一种不依赖气象数据的日前光伏功率预测方法和相关装置与流程

本发明属于光伏功率预测，具体涉及一种不依赖气象数据的日前光伏功率预测方法和相关装置。

背景技术：

1、光伏发电是新型电力系统中增长速度最快的可再生能源。由于光伏功率受天气的变化影响巨大，在含有高比例光伏的电力系统中，电网调度运行对日前光伏功率的准确预测提出了很高的要求。

2、新能源发电功率与所在地理位置的微环境和微气象强相关，因此，电网对新能源发电功率的预测往往依靠每个新能源厂商各自上传自己的日前功率预测数据，并进行总加。然而，光伏发电大量以分布式电源的形式广泛分布在配电系统中，单体容量小，各自的安装环境和运行状况差别大，且很多不具备实时获取天气预测预报数据进行发电功率预测的条件。对此，建立数据驱动的日前光伏功率预测模型，利用每个光伏电源自身的历史发电记录训练模型后，利用所训练的模型就可以实现定制化的日前光伏功率预测，是一种低成本的有效方法。技术难点在于，为了保障预测模型的实际可用性，预测模型不应要求准确的天气预报数据作为预测输入，否则在众多分布式发电场合均缺乏应用条件。

3、已有光伏功率的预测方法普遍需要天气预报数据。部分不要求天气预报输入的模型又没有考虑天气变化对光伏功率的影响，难以适应不同的天气条件。

技术实现思路

1、有鉴于此，本发明旨在提供一种不要求天气预报数据，但可以预测天气变化的光伏功率预测方法和相关装置。该方法和相关装置通过充分挖掘历史光伏出力数据中隐含的气象信息，可以在没有天气预报输入的条件下有效考虑长期运行中的天气变化，更准确的实现未来24小时的光伏出力预测，应用的条件更加宽松。

2、为了实现上述目的，本发明提供的技术方案如下：

3、第一方面，本发明提供了一种不依赖气象数据的日前光伏功率预测方法，包括如下步骤：

4、获取待预测日前若干天的天气类别，天气类别是通过将历史光伏发电功率数据进行聚类得到的，每个聚类类别分别对应一种特定天气类型；

5、将日前若干天的天气类别输入到天气类型概率预测模型中，得到待预测日的天气类型概率分布，天气类型概率预测模型是基于历史数据聚类得到的所有特定天气类型训练而成的；

6、对天气类型概率分布进行多次随机抽样；

7、按抽样得出的天气类型选择对应的光伏功率预测模型，并将日前若干天的光伏发电功率数据分别输入至各个光伏功率预测模型，得到待预测日的多个光伏功率预测结果；

8、将多次抽样得出的天气类型概率与对应的多个光伏功率预测结果进行加权融合，得到待预测日最终的光伏功率预测结果。

9、进一步地，天气类型概率预测模型的训练流程，包括：

10、将历史光伏发电功率数据聚类得到的所有特定天气类型进行编号并形成训练样本集，训练样本集中每个样本均包括一个预测日以及该预测日前若干天的天气类型编号；

11、以日前若干天的天气类别编号作为输入，以预测日的天气类别编号作为输出，利用训练样本集对神经网络模型进行训练，神经网络模型采用反向传播网络结构，归一化层的输出为每个特定天气类别的概率。

12、进一步地，光伏功率预测模型的训练流程，包括：

13、将历史光伏发电功率数据进行预处理，使每日光伏发电功率数据满足标准化要求并带有时间信息；

14、对于每个样本，以该样本所属日期前若干天的预处理后的光伏发电功率数据形成该样本的样本数据，并按照所属日期对应的特定天气类型对该样本进行类别标注；

15、按照所标注的天气类别对所有样本进行分组，得到若干组训练样本集；

16、利用每组训练样本集训练神经网络模型，得到对应每个特定天气类型的光伏功率预测模型。

17、进一步地，预处理的流程，包括：

18、将每日光伏发电功率时间序列均除以光伏额定容量，以进行归一化处理，得到归一化处理后的每日光伏发电功率时间序列；

19、通过计算位置编码确定时间序列中每个光伏发电功率数据的时间顺序信息；

20、利用每日光伏发电功率时间序列中每个数据与对应的时间顺序信息的代数和形成预处理后的每日光伏发电功率数据。

21、进一步地，光伏功率预测模型采用编码器-解码器的结构。

22、进一步地，最终的光伏功率预测结果按照下式计算：

23、

24、式中，为最终的光伏功率预测结果，为抽样次数，为第次抽样结果对应的经归一化处理后得到的天气类型概率，为第次抽样结果对应的光伏功率预测模型的预测功率序列。

25、进一步地，将历史光伏发电功率数据进行聚类，包括：

26、以日为单位，从光伏电站历史发电功率数据中获取每日光伏发电功率数据序列；

27、针对每日光伏发电功率数据序列，计算选定的特征指标；

28、基于特征指标对每日光伏发电功率数据序列进行聚类，每个聚类类别分别对应一种特定天气类别。

29、第二方面，本发明提供了一种不依赖气象数据的日前光伏功率预测装置，包括：

30、数据获取模块，用于获取待预测日前若干天的天气类别，天气类别是通过将历史光伏发电功率数据进行聚类得到的，每个聚类类别分别对应一种特定天气类型；

31、天气类型预测模块，用于将日前若干天的天气类别输入到天气类型概率预测模型中，得到待预测日的天气类型概率分布，天气类型概率预测模型是基于历史数据聚类得到的所有特定天气类型训练而成的；

32、抽样模块，用于对天气类型概率分布进行多次随机抽样；

33、预测模块，用于按抽样得出的天气类型选择对应的光伏功率预测模型，并将日前若干天的光伏发电功率数据分别输入至各个光伏功率预测模型，得到待预测日的多个光伏功率预测结果；

34、结果输出模块，用于将多次抽样得出的天气类型概率与对应的多个光伏功率预测结果进行加权融合，得到待预测日最终的光伏功率预测结果。

35、第三方面，本发明还提供了一种计算机设备，设备包括处理器以及存储器：

36、存储器用于存储计算机程序，并将计算机程序的指令发送至处理器；

37、处理器根据计算机程序的指令执行如第一方面的一种不依赖气象数据的日前光伏功率预测方法。

38、第四方面，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面的一种不依赖气象数据的日前光伏功率预测方法。

39、综上，本发明提供的一种不依赖气象数据的日前光伏功率预测方法和相关装置，包括获取待预测日前若干天的天气类别，天气类别是通过将历史光伏发电功率数据进行聚类得到的，每个聚类类别分别对应一种特定天气类型；将日前若干天的天气类别输入到天气类型概率预测模型中，得到待预测日的天气类型概率分布；对天气类型概率分布进行多次随机抽样；按抽样得出的天气类型选择对应的光伏功率预测模型，并将日前若干天的光伏发电功率数据分别输入至各个光伏功率预测模型，得到待预测日的多个光伏功率预测结果；将多次抽样得出的天气类型概率与对应的多个光伏功率预测结果进行加权融合，得到待预测日最终的光伏功率预测结果。本发明通过聚类的方法充分挖掘历史光伏出力数据中隐含的气象信息，结合天气类型概率预测模型和光伏功率预测模型可以在没有天气预报输入的条件下有效考虑长期运行中的天气变化，更准确低的实现未来24小时的光伏出力预测，应用的条件更加宽松。