本发明涉及电力系统新能源发电功率预测领域，特别涉及一种新能源光伏短期功率预测方法、系统。
背景技术：
1、中国光伏能源正在大规模接入电网光伏发电受天气因素复杂性和无序性影响，光伏能源直接并入电网系统将会威胁配网调度运行的安全稳定。因此，有必要对光伏发电功率进行精准有效的预测。
2、如公开号为cn117035184a的中国专利申请记载的基于k-means++与bilstm的分布式光伏短期功率预测方法及装置，该专利申请通过首先依据光伏电站属地气候特点将光伏出力数据进行季节标识，并通过k-means++聚类划分区域内不同季节的分布式光伏电站群，使每个电站群内的气象具有一致性；然后使用bilstm对群内的多个光伏电站同时进行预测，以提升大规模分布式光伏电站群短期功率预测精度。
3、上述技术虽然一定程度上实现了对光伏发电功率进行精准有效的预测。但是光伏功率预测中的条件分布会随着时间的推移而变化，因此由于数据流的变化，从而产生概念漂移(drift detector)的问题，导致原始预测模型的映射关系随着时间的推移变得不那么准确。
4、本申请旨在建立一种新能源光伏短期功率预测方法、系统，以解决上述问题。
技术实现思路
1、为了实现根据本发明的上述目的和其他优点，本发明的第一目的是提供一种新能源光伏短期功率预测方法，包括如下步骤：
2、获取分布式光伏电站群的历史多维参数时序数据；多维参数时序数据包括功率数据和气象数据；
3、根据所获取的历史多维参数时序数据，通过神经网络训练一个第一功率预测模型；第一功率预测模型用于光伏短期功率的最终预测；
4、训练一个轻量级的第二功率预测模型；第二功率预测模型用于预测光伏短期功率；
5、将历史多维参数时序数据输入至第一功率预测模型和第二功率预测模型，通过滑动时间窗口判断第一功率预测模型是否出现概念漂移。
6、在一优选方案中，获取分布式光伏电站群的历史多维参数时序数据，具体包括步骤：
7、获取分布式光伏电站群的历史功率数据和历史气象数据；
8、对历史功率数据和历史气象数据进行缺失数据补全处理和数据归一化处理以获得多维时间序列数据。
9、在一优选方案中，第二功率预测模型是基于第一预测网络通过知识蒸馏的方式训练一个轻量级的预测模型；第二功率预测模型在训练过程中没有进行数据优化。
10、在一优选方案中，通过滑动时间窗口判断是否出现概念漂移，具体包括步骤：
11、设定时间窗口的长度为t；
12、在历史多维参数时序数据中截取最近t个时间节点的时序数据输入时间窗口；
13、将时间窗口内的时序数据输入至第一功率预测模型和第二功率预测模型以判断当前时间窗口是否出现概念漂移。
14、在一优选方案中，将时间窗口内的时序数据输入至第一功率预测模型和第二功率预测模型以判断当前时间窗口是否出现概念漂移，具体包括步骤：
15、将时间窗口内的时序数据输入至第一功率预测模型以输出时间窗口下一时刻的第一光伏功率预测值；
16、将时间窗口内的时序数据输入至第二功率预测模型以输出时间窗口下一时刻的第二光伏功率预测值；
17、获取以时间窗口下一时刻的实时多维参数数据；其中实时功率数据为光伏功率实际值；
18、根据第一光伏功率预测值、第二光伏功率预测值和光伏功率实际值得到第一功率预测模型的预测误差ε1和第二功率预测模型的预测误差ε2；
19、根据预测误差ε1和预测误差ε2的大小关系判断当前时间窗口是否出现概念漂移；其中，若ε2＜ε1则判定当前时间窗口出现概念漂移，若ε2≥ε1则判定当前时间窗口未出现概念漂移。
20、在一优选方案中，若当前时间窗口未出现概念漂移，还包括步骤：
21、将时间窗口向下一时刻滑动；其中，滑动后的时间窗口内的数据包括在历史多维参数时序数据中截取最近t-1个时间节点的时序数据和1个实时多维参数数据；
22、将时间窗口内的时序数据输入至第一功率预测模型和第二功率预测模型以判断当前时间窗口是否出现概念漂移。
23、在一优选方案中，若当前时间窗口出现概念漂移，还包括步骤：
24、获取当前时间窗口后的k个时间节点的时序数据；
25、将当前时间窗口t个时间节点的时序数据和时间窗口后的k个时间节点的时序数据输入第一功率预测模型进行训练以更新第一功率预测模型；
26、将时间窗口向下一时刻滑动；其中，滑动后的时间窗口内的数据包括在历史多维参数时序数据中截取最近t-1个时间节点的时序数据和1个实时多维参数数据；
27、将时间窗口内的时序数据输入至第一功率预测模型和第二功率预测模型以判断当前时间窗口是否出现概念漂移。
28、本发明的第二目的是提供一种新能源光伏短期功率预测系统，包括：
29、光伏数据获取单元，用于获取分布式光伏电站群的历史多维参数时序数据；多维参数时序数据包括功率数据和气象数据；
30、第一模型训练单元，用于通过神经网络训练一个第一功率预测模型；第一功率预测模型用于光伏短期功率的最终预测；
31、第二模型训练单元，用于训练一个轻量级的第二功率预测模型；第二功率预测模型用于预测光伏短期功率；
32、概念漂移判断单元，用于将历史多维参数时序数据输入至第一功率预测模型和第二功率预测模型，通过滑动时间窗口判断第一功率预测模型是否出现概念漂移。
33、本发明的第三目的是提供一种计算机可读存储介质，其上存储有程序指令，所述程序指令被执行时实现新能源光伏短期功率预测方法。
34、本发明的第四目的是提供一种电子设备，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现新能源光伏短期功率预测方法。
35、与现有技术相比，本发明的有益效果是：
36、本发明涉及新能源光伏短期功率预测方法，在训练一个用以进行光伏功率的预测的大型稳定的神经网络模型的基础上训练了另一个更加轻量化的且没有参数优化的比较模型，利用两个不同模型的预测误差判定预测模型是否存在概念漂移；通过概念漂移的判定从而可以更加有效的对预测模型进行优化。
37、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
1.一种新能源光伏短期功率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种新能源光伏短期功率预测方法，其特征在于，获取分布式光伏电站群的历史多维参数时序数据，具体包括步骤：
3.根据权利要求1所述的一种新能源光伏短期功率预测方法，其特征在于，所述第二功率预测模型是基于第一预测网络通过知识蒸馏的方式训练一个轻量级的预测模型；所述第二功率预测模型在训练过程中没有进行数据优化。
4.根据权利要求1所述的一种新能源光伏短期功率预测方法，其特征在于，通过滑动时间窗口判断是否出现概念漂移，具体包括步骤：
5.根据权利要求4所述的一种新能源光伏短期功率预测方法，其特征在于,将所述时间窗口内的时序数据输入至第一功率预测模型和第二功率预测模型以判断当前时间窗口是否出现概念漂移，具体包括步骤：
6.根据权利要求5所述的一种新能源光伏短期功率预测方法，其特征在于，若当前时间窗口未出现概念漂移，还包括步骤：
7.根据权利要求5所述的一种新能源光伏短期功率预测方法，其特征在于，若当前时间窗口出现概念漂移，还包括步骤：
8.一种新能源光伏短期功率预测系统，其特征在于，包括：
9.一种电子设备，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-7任一项所述的方法步骤。
10.一种存储介质，其上存储有计算机指令；其中，该计算机指令被处理器执行时实现权利要求1-7任一项所述的方法步骤。