光伏发电量的预测方法、装置、电子设备和存储介质与流程

本发明涉及光伏发电的，尤其是涉及一种光伏发电量的预测方法、装置、电子设备和存储介质。

背景技术：

1、光伏发电在如今的日常生活中比重越来越大，作为可再生清洁能源的一种，相比其他可再生能源更易获得，光伏发电引起的产业链涵盖了电池制造、组件制造、安装及维护等一系列环节，为经济发展提供了新的增长点，同时创造了大量的就业机会。光伏发电的普及和推广有助于推动清洁能源产业、促进经济转型。同时，光伏发电量的加大，降低了依赖传统石油、煤炭等非可再生能源会带来能源供应的不稳定性和安全隐患，减少了对能源进口的依赖，提升了能源的自给自足能力，提升了能源安全。作为易获得可再生能源的一种，面临着发电不稳定的情况，与其他可再生能源发电方法相比，光伏发电对气象因素的依赖更为显著。

2、综合，如何根据气象数据对光伏发电量进行准确预测成为目前亟需解决的技术问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种光伏发电量的预测方法、装置、电子设备和存储介质，以缓解现有技术无法根据气象数据对光伏发电量进行准确预测的技术问题。

2、第一方面，本发明实施例提供了一种光伏发电量的预测方法，包括：

3、采用模糊层次分析法对光伏发电站的历史气象数据进行两两比较，得到初始判断矩阵，其中，所述初始判断矩阵中的元素表示各气象要素之间的比重比较结果；

4、对所述初始判断矩阵计算模糊一致性指标，并根据所述模糊一致性指标和查表得到的随机一致性指标确定一致性比率；

5、若所述一致性比率不大于预设阈值，则将所述初始判断矩阵作为优化的判断矩阵；

6、获取所述光伏发电站的当前气象数据，并根据所述当前气象数据和所述优化的判断矩阵计算当前气象程度，其中，所述当前气象程度用于表征所述当前气象数据对光伏发电量的影响程度；

7、采用光伏发电量预测模型对所述当前气象程度进行光伏发电量预测，预测得到当前光伏发电量，其中，所述光伏发电量预测模型为预先训练的gru模型。

8、进一步的，所述方法还包括：

9、若所述一致性比率大于所述预设阈值，则对所述历史气象数据进行预处理，得到预处理后的历史气象数据；

10、根据所述预处理后的历史气象数据确定各气象要素的重要性；

11、根据所述各气象要素的重要性确定相关气象要素；

12、采用所述模糊层次分析法对所述相关气象要素对应的历史数据进行两两比较，得到中间判断矩阵；

13、对所述中间判断矩阵计算新模糊一致性指标，并根据所述新模糊一致性指标和查表得到的随机一致性指标确定新一致性比率；

14、若所述新一致性比率不大于所述预设阈值，则将所述中间判断矩阵作为所述优化的判断矩阵。

15、进一步的，根据所述预处理后的历史气象数据确定各气象要素的重要性，包括：

16、采用随机森林算法对所述预处理后的历史气象数据进行计算，得到所述各气象要素的重要性。

17、进一步的，根据所述当前气象数据和所述优化的判断矩阵计算当前气象程度，包括：

18、根据所述优化的判断矩阵确定各气象要素的占比，其中，所述各气象要素的占比表示对应的气象要素对光伏发电量的影响程度；

19、根据所述各气象要素的占比和所述当前气象数据计算所述当前气象程度。

20、进一步的，根据所述各气象要素的占比和所述当前气象数据计算所述当前气象程度，包括：

21、采用当前气象程度计算算式：气象程度=温度的占比×温度系数×当前大气温度/对照大气温度+湿度的占比×湿度系数×当前大气湿度/对照大气湿度+太阳辐射度的占比×日系数×当前太阳辐射度/对照太阳辐射度+风速的占比×风系数×当前风速/对照风速+空气污浊度的占比×空气系数×当前空气污浊度/对照空气污浊度计算所述当前气象程度。

22、进一步的，所述方法还包括：

23、获取光伏发电站的历史气象数据和所述历史气象数据对应的历史光伏发电量；

24、根据所述历史气象数据和所述优化的判断矩阵计算所述历史气象数据对应的历史气象程度；

25、根据所述历史气象程度和对应的历史光伏发电量对初始gru模型进行训练，得到所述光伏发电量预测模型。

26、进一步的，所述方法还包括：

27、根据所述当前气象程度和实际的当前光伏发电量对所述光伏发电量预测模型进行优化训练，以将优化训练后的光伏发电量预测模型用于后续光伏发电量的预测。

28、第二方面，本发明实施例还提供了一种光伏发电量的预测装置，包括：

29、比较单元，用于采用模糊层次分析法对光伏发电站的历史气象数据进行两两比较，得到初始判断矩阵，其中，所述初始判断矩阵中的元素表示各气象要素之间的比重比较结果；

30、计算和确定单元，用于对所述初始判断矩阵计算模糊一致性指标，并根据所述模糊一致性指标和查表得到的随机一致性指标确定一致性比率；

31、设定单元，用于若所述一致性比率不大于预设阈值，则将所述初始判断矩阵作为优化的判断矩阵；

32、计算单元，用于获取所述光伏发电站的当前气象数据，并根据所述当前气象数据和所述优化的判断矩阵计算当前气象程度，其中，所述当前气象程度用于表征所述当前气象数据对光伏发电量的影响程度；

33、预测单元，用于采用光伏发电量预测模型对所述当前气象程度进行光伏发电量预测，预测得到当前光伏发电量，其中，所述光伏发电量预测模型为预先训练的gru模型。

34、第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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上述第一方面任一项所述的计算方法的步骤。

35、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。

36、在本发明实施例中，提供了一种光伏发电量的预测方法，包括：采用模糊层次分析法对光伏发电站的历史气象数据进行两两比较，得到初始判断矩阵，其中，初始判断矩阵中的元素表示各气象要素之间的比重比较结果；对初始判断矩阵计算模糊一致性指标，并根据模糊一致性指标和查表得到的随机一致性指标确定一致性比率；若一致性比率不大于预设阈值，则将初始判断矩阵作为优化的判断矩阵；获取光伏发电站的当前气象数据，并根据当前气象数据和优化的判断矩阵计算当前气象程度，其中，当前气象程度用于表征当前气象数据对光伏发电量的影响程度；采用光伏发电量预测模型对当前气象程度进行光伏发电量预测，预测得到当前光伏发电量，其中，光伏发电量预测模型为预先训练的gru模型。通过上述描述可知，本发明的光伏发电量的预测方法中，通过优化的判断矩阵中的元素准确的表示各气象要素之间的比重比较结果，进而根据该准确的优化的判断矩阵和当前气象数据计算用于表征当前气象数据对光伏发电量的影响程度的当前气象程度，最终再采用光伏发电量预测模型对当前气象程度进行光伏发电量预测，预测得到的当前光伏发电量准确。上述过程中，由于优化的判断矩阵中的元素能准确表示各气象要素之间的比重比较结果，进而基于该优化的判断矩阵得到的用于表征当前气象数据对光伏发电量的影响程度的当前气象程度的准确性好，最终预测得到的当前光伏发电量的精度高，另外，光伏发电量预测模型为gru模型，能更好的建立气象数据与光伏发电量之间的长期依赖关系，进一步提升了预测的当前光伏发电量的准确性，缓解了现有技术无法根据气象数据对光伏发电量进行准确预测的技术问题。