本发明涉及光伏发电,尤其涉及一种基于模糊推理的光伏发电预测方法和相关设备。
背景技术:
1、光伏预测是一项关键的技术,它可以帮助光伏电站更好地利用太阳能资源,提高发电效率,降低运行成本,保障电网安全稳定。光伏预测的主要目的是根据光伏电站的位置、组件特性等因素,预测未来一段时间内光伏电站的发电量或输出功率。光伏预测的难度在于光伏发电受到多种因素的影响,如太阳辐射、云层遮挡、温度变化、风速风向等,这些因素都具有不确定性和非线性性,导致光伏发电具有随机性和波动性。
2、当前光伏发电的预测仍然缺少一种准确且适应性强的方法。
技术实现思路
1、本发明提供一种基于模糊推理的光伏发电预测方法和相关设备,用以解决现有技术中缺少准确的光伏发电预测方法的缺陷,实现光伏发电的准确预测。
2、本发明提供一种基于模糊推理的光伏发电预测方法,包括:
3、获取训练环境数据和训练光伏数据;
4、对所述训练环境数据进行模糊划分,得到训练环境数据集,对所述训练光伏数据进行模糊划分,得到训练光伏数据集,所述训练环境数据集包括若干对环境数据对,所述环境数据对包括训练环境数据值和每一个所述训练环境数据值对应的环境标签,所述训练光伏数据集包括若干对光伏数据对,所述光伏数据对包括训练光伏数据值和每一个所述训练光伏数据值对应的光伏标签;
5、将所述训练环境数据集输入至预设的神经网络中,并控制所述神经网络对所述训练环境数据集进行预测,得到所述训练环境数据集对应的预测光伏数据集,所述神经网络中包括模糊函数;
6、根据所述预测光伏数据集和所述训练光伏数据集,对所述神经网络进行参数调整,直至所述神经网络收敛,得到光伏预测模型;
7、当获取当前环境数据时,基于所述光伏预测模型,计算所述当前环境数据对应的当前光伏预测值。
8、根据本发明提供的一种基于模糊推理的光伏发电预测方法,所述对所述训练环境数据进行模糊划分,得到训练环境数据集包括:
9、计算每一个所述训练环境数据对应的环境特征向量;
10、根据所述环境特征向量之间的相似度,对所述训练环境数据进行初分类,得到若干个初始环境聚类;
11、对所述初始环境聚类进行相似度计算,得到聚类相似度值;
12、根据所述聚类相似度值,对所述初始环境聚类进行合并,并对合并后的初始环境聚类中的数据进行更新,直至所述初始环境聚类满足预设的停止标准,得到若干个目标环境聚类和所述目标环境聚类对应的环境标签;
13、根据所述目标环境聚类和所述环境标签,生成环境数据对。
14、根据本发明提供的一种基于模糊推理的光伏发电预测方法,所述根据所述环境特征向量之间的相似度,对所述训练环境数据进行初分类,得到若干个初始环境聚类包括:
15、对所述环境特征向量进行拆分,得到所述环境特征向量对应的第一环境比较值和第二环境比较值;
16、计算所述第一环境比较值之间的第一相似度;
17、根据所述第一相似度,对所述环境特征向量进行划分,得到第一聚类;
18、计算所述第一聚类中所述第二环境比较值之间的第二相似度;
19、根据所述第二相似度,对所述环境特征向量进行划分,得到初始环境聚类。
20、根据本发明提供的一种基于模糊推理的光伏发电预测方法,在所述获取训练环境数据和训练光伏数据之前,还包括:
21、获取历史环境数据、更新环境数据、历史光伏数据和更新光伏数据;
22、根据预设的更新周期,对所述更新环境数据和历史环境数据进行抽选,得到训练环境数据;以及,
23、对所述历史光伏数据和所述更新光伏数据进行抽选,得到训练光伏数据。
24、根据本发明提供的一种基于模糊推理的光伏发电预测方法,所述根据预设的更新周期,对所述更新环境数据和历史环境数据进行抽选,得到训练环境数据包括:
25、根据所述更新周期,确定所述更新环境数据和所述历史环境数据中的候选环境数据;
26、将所述候选环境数据与候选环境时间对应的参考环境数据进行比较,确定所述候选环境数据中的异常值,其中,所述候选环境时间为与所述候选环境数据对应的时间;
27、根据所述异常值和所述候选环境时间,对所述候选环境数据进行调整,得到训练环境数据。
28、根据本发明提供的一种基于模糊推理的光伏发电预测方法,所述将所述候选环境数据与候选环境时间对应的参考环境数据进行比较,确定所述候选环境数据中的异常值包括:
29、基于所述参考环境数据,确定预测参数;
30、根据所述参考环境数据和所述预测参数,生成环境预测模型;
31、基于所述环境预测模型,生成所述候选环境时间对应的预测环境数据;
32、对所述预测环境数据和所述候选环境数据进行比较,确定所述候选环境数据中的异常值。
33、根据本发明提供的一种基于模糊推理的光伏发电预测方法,所述将所述训练环境数据集输入至预设的神经网络中,并控制所述神经网络对所述训练环境数据集进行预测,得到所述训练环境数据集对应的预测光伏数据集包括:
34、将所述训练环境数据集输入至所述神经网络的输入层,并控制所述输入层将所述训练环境数据集传输至所述神经网络的隐藏层;
35、控制所述隐藏层中每一个计算节点对所述训练环境数据集进行计算,得到对应的初始值;
36、将所述初始值输入所述模糊函数,并控制所述模糊函数对所述初始值进行模糊计算,得到预测光伏数据;
37、控制所述预测光伏数据传输至所述神经网络的输出层,并控制所述输出层输出。
38、本发明还提供一种基于模糊推理的光伏发电预测装置,包括:
39、获取模块,用于获取训练环境数据和训练光伏数据;
40、划分模块,用于对所述训练环境数据进行模糊划分,得到训练环境数据集,以及,对所述训练光伏数据进行模糊划分,得到训练光伏数据集,所述训练环境数据集包括若干对环境数据对,所述环境数据对包括训练环境数据值和每一个所述训练环境数据值对应的环境标签,所述训练光伏数据集包括若干对光伏数据对,所述光伏数据对包括训练光伏数据值和每一个所述训练光伏数据值对应的光伏标签;
41、输入模块,用于将所述训练环境数据集输入至预设的神经网络中,并控制所述神经网络对所述训练环境数据集进行预测,得到所述训练环境数据集对应的预测光伏数据集,所述神经网络中包括模糊函数;
42、调整模块,用于根据所述预测光伏数据集和所述训练光伏数据集,对所述神经网络进行参数调整,直至所述神经网络收敛,得到光伏预测模型;
43、预测模块,用于当获取当前环境数据时,基于所述光伏预测模型,计算所述当前环境数据对应的当前光伏预测值。
44、本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种基于模糊推理的光伏发电预测方法。
45、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种基于模糊推理的光伏发电预测方法。
46、本发明提供的基于模糊推理的光伏发电预测方法,能够实现更准确的光伏数据预测,为光伏发电系统的功率调度和稳定供电提供重要支撑。本发明通过获取训练环境数据和训练光伏数据,并对其进行模糊划分,得到训练环境数据集和训练光伏数据集。这样充分利用多源信息,还进一步结合环境因素,扩展输入维度,也更全面地反映光伏发电系统的运行状态和影响因素,提高预测的准确性和可靠性。然后将训练环境数据集输入至预设的神经网络中,并控制神经网络对其进行预测,得到预测光伏数据集。然后根据预测光伏数据集和训练光伏数据集,对神经网络进行参数调整,直至神经网络收敛,得到光伏预测模型。这通过充分发挥神经网络的非线性建模能力和模糊推理的人类智能特点,还原人类的直觉与思维,更好地捕获复杂非线性关系。因此最后基于光伏预测模型,计算当前环境数据对应的当前光伏预测值更为精确且具有较高的适应性。