分布式光伏发电预测方法、装置、电子设备及存储介质与流程

本发明涉及光伏发电，尤其涉及一种分布式光伏发电预测方法、一种分布式光伏发电预测装置、一种计算机可读存储介质和一种电子设备。

背景技术：

1、在分布式光伏发电预测方法中，一般采用时间序列预测法或天气特征预测法，其中，时间序列预测法指利用光伏发电历史时间序列数据，分析时间序列数据的趋势、季节性和周期性，然后建立时间序列预测模型，利用该模型对未来光伏发电量进行预测。天气特征预测法指通过获取天气数据，包括太阳辐射、温度、云量等信息，建立光伏发电量与天气因素之间的关系模型，利用该模型对未来光伏发电量进行预测。

2、然而，在时间序列预测法中，依赖光伏发电历史数据，存在长期依赖性的缺陷，即当前的观测值可能受到过去较长时间段内的观测值的影响。此外，还存在数据不确定的缺陷，光伏发电受到多个因素的影响，如天气条件、季节变化、设备状态等，这些因素的变化可能导致光伏发电系统的输出数据具有较大的波动性和不确定性，从而增加了预测的难度。

3、天气特征预测法存在预报天气数据不准确的缺陷，这可能对模型的训练和预测产生负面影响。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种分布式光伏发电预测方法，对历史光伏发电数据按照预设周期进行分片处理，即历史光伏发电数据为长时间序列格式，将长时间序列格式的历史数据以预设周期为单位进行分片处理，减少了时间序列的时间步，解决了长时间序列中时间步长过多导致计算复杂度高的问题。并在每个时间步中加入天气特征，提高光伏发电预测的准确性。

2、本发明的第二个目的在于提出一种分布式光伏发电预测装置。

3、本发明的第三个目的在于提出一种计算机可读存储介质。

4、本发明的第四个目的在于提出一种电子设备。

5、为达到上述目的，本发明第一方面实施例提出了一种分布式光伏发电预测方法，方法包括：对历史光伏发电数据按照预设周期进行分片处理，得到n个光伏发电数据集；获取待预测m天的天气数据，并按照预设周期进行分片处理，得到m个天气数据集，其中，每个光伏发电数据集中光伏发电数据的个数和每个天气数据集中天气数据的个数相同；将n个光伏发电数据集和m个天气数据集作为预设神经网络模型的输入，输出待预测m天的光伏发电数据，n和m为大于零的正整数。

6、根据本发明的一个实施例，预设神经网络模型为编码器-解码器架构。

7、根据本发明的一个实施例，将n个光伏发电数据集和m个天气数据集作为预设神经网络模型的输入，输出待预测m天的光伏发电数据，包括：使用编码器对n个光伏发电数据集进行编码计算，得到编码结果；计算待预测m天中每个预设周期的日期嵌入；使用解码器对m个天气数据集、编码结果和对应的日期嵌入进行解码计算，输出待预测m天的光伏发电数据。

8、根据本发明的一个实施例，编码器包括具有编码器功能的transformer网络架构或者rnn网络结构。

9、根据本发明的一个实施例，得到n个光伏发电数据集，包括：获取分片处理得到的n个光伏发电数据组的统计特征，以得到n个光伏发电数据统计特征；将n个光伏发电数据组、n个光伏发电数据统计特征和光伏发电设备的装机容量进行合并，以获得n个光伏发电数据集。

10、根据本发明的一个实施例，光伏发电数据组的统计特征包括最大值、最小值、平均值和中位值之中的至少一种。

11、根据本发明的一个实施例，天气数据包括温度、湿度、太阳总辐射、太阳散射辐射、云量、能见度和降雨量中的至少一种。

12、为达到上述目的，本发明第二方面实施例提出了一种分布式光伏发电预测装置，装置包括：处理模块，用于对历史光伏发电数据按照预设周期进行分片处理，得到n个光伏发电数据集；获取模块，用于获取待预测m天的天气数据；处理模块还用于，按照预设周期进行分片处理，得到m个天气数据集，其中，每个光伏发电数据集中光伏发电数据的个数和每个天气数据集中天气数据的个数相同；预测模块，用于将n个光伏发电数据集和m个天气数据集作为预设神经网络模型的输入，输出待预测m天的光伏发电数据，n和m为大于零的正整数。

13、为达到上述目的，本发明第三方面实施例提出了一种计算机可读存储介质，其上存储有分布式光伏发电预测程序，该分布式光伏发电预测程序被处理器执行时实现前述的分布式光伏发电预测方法。

14、为达到上述目的，本发明第四方面实施例提出了一种电子设备，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分布式光伏发电预测程序，处理器执行分布式光伏发电预测程序时，实现前述的分布式光伏发电预测方法。

15、根据本发明实施例的分布式光伏发电预测方法、装置、电子设备及存储介质，对历史光伏发电数据按照预设周期进行分片处理，得到n个光伏发电数据集；获取待预测m天的天气数据，并按照预设周期进行分片处理，得到m个天气数据集，其中，每个光伏发电数据集中光伏发电数据的个数和每个天气数据集中天气数据的个数相同；将n个光伏发电数据集和m个天气数据集作为预设神经网络模型的输入，输出待预测m天的光伏发电数据，n和m为大于零的正整数。如此，历史光伏发电数据为长时间序列格式，将长时间序列格式的历史数据以预设周期为单位进行分片处理，减少了时间序列的时间步，解决了长时间序列中时间步过多导致计算复杂度过高的问题，提高神经网络模型计算的效率，并在每个时间步中加入天气特征，提高光伏发电预测的准确性。

技术特征：

1.一种分布式光伏发电预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的分布式光伏发电预测方法，其特征在于，所述预设神经网络模型为编码器-解码器架构。

3.根据权利要求2所述的分布式光伏发电预测方法，其特征在于，将所述n个光伏发电数据集和所述m个天气数据集作为预设神经网络模型的输入，输出所述待预测m天的光伏发电数据，包括：

4.根据权利要求2或3所述的分布式光伏发电预测方法，其特征在于，所述编码器包括具有编码器功能的transformer网络架构或者rnn网络结构。

5.根据权利要求1所述的分布式光伏发电预测方法，其特征在于，得到n个光伏发电数据集，包括：

6.根据权利要求5所述的分布式光伏发电预测方法，其特征在于，光伏发电数据组的统计特征包括最大值、最小值、平均值和中位值之中的至少一种。

7.根据权利要求1所述的分布式光伏发电预测方法，其特征在于，所述天气数据包括温度、湿度、太阳总辐射、太阳散射辐射、云量、能见度和降雨量中的至少一种。

8.一种分布式光伏发电预测装置，其特征在于，所述装置包括：

9.一种计算机可读存储介质，其特征在于，其上存储有分布式光伏发电预测程序，该分布式光伏发电预测程序被处理器执行时实现根据权利要求1-7中任一项所述的分布式光伏发电预测方法。

10.一种电子设备，其特征在于，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分布式光伏发电预测程序，所述处理器执行所述分布式光伏发电预测程序时，实现根据权利要求1-7中任一项所述的分布式光伏发电预测方法。

技术总结本发明公开了一种分布式光伏发电预测方法、装置、电子设备及存储介质。其中，方法包括：对历史光伏发电数据按照预设周期进行分片处理，得到N个光伏发电数据集；获取待预测M天的天气数据，并按照预设周期进行分片处理，得到M个天气数据集，其中，每个光伏发电数据集中光伏发电数据的个数和每个天气数据集中天气数据的个数相同；将N个光伏发电数据集和M个天气数据集作为预设神经网络模型的输入，输出待预测M天的光伏发电数据，N和M为大于零的正整数。如此，通过对光伏发电数据进行分片处理，解决了时间步过多导致计算复杂度过高的问题，提高神经网络模型计算的效率，并在每个时间步中加入天气特征，提高光伏发电预测的准确性。技术研发人员：唐远洋,庞振江,占兆武,吴明朗,靳飞,刘庆杨受保护的技术使用者：深圳市国电科技通信有限公司技术研发日：技术公布日：2024/7/29