一种发电功率预测模型训练方法、装置、设备和介质与流程

本发明涉光伏发电功率预测领域，尤其涉及一种发电功率预测模型训练方法、装置、设备和介质。

背景技术：

1、分布式光伏发电系统是一种通过使用各类数据(如环境、天气预报数据、用户用电数据等)来进行发电功率预测的主流技术。该系统的主要目的是准确地预测发电系统生态中未来时间段的发电量，有效地利用好绿色能源而减少非可再生能源的使用。

2、目前，分布式光伏发电技术主要采用人工智能方法，该方法主要涉及两个阶段：(1)将原始时域序列信号在离散傅里叶(dft)上转换为频域信息，该频域信息由实部和虚部组成。(2)对频域的实部和虚部分别进行映射，设计复数的频域多层感知机，然后将两个不同的多层感知机学习到的输出的实虚部进行堆叠，再将其频域分量经过全连接反馈层获得最终的预测。

3、虽然现有的技术中虽然探索了如何从频域的角度去处理时间序列的问题，然而其仅仅将频域中获取到的信息进行了简单的转换，并没有更好的提取其内部所包含的信息，因此，该方法并不能准确的预测发电系统生态中未来时间段的发电量。

技术实现思路

1、本发明提供了一种发电功率预测模型训练方法、装置、设备和介质，以解决现有的光伏发电预测模型不能充分提取数据内部所包含的信息，无法准确的预测发电系统生态中未来时间段的发电量的问题。

2、根据本发明的一方面，提供了一种发电功率预测模型训练方法，包括：

3、获取分布式光伏发电系统中各发电区域在预设时间段的历史发电功率数据，并对所述历史发电功率数据进行预处理，得到发电功率数据样本集；

4、对所述发电功率数据样本集进行拆分，得到信道维度的数据样本集和时间维度的数据样本集；

5、通过第一通道对所述信道维度的数据样本集进行处理，得到第一特征向量，通过第二通道对所述时间维度的数据样本集进行处理，得到第二特征向量；

6、根据所述第一特征向量和所述第二特征向量完成对所述分布式光伏发电系统的发电功率预测模型进行训练，得到分布式光伏发电系统的发电功率预测信息；

7、将训练完成的分布式光伏发电系统的发电功率预测模型作为发电功率预测模型。

8、根据本发明的另一方面，提供了一种分布式光伏发电系统的发电功率预测方法，包括：

9、获取分布式光伏发电系统中待预测的发电区域在预设时间段的待预测发电功率信息；

10、将历史发电功率数据和所述待预测发电功率信息输入至发电功率预测模型，得到分布式光伏发电系统中待预测的发电区域在所述预设时间段的发电功率预测结果。

11、根据本发明的另一方面，本发明提供了一种发电功率预测模型训练装置，所述装置包括：

12、样本集构建模块，用于获取分布式光伏发电系统中各发电区域在预设时间段的历史发电功率数据，并对所述历史发电功率数据进行预处理，得到发电功率数据样本集；

13、样本集拆分模块，对所述发电功率数据样本集进行拆分，得到信道维度的数据样本集和时间维度的数据样本集；

14、样本处理模块，通过第一通道对所述信道维度的数据样本集进行处理，得到第一特征向量，通过第二通道对所述时间维度的数据样本集进行处理，得到第二特征向量；

15、预测模型训练模块，根据所述第一特征向量和所述第二特征向量完成对所述分布式光伏发电系统的发电功率预测模型进行训练，得到分布式光伏发电系统的发电功率预测信息；

16、预测模型确定模块，将训练完成的分布式光伏发电系统的发电功率预测模型作为发电功率预测模型。

17、根据本发明的另一方面，本发明提供了一种分布式光伏发电系统的发电功率预测装置，所述装置包括：

18、待预测数据获取模块，获取分布式光伏发电系统中待预测的发电区域在预设时间段的待预测发电功率信息；

19、发电功率预测模块，用于将历史发电功率数据和所述待预测发电功率信息输入至发电功率预测模型，得到分布式光伏发电系统中待预测的发电区域在所述预设时间段的发电功率预测结果；根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

20、至少一个处理器；以及

21、与所述至少一个处理器通信连接的存储器；其中，

22、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的分布式光伏发电系统的发电功率预测方法或发电功率预测模型训练方法。

23、根据本发明的另一方面，提供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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的分布式光伏发电系统的发电功率预测方法或发电功率预测模型训练方法。

24、本发明实施例的技术方案，对获取的历史发电功率数据进行预处理，得到发电功率数据样本集；拆分发电功率数据样本集，得到信道维度的数据样本集和时间维度的数据样本集；通过第一通道对信道维度的数据样本集进行处理，得到第一特征向量，通过第二通道对时间维度的数据样本集进行处理，得到第二特征向量；根据第一特征向量和所述第二特征向量对发电功率预测模型进行训练，得到发电功率预测信息；将训练完成的分布式光伏发电系统的发电功率预测模型作为发电功率预测模型。通过上述技术方案，能够使训练得到的模型合并利用时频域所蕴含的信息，从而更准确的预测发电系统生态中未来时间段的发电量。

25、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种发电功率预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述历史发电功率数据进行预处理，得到发电功率数据样本集，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述历史发电功率数据的缺失数据进行补全，得到补全的历史发电功率数据，包括：

4.根据权利要求2所述的方法，其特征在于，通过第一通道对所述信道维度的数据样本集进行处理，得到第一特征向量，通过第二通道对所述时间维度的数据样本集进行处理，得到第二特征向量，包括：

5.根据权利要求4所述的方法，其特征在于，根据所述第一特征向量和所述第二特征向量完成对所述分布式光伏发电系统的发电功率预测模型进行训练，得到分布式光伏发电系统的发电功率预测信息，包括：

6.一种分布式光伏发电系统的发电功率预测方法，包括：

7.一种发电功率预测模型训练装置，其特征在于，所述装置包括：

8.一种分布式光伏发电系统的发电功率预测装置，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：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的发电功率预测模型训练方法，或权利要求6所述的分布式光伏发电系统的发电功率预测方法。

技术总结本发明公开了一种发电功率预测模型训练方法、装置、设备和介质，方法包括：对获取的历史发电功率数据进行预处理，得到发电功率数据样本集；拆分发电功率数据样本集，得到信道维度的数据样本集和时间维度的数据样本集；通过第一通道对信道维度的数据样本集进行处理，得到第一特征向量，通过第二通道对时间维度的数据样本集进行处理，得到第二特征向量；根据第一特征向量和所述第二特征向量对发电功率预测模型进行训练，得到发电功率预测信息；将训练完成的分布式光伏发电系统的发电功率预测模型作为发电功率预测模型。通过上述技术方案，能够合并利用时频域所蕴含的信息，从而更准确的预测发电系统生态中未来时间段的发电量。技术研发人员：李旭,陈琼彬,叶璇,何玉林,占兆武受保护的技术使用者：人工智能与数字经济广东省实验室（深圳）技术研发日：技术公布日：2024/9/29