发电功率预测方法、装置、设备、存储介质和程序产品与流程

本申请涉及光伏发电，特别是涉及一种发电功率预测方法、装置、设备、存储介质和程序产品。

背景技术：

1、近年来，光伏发电迅猛发展，光伏装机容量逐年增加。大力发展光伏等新能源已成为促进能源转型的重要举措。但光伏出力受天气影响极大，具有明显的非线性、波动性和不确定性等特点，并网后会对电网的稳定性、安全性、经济性造成影响。因此对光伏发电量进行准确的预测能有助于规划电网调度计划，减少电网故障，降低损失，对电网优化调度及光伏电站经济运行等具有重要意义。

2、目前现有技术，对光伏发电的预测是利用数学模型直接进行输出功率预测，常见的有数学统计预测法、人工智能预测法以及混合预测法，但目前的直接预测模型总体复杂度还是相对简单，稳定性较弱，并且光伏发电的历史数据并不规律，使得目前直接预测模型的预测精度并不高。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种发电功率预测方法、装置、设备、存储介质和程序产品，能够准确预测发电功率。

2、第一方面，本申请提供了一种发电功率预测方法，包括：

3、获取目标区域在目标时段内的目标光伏发电数据；

4、将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；

5、其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。

6、在其中一个实施例中，对历史光伏发电数据进行相关性分析和聚类处理，包括：

7、对各历史光伏发电数据进行相关性分析，得到各气象指标中的主要气象指标；根据主要气象指标，对各历史光伏发电数据进行聚类处理，得到样本光伏发电数据。

8、在其中一个实施例中，对各历史光伏发电数据进行相关性分析，得到各气象指标中的主要气象指标，包括：

9、根据各历史光伏发电数据中的气象指标数据和发电功率值，确定每一气象指标与发电功率之间的相关系数；根据每一气象指标与发电功率之间的相关系数，从各气象指标中选择主要气象指标。

10、在其中一个实施例中，根据主要气象指标，对各历史光伏发电数据进行聚类处理，得到样本光伏发电数据，包括：

11、针对每一主要气象指标，对各历史光伏发电数据中该主要气象指标对应的气象指标数据进行聚类处理，得到该主要气象指标对应的聚类处理结果；根据各主要气象指标对应的聚类处理结果，剔除各历史光伏发电数据中的异常数据，得到样本光伏发电数据。

12、在其中一个实施例中，在对各历史光伏发电数据进行相关性分析，得到各气象指标中的主要气象指标之前，包括：

13、对各历史光伏发电数据进行数据清洗。

14、在其中一个实施例中，循环神经网络包括卷积门控循环单元convgru网络；其中，convgru网络包括convgru层、归一化层、注意力层和全连接层。

15、第二方面，本申请还提供了一种发电功率预测装置，包括：

16、获取模块，用于获取目标区域在目标时段内的目标光伏发电数据；

17、预测模块，用于将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。

18、第三方面，本申请还提供了一种计算机设备，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以下步骤：

19、获取目标区域在目标时段内的目标光伏发电数据；

20、将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；

21、其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。

22、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

23、获取目标区域在目标时段内的目标光伏发电数据；

24、将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；

25、其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。

26、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

27、获取目标区域在目标时段内的目标光伏发电数据；

28、将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；

29、其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。

30、上述发电功率预测方法、装置、设备、存储介质和程序产品，通过对历史光伏发电数据进行相关性分析和聚类处理，得到与发电功率相关性较强的高质量数据；进而，使用处理后的数据对功率预测模型进行训练，使得功率预测模型能很好地学习到与发电功率相关数据的特征，从而功率预测模型基于标光伏发电数据能够精准地预测到发电功率值，提高了发电功率预测的准确性。

技术特征：

1.一种发电功率预测方法，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，所述历史光伏发电数据包括多个历史时段对应的历史光伏发电数据；每一历史光伏发电数据包括发电功率值和多个气象指标数据；

3.根据权利要求2所述的方法，其特征在于，所述对各历史光伏发电数据进行相关性分析，得到各气象指标中的主要气象指标，包括：

4.根据权利要求2所述的方法，其特征在于，所述根据所述主要气象指标，对各历史光伏发电数据进行聚类处理，得到样本光伏发电数据，包括：

5.根据权利要求2所述的方法，其特征在于，在所述对各历史光伏发电数据进行相关性分析，得到各气象指标中的主要气象指标之前，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述循环神经网络包括卷积门控循环单元convgru网络；其中，所述convgru网络包括convgru层、归一化层、注意力层和全连接层。

7.一种发电功率预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，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6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结本申请涉及一种发电功率预测方法、装置、设备、存储介质和程序产品。所述方法包括：获取目标区域在目标时段内的目标光伏发电数据；将目标光伏发电数据输入至功率预测模型，得到目标区域在未来时段的发电功率值；其中，功率预测模型是采用样本光伏发电数据，对包含注意力机制的循环神经网络进行训练得到的；样本光伏发电数据是对历史光伏发电数据进行相关性分析和聚类处理得到的。采用本方法能够提高发电功率预测的准确性。技术研发人员：王静,赵宇明,王振尚,何山受保护的技术使用者：深圳供电局有限公司技术研发日：技术公布日：2024/7/29