本申请涉及光伏发电,尤其涉及一种光伏发电功率预测方法、装置、设备及存储介质。
背景技术:
1、以风电、光伏发电为代表的新能源技术是当今世界经济社会可持续发展的重要战略,大规模光伏发电的并网使电力系统的形态结构和潮流分布发生了深刻变化。光伏发电存在出力随机波动的特点,给电网的规划、运行、调度和控制带来了严峻挑战,而准确的光伏发电功率预测能够解决上述问题。现有的预测算法在光伏发电功率预测方面均具有自身的局限性,导致预测结果不够精准。因此,如何提高光伏发电功率预测结果的准确度,成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种光伏发电功率预测方法、装置、设备及存储介质,旨在提高光伏发电功率预测结果的准确度。
2、为实现上述目的,本申请实施例的第一方面提出了一种光伏发电功率预测方法,所述方法包括:
3、获取历史发电功率时间序列;
4、获取影响光伏发电的多个目标历史相关变量序列;
5、从所述历史发电功率时间序列中识别出多个目标周期;
6、根据所述目标周期将所述历史发电功率时间序列进行折叠拼接,得到多个二维的历史目标发电功率时间序列;
7、根据多个所述历史目标发电功率时间序列和多个所述目标历史相关变量序列对预设的功率预测模型进行训练,得到目标功率预测模型;
8、通过所述目标功率预测模型、预设时间段内的历史目标发电功率时间序列和目标历史相关变量序列对未来预设时长内的光伏发电功率进行预测,得到多个目标预测功率值。
9、在一些实施例,所述从所述历史发电功率时间序列中识别出多个目标周期,包括:
10、对所述历史发电功率时间序列进行快速傅里叶变换,得到每个候选频率的候选幅度值;
11、从所述候选幅度值中提取选出预设数量的最大幅度值;
12、根据所述预设数量的所述最大幅度值从所述候选频率选出对应的预设数量的选中频率;
13、根据所述预设数量的所述选中频率确定所述多个目标周期。
14、在一些实施例,所述获取影响光伏发电的多个目标历史相关变量序列,包括:
15、获取历史相关变量;其中,所述历史相关变量包括:历史时间信息、历史地理位置信息、历史安装参数信息和历史气象预报信息;
16、基于所述历史时间信息、所述历史地理位置信息、所述历史安装参数信息和所述历史气象预报信息与所述历史发电功率时间序列进行相关性度量,得到相关性度量数据;
17、根据所述相关性度量数据从所述历史时间信息、所述历史地理位置信息、所述历史安装参数信息和所述历史气象预报信息筛选出预设个数对光伏发电功率有影响的历史相关变量,得到多个候选历史相关变量;
18、根据多个所述候选历史相关变量构建多个目标历史相关变量序列。
19、在一些实施例,所述根据多个所述候选历史相关变量构建多个目标历史相关变量序列,包括:
20、将所述候选历史相关变量采用同变量不同时间步的方式进行表示,得到多个所述目标历史相关变量序列。
21、在一些实施例,所述功率预测模型包括特征提取模块和预测模块,根据多个所述历史目标发电功率时间序列和多个所述目标历史相关变量序列对预设的功率预测模型进行训练,得到目标功率预测模型,包括:
22、将多个所述目标历史相关变量序列输入至所述特征提取模块进行特征提取,得到变量特征表示;
23、将多个所述历史目标发电功率时间序列输入至所述特征提取模块进行特征提取,得到功率特征表示;
24、将所述变量特征表示和所述功率特征表示进行融合,得到融合特征表示;
25、将所述融合特征表示输入至所述预测模块进行功率预测,得到多个功率预测值;
26、根据预设的多个功率实际值和多个所述功率预测值对所述功率预测模型进行训练,得到目标功率预测模型。
27、在一些实施例,所述根据预设的多个功率实际值和多个所述功率预测值对所述功率预测模型进行训练,得到目标功率预测模型,包括:
28、根据所述功率实际值和所述功率预测值进行损失计算,得到损失函数;
29、根据所述损失函数对所述功率预测模型进行参数调整,得到目标功率预测模型。
30、在一些实施例,所述通过所述目标功率预测模型、预设时间段内的历史目标发电功率时间序列和目标历史相关变量序列对未来预设时长内的光伏发电功率进行预测,得到多个目标预测功率值之后,所述方法还包括:
31、获取多个所述目标预测功率值的标准差,得到预测标准差;
32、根据每一所述目标预测功率值和所述预测标准差进行置信区间计算,得到多个预测置信区间;其中,所述预测置信区间表征未来发电功率的浮动范围。
33、为实现上述目的,本申请实施例的第二方面提出了一种光伏发电功率预测装置,所述装置包括:
34、第一获取模块,用于获取历史发电功率时间序列;
35、第二获取模块,用于获取影响光伏发电的多个目标历史相关变量序列;
36、识别模块,用于从所述历史发电功率时间序列中识别出多个目标周期;
37、拼接模块,用于根据所述目标周期将所述历史发电功率时间序列进行折叠拼接,得到多个二维的历史目标发电功率时间序列;
38、训练模块,用于根据多个所述历史目标发电功率时间序列和多个所述目标历史相关变量序列对预设的功率预测模型进行训练,得到目标功率预测模型;
39、预测模块,用于通过所述目标功率预测模型、预设时间段内的历史目标发电功率时间序列和目标历史相关变量序列对未来预设时长内的光伏发电功率进行预测,得到多个目标预测功率值。
40、为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
41、为实现上述目的,本申请实施例的第四方面提出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计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
42、本申请提出的光伏发电功率预测方法、装置、设备及存储介质,其通过根据目标周期将历史发电功率时间序列进行折叠拼接,得到多个二维的历史目标发电功率时间序列;根据多个历史目标发电功率时间序列和多个目标历史相关变量序列对预设的功率预测模型进行训练,得到目标功率预测模型。每个历史目标发电功率时间序列的行和列分别反应了周期内与周期间的时序变化,且多个目标历史相关变量序列都是影响光伏发电的变量,根据历史目标发电功率时间序列和多个目标历史相关变量序列对预设的功率预测模型进行训练,得到光伏发电功率预测更加准确的目标功率预测模型,通过目标功率预测模型输出光伏发电功率的预测结果,准确性也更高。
1.一种光伏发电功率预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述从所述历史发电功率时间序列中识别出多个目标周期,包括:
3.根据权利要求1所述的方法,其特征在于,所述获取影响光伏发电的多个目标历史相关变量序列,包括:
4.根据权利要求3所述的方法,其特征在于,所述根据多个所述候选历史相关变量构建多个目标历史相关变量序列,包括:
5.根据权利要求1所述的方法,其特征在于,所述功率预测模型包括特征提取模块和预测模块,根据多个所述历史目标发电功率时间序列和多个所述目标历史相关变量序列对预设的功率预测模型进行训练,得到目标功率预测模型,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据预设的多个功率实际值和多个所述功率预测值对所述功率预测模型进行训练,得到目标功率预测模型,包括:
7.根据权利要求1所述的方法,其特征在于,所述通过所述目标功率预测模型、预设时间段内的历史目标发电功率时间序列和目标历史相关变量序列对未来预设时长内的光伏发电功率进行预测,得到多个目标预测功率值之后,所述方法还包括:
8.一种光伏发电功率预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的光伏发电功率预测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的光伏发电功率预测方法。