分布式光伏发电功率智能预测系统及方法与流程

本申请涉及智能预测，且更为具体地，涉及一种分布式光伏发电功率智能预测系统及方法。

背景技术：

1、分布式光伏发电是指将光伏发电系统分布在多个地点，将太阳能转化为电能并直接供应给当地的用户或者接入电网。相比于传统的集中式光伏发电，分布式光伏发电将电能就近供应给用户，减少了输电损耗和电网建设成本。用户可以直接使用光伏发电系统产生的电能，降低了对传统电网的依赖。

2、随着全球对清洁能源的需求日益增长，光伏发电作为一种可再生能源技术，得到了越来越广泛的应用。然而，由于光伏电站的发电功率主要受到天气因素和光伏部件工作状态的影响，例如光伏发电站所在地的地面辐照度、温度、光伏阵列的性能等，并且，发电功率与天气因素之间的关系是非线性的。因此如何准确地预测光伏发电功率，成为了电网调度人员面临的重要挑战。

3、因此，期待一种分布式光伏发电功率智能预测系统及方法。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种分布式光伏发电功率智能预测系统及方法，其利用大数据技术对光伏发电设备的历史发电功率数据和历史气象数据进行关联分析，挖掘出光伏发电功率与气象数据之间的关联特征表达，并结合未来的气象数据来进行未来月度的发电功率预测。这样，能够为光伏电站的运营和管理提供科学依据，进而提高发电效率和经济效益。

2、相应地，根据本申请的一个方面，提供了一种分布式光伏发电功率智能预测系统，其包括：

3、数据采集模块，用于获取历史各天的气象数据、未来一个月各天的气象数据和历史各天的光伏发电功率值，其中，所述气象数据包括地面辐照度、湿度、温度和风速；

4、气象数据时序关联编码模块，用于分别对所述历史各天的气象数据和所述未来一个月各天的气象数据进行气象时序关联特征提取以得到历史气象时序关联特征向量和未来气象时序关联特征向量；

5、功率时序编码模块，用于对所述历史各天的光伏发电功率值进行时序特征提取以得到历史发电功率特征向量；

6、历史数据关联编码模块，用于对所述历史气象时序关联特征向量和所述历史发电功率特征向量进行关联编码以得到历史气象-发电功率关联特征矩阵；

7、光伏发电功率预测模块，用于基于所述未来气象时序关联特征向量和所述历史气象-发电功率关联特征矩阵之间的交互特征，确定未来月度的光伏发电功率预测值。

8、在上述分布式光伏发电功率智能预测系统中，所述气象数据时序关联编码模块，包括：矩阵化单元，用于将所述历史各天的气象数据和所述未来一个月各天的气象数据分别按照时间维度和气象样本维度排列为历史气象矩阵和未来气象矩阵；气象数据时序关联编码单元，用于将所述历史气象矩阵和所述未来气象矩阵分别通过基于卷积神经网络网络模型的气象时序关联特征提取器以得到所述历史气象时序关联特征向量和所述未来气象时序关联特征向量。

9、在上述分布式光伏发电功率智能预测系统中，所述功率时序编码模块，用于：将所述历史各天的光伏发电功率值按照时间维度排列为功率输入向量后通过基于一维卷积层的功率时序编码器以得到所述历史发电功率特征向量。

10、在上述分布式光伏发电功率智能预测系统中，所述历史数据关联编码模块，用于：基于高斯密度图对所述历史气象时序关联特征向量和所述历史发电功率特征向量进行关联编码以得到所述历史气象-发电功率关联特征矩阵。

11、在上述分布式光伏发电功率智能预测系统中，所述历史数据关联编码模块，包括：高斯密度图构造单元，用于使用高斯密度图以如下关联公式对所述历史气象时序关联特征向量和所述历史发电功率特征向量进行特征关联以得到关联高斯密度图；其中，所述关联公式为：其中，μ表示所述历史气象时序关联特征向量和所述历史发电功率特征向量之间的按位置均值向量，且σ的每个位置的值表示所述历史气象时序关联特征向量和所述历史发电功率特征向量中各个位置的特征值之间的方差，表示高斯密度概率函数，x表示高斯密度图的变量；以及，高斯离散化单元，用于对所述关联高斯密度图的各个位置的高斯分布进行离散化处理以得到所述历史气象-发电功率关联特征矩阵。

12、在上述分布式光伏发电功率智能预测系统中，所述光伏发电功率预测模块，包括：查询单元，用于将所述历史气象-发电功率关联特征矩阵和所述未来气象时序关联特征向量进行相乘以得到月度光伏发电功率预测特征向量；优化单元，用于对所述月度光伏发电功率预测特征向量进行流形超凸相关性衍生表示优化以得到优化月度光伏发电功率预测特征向量；预测结果生成单元，用于将所述优化月度光伏发电功率预测特征向量通过解码器以得到解码值，所述解码值用于表示未来月度的光伏发电功率预测值。

13、在上述分布式光伏发电功率智能预测系统中，所述优化单元，用于：以如下优化公式对所述月度光伏发电功率预测特征向量进行流形超凸相关性衍生表示优化以得到所述优化月度光伏发电功率预测特征向量；其中，所述优化公式为：

14、

15、其中，表示所述月度光伏发电功率预测特征向量，vi表示所述月度光伏发电功率预测特征向量的第i个位置的特征值，vj表示所述月度光伏发电功率预测特征向量的第j个位置的特征值，α和β表示权重超参数，v′i表示所述优化月度光伏发电功率预测特征向量的第i个位置的特征值。

16、在上述分布式光伏发电功率智能预测系统中，所述预测结果生成单元，用于：使用所述解码器以如下解码公式对所述优化月度光伏发电功率预测特征向量进行解码回归以获得所述解码值；其中，所述解码公式为：其中x是所述优化月度光伏发电功率预测特征向量，y是所述解码值，w是权重矩阵，表示矩阵相乘。

17、根据本申请的另一个方面，提供了一种分布式光伏发电功率智能预测方法，其包括：

18、获取历史各天的气象数据、未来一个月各天的气象数据和历史各天的光伏发电功率值，其中，所述气象数据包括地面辐照度、湿度、温度和风速；

19、分别对所述历史各天的气象数据和所述未来一个月各天的气象数据进行气象时序关联特征提取以得到历史气象时序关联特征向量和未来气象时序关联特征向量；

20、对所述历史各天的光伏发电功率值进行时序特征提取以得到历史发电功率特征向量；

21、对所述历史气象时序关联特征向量和所述历史发电功率特征向量进行关联编码以得到历史气象-发电功率关联特征矩阵；

22、基于所述未来气象时序关联特征向量和所述历史气象-发电功率关联特征矩阵之间的交互特征，确定未来月度的光伏发电功率预测值。

23、与现有技术相比，本申请提供的分布式光伏发电功率智能预测系统及方法，其利用大数据技术对光伏发电设备的历史发电功率数据和历史气象数据进行关联分析，挖掘出光伏发电功率与气象数据之间的关联特征表达，并结合未来的气象数据来进行未来月度的发电功率预测。这样，能够为光伏电站的运营和管理提供科学依据，进而提高发电效率和经济效益。

技术特征：

1.一种分布式光伏发电功率智能预测系统，其特征在于，包括：

2.根据权利要求1所述的分布式光伏发电功率智能预测系统，其特征在于，所述气象数据时序关联编码模块，包括：

3.根据权利要求2所述的分布式光伏发电功率智能预测系统，其特征在于，所述功率时序编码模块，用于：

4.根据权利要求3所述的分布式光伏发电功率智能预测系统，其特征在于，所述历史数据关联编码模块，用于：

5.根据权利要求4所述的分布式光伏发电功率智能预测系统，其特征在于，所述历史数据关联编码模块，包括：

6.根据权利要求5所述的分布式光伏发电功率智能预测系统，其特征在于，所述光伏发电功率预测模块，包括：

7.根据权利要求6所述的分布式光伏发电功率智能预测系统，其特征在于，所述优化单元，用于：以如下优化公式对所述月度光伏发电功率预测特征向量进行流形超凸相关性衍生表示优化以得到所述优化月度光伏发电功率预测特征向量；其中，所述优化公式为：

8.根据权利要求7所述的分布式光伏发电功率智能预测系统，其特征在于，所述预测结果生成单元，用于：使用所述解码器以如下解码公式对所述优化月度光伏发电功率预测特征向量进行解码回归以获得所述解码值；其中，所述解码公式为：其中x是所述优化月度光伏发电功率预测特征向量，y是所述解码值，w是权重矩阵，表示矩阵相乘。

9.一种分布式光伏发电功率智能预测方法，其特征在于，包括：

10.根据权利要求9所述的分布式光伏发电功率智能预测方法，其特征在于，分别对所述历史各天的气象数据和所述未来一个月各天的气象数据进行气象时序关联特征提取以得到历史气象时序关联特征向量和未来气象时序关联特征向量，包括：

技术总结本申请涉及智能预测技术领域，其具体地公开了一种分布式光伏发电功率智能预测系统及方法，其利用大数据技术对光伏发电设备的历史发电功率数据和历史气象数据进行关联分析，挖掘出光伏发电功率与气象数据之间的关联特征表达，并结合未来的气象数据来进行未来月度的发电功率预测。这样，能够为光伏电站的运营和管理提供科学依据，进而提高发电效率和经济效益。技术研发人员：许文军受保护的技术使用者：深圳绿合岛能源科技有限公司技术研发日：技术公布日：2024/7/25