时的云图特征信息，导致光伏功率预测的准确度较差的问题。

2、一种光伏功率预测方法，包括：

3、步骤s1，获取实时的地基云图数据，采用时间卷积网络从地基云图数据中提取云图特征，所述云图特征包括云覆盖面、云量系数、边缘面积度量和云图透光率；

4、步骤s2，使用变分模态分解算法将历史光伏功率分解成多组不同特征的模态分量，将模态分量和所述云图特征组合，构成模型重构输入特征数据；

5、步骤s3，将模型重构输入特征数据输入至改进的基于pyraformer模型的预测网络中，得到光伏功率预测结果，其中，所述预测网络在pyraformer模型的基础上，在金字塔注意力模块和前馈神经网络之间加入i-pyra模块，其中金字塔注意力模块与i-pyra模块之间连接有第一正则化层和残差结构，i-pyra模块与前馈神经网络之间连接有第二正则化层和全连接层，残差结构之间通过采用1×1卷积层跳跃连接实现映射。

6、根据本发明提供的光伏功率预测方法，通过获取实时的地基云图数据，采用时间卷积网络从地基云图数据中提取云图特征，然后使用变分模态分解算法将历史光伏功率分解成多组不同特征的模态分量，通过将模态分量和云图特征组合，构成模型重构输入特征数据，最后将模型重构输入特征数据输入至改进的基于pyraformer模型的预测网络中，得到光伏功率预测结果，本发明能够充分利用实时的云图特征信息、以及云图特征信息与光伏功率之间的关系，提升了光伏功率预测的准确度，此外，本发明的预测网络在pyraformer模型的基础上，在金字塔注意力模块和前馈神经网络之间加入i-pyra模块，能够更好的捕获特征信息，增强了云图特征区域提取能力，能够进一步提升光伏功率预测的准确度。

技术特征：

1.一种光伏功率预测方法，其特征在于，包括：

2.根据权利要求1所述的光伏功率预测方法，其特征在于，步骤s1具体包括：

3.根据权利要求2所述的光伏功率预测方法，其特征在于，步骤s1中，云覆盖面通过下式计算：

4.根据权利要求3所述的光伏功率预测方法，其特征在于，步骤s2具体包括：

5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述金字塔注意力模块的注意力层数、注意力头数、批量大小分别设置为固定值2、2、6。

6.根据权利要求5所述的光伏功率预测方法，其特征在于，步骤s3中，将模型重构输入特征数据输入至改进的基于pyraformer模型的预测网络中，得到光伏功率预测结果，具体包括：

7.根据权利要求6所述的光伏功率预测方法，其特征在于，所述粗粒度构造模块采用具有三个全连接注意力层的解码器，且注意层数为4、总尺度数量为8、节点能够关注到的相同模式的相邻节点数为2。

技术总结
本发明公开了一种光伏功率预测方法，该方法通过获取实时的地基云图数据，采用时间卷积网络从地基云图数据中提取云图特征，然后使用变分模态分解算法将历史光伏功率分解成多组不同特征的模态分量，通过将模态分量和云图特征组合，构成模型重构输入特征数据，最后将模型重构输入特征数据输入至改进的基于Pyraformer模型的预测网络中，得到光伏功率预测结果，本发明能够充分利用实时的云图特征信息、以及云图特征信息与光伏功率之间的关系，提升了光伏功率预测的准确度，本发明的预测网络在金字塔注意力模块和前馈神经网络之间加入i‑Pyra模块，能够更好的捕获特征信息，增强了云图特征区域提取能力，进一步了提升光伏功率预测的准确度。

技术研发人员：邓芳明,童杰,李泽文,高波,曾建军,韦宝泉,薛宪法,李黎,潘剑,于小四
受保护的技术使用者：华东交通大学
技术研发日：
技术公布日：2024/5/8