基于空间相关性的光伏群体预测方法、系统、介质及设备

本发明属于新能源发电功率预测领域，尤其涉及一种基于空间相关性的光伏群体预测方法、系统、介质及设备。

背景技术：

1、近年来，加快能源结构转型，发展低碳环保的可再生能源体系成为全球能源体系的必然趋势。光伏发电作为清洁能源的一种重要形式，得到了广泛关注和应用。截至2023年底，全球光伏累计装机容量达到1.42tw。光伏电站的发电功率受到多种气候因素的影响，包括天气条件、光照强度、气温等，这些因素的不确定性使得光伏电站的功率具有显著的随机性和波动性。由于集中式光伏电站发电量直接并入公共电网，其出力的波动性易导致地区短时电力供需不匹配。针对集中式光伏电站越来越呈现区域化，为了提高光伏功率的预测准确性，可以利用区域内相邻光伏电站之间的空间相关性来提高预测精度。

2、目前基于统计方法的单站光伏预测已有大量研究，统计方法是基于数据驱动的方法，利用机器学习和人工智能等技术，将电站历史运行数据与气象数据作为预测模型的输入，在输入数据与功率预测输出之间建立映射关系。基于神经网络的预测模型凭借其参数量大、准确度高的优点正在被广泛应用。但单站光伏预测的准确性似乎已经达到瓶颈，难以再提高。

3、集群预测主要有两种方法：累加法和统计升尺度法。虽然集群预测能得到区域总功率预测结果，但其对区域内场站间的空间相关性利用有限，且随着场站数量的增加，模型数量也在增加。为了应对这样的挑战，可以考虑使用群体预测的方法，挖掘各个站点之间的空间相关性，进一步提高预测精度，并且显著减少模型数量。

技术实现思路

1、本发明提出了一种基于空间相关性的光伏群体预测方法、系统、介质及设备，其目的在于构建一套能够利用场站间空间相关性的群体预测方法，减少预测模型数量的同时，提升模型预测准确度。

2、为了实现上述发明目的，本发明具体采用如下技术方案：

3、第一方面，本发明提供了一种基于空间相关性的光伏群体预测方法，包括以下步骤：

4、s1、获取目标区域内每个光伏站点在预测时段的数值天气预报，并对数值天气预报进行时间切片处理，得到处理后的数值天气预报，根据数值天气预报的气象特征与时序特征，构建基于混合神经网络的光伏功率短期预测模型；

5、s2、由光伏功率短期预测模型构建多通路模型，多通路模型中的每个通路由一个光伏功率短期预测模型组成，每个通路各自将每个光伏站点处理后的数值天气预报作为输入数据；

6、s3、将所述多通路模型和两个全连接层依次级联构建多通路-全连接层群体预测模型，将每个光伏站点处理后的数值天气预报输入到训练好的多通路-全连接层群体预测模型中，输出群体光伏功率预测结果以及每个站点各自的光伏功率预测结果，从而实现多站点关联的群体预测。

7、在上述方案基础上，各步骤可以采用如下优选的具体方式实现。

8、作为优选，所述光伏功率短期预测模型包含一维卷积层、最大池化层、长短期记忆神经网络层和全连接层；

9、在光伏功率短期预测模型中，输入数据依次经过一维卷积层进行局部特征检测，得到输入数据的局部特征和模式，将提取到的局部特征和模式输入到最大池化层进行降维处理，得到降维后的特征，将降维后的特征依次经过第一长短期记忆神经网络层和第二长短期记忆神经网络层，得到光伏出力的长期时间特征，将长期时间特征依次经过第一全连接层和第二全连接层，输出单个站点的光伏功率预测结果。

10、作为优选，训练好的多通路-全连接层群体预测模型在进行群体预测时，将每个站点处理后的数值天气预报各自输入到多通路模型的每个通路中，由光伏功率短期预测模型独立提取每个站点各自的气象和时序特征，将每个光伏功率短期预测模型输出的每个站点光伏功率预测结果作为每条通路的输出结果，将各条通路的输出结果联结在一起，将联结后的结果依次经过第三全连接层和第四全连接层，提取各个光伏站点间的空间相关性，最终输出群体光伏功率预测结果。

11、作为优选，多通路-全连接层群体预测模型在训练时，对于当前时刻为t，需要获取(t-t0)至t时间段的实际光伏出力数据与数值天气预报数据作为训练集，其中，t0为起报时间到预报时间的时间间隔。

12、作为优选，时间间隔t0为24小时。

13、第二方面，本发明提供了一种基于空间相关性的光伏群体预测系统，包括：

14、数据获取及第一建模模块，用于获取目标区域内每个光伏站点在预测时段的数值天气预报，并对数值天气预报进行时间切片处理，得到处理后的数值天气预报，根据数值天气预报的气象特征与时序特征，构建基于混合神经网络的光伏功率短期预测模型；

15、第二建模模块，用于利用光伏功率短期预测模型构建多通路模型，多通路模型中的每个通路由一个光伏功率短期预测模型组成，每个通路各自将每个光伏站点处理后的数值天气预报作为输入数据；

16、结果获取模块，用于将所述多通路模型和两个全连接层依次级联构建多通路-全连接层群体预测模型，将每个光伏站点处理后的数值天气预报输入到训练好的多通路-全连接层群体预测模型中，输出群体光伏功率预测结果以及每个站点各自的光伏功率预测结果，从而实现多站点关联的群体预测。

17、第三方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上述第一方面任一所述的一种基于空间相关性的光伏群体预测方法。

18、第四方面，本发明提供了一种计算机电子设备，包括存储器和处理器；

19、所述存储器，用于存储计算机程序；

20、所述处理器，用于当执行所述计算机程序时，实现如上述第一方面任一所述的一种基于空间相关性的光伏群体预测方法。

21、第五方面，本发明提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，能实现如上述第一方面任一项所述的一种基于空间相关性的光伏群体预测方法。

22、本发明相对于现有技术而言，具有以下有益效果：

23、本方法能够充分利用站点间的空间相关性实现群体预测，满足光伏预测对准确率提升的要求。结果表明，相较于单站预测模型，本发明的多通路-全连接层群体预测模型的预测准确率提升了近1％，能够满足光伏预测准确率提升的要求。

技术特征：

1.一种基于空间相关性的光伏群体预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于空间相关性的光伏群体预测方法，其特征在于，所述光伏功率短期预测模型包含一维卷积层、最大池化层、长短期记忆神经网络层和全连接层；

3.根据权利要求1所述的一种基于空间相关性的光伏群体预测方法，其特征在于，训练好的多通路-全连接层群体预测模型在进行群体预测时，将每个站点处理后的数值天气预报各自输入到多通路模型的每个通路中，由光伏功率短期预测模型独立提取每个站点各自的气象和时序特征，将每个光伏功率短期预测模型输出的每个站点光伏功率预测结果作为每条通路的输出结果，将各条通路的输出结果联结在一起，将联结后的结果依次经过第三全连接层和第四全连接层，提取各个光伏站点间的空间相关性，最终输出群体光伏功率预测结果。

4.根据权利要求1所述的一种基于空间相关性的光伏群体预测方法，其特征在于，多通路-全连接层群体预测模型在训练时，对于当前时刻为t，需要获取(t-t0)至t时间段的实际光伏出力数据与数值天气预报数据作为训练集，其中，t0为起报时间到预报时间的时间间隔。

5.根据权利要求4所述的一种基于空间相关性的光伏群体预测方法，其特征在于，时间间隔t0为24小时。

6.一种基于空间相关性的光伏群体预测系统，其特征在于，包括：

7.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1～5任一所述的一种基于空间相关性的光伏群体预测方法。

8.一种计算机电子设备，其特征在于，包括存储器和处理器；

9.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，能实现如权利要求1～5任一项所述的一种基于空间相关性的光伏群体预测方法。

技术总结本发明公开了一种基于空间相关性的光伏群体预测方法、系统、介质及设备，该方法中，首先将数值天气预报作为输入，使用混合神经网络构建光伏功率短期预测模型，以获得单个光伏站点的功率预测结果。然后通过多条通路设计构建多通路模型，提取每个站点各自的出力特性。在多通路模型的基础上，最后用一个更庞大的全连接层负责将多通路模型各条通路输出的结果进行一次全连接，得到考虑站点间空间相关性的光伏功率群体预测结果。本方法与其他单站光伏功率预测方法相比，能够利用站点间的空间相关性来提高预测精度。技术研发人员：谢宇辰,孙玉玺,耿光超,江全元受保护的技术使用者：浙江大学技术研发日：技术公布日：2024/7/29