[发明专利]系统及其数据短期预测方法和装置、存储介质

说明书

本公开涉及一种系统及其数据短期预测方法和装置、存储介质。该方法包括：获取第一预定时间段的系统数据；采用集合经验模态分解方法对第一预定时间段的系统数据进行分解，获取残余函数和多个本征模式函数；将残余函数和多个本征模式函数分别输入对应的长短期记忆网络模型，获取残余函数的预测结果和每个本征模式函数的预测结果；将残余函数的预测结果和每个本征模式函数的预测结果相加获取系统预测数据。本公开可以确保即使在不考虑或缺失气象数据的情况下，仍旧可以保障进行较为精确、稳健的发电量短期预测。

技术领域

本公开涉及太阳能领域，特别涉及一种系统及其数据短期预测方法和装置、存储介质。

背景技术

随着经济的快速发展与能源短缺问题的日益凸显，太阳能的开发与利用受到了世界各国的重视。但由于复杂多变的天气、云层移动、环境温度等因素使得光伏发电具有波动性和间歇性。同时，随着光伏系统装机容量的不断攀升，对传统电网的安全运行带来了挑战。可靠、安全、高效地对系统数据进行短期预测，对保障电力系统的安全运行、资源优化配置和需求响应具有重要的意义。

常用的光伏发电量预测方法包括时间序列模型，气象数据模型。时间序列模型在进行预测时，采用历史数据作为输入，忽略了气象数据对光伏发电量的影响。气象数据模型利用了可在线获得的气象数据，采用模式识别方法对光伏发电量进行预测，属于光伏发电量短期预测方法中常用的策略。

发明内容

发明人发现：对于某些光伏系统，为了防止网络病毒攻击，服务器常常是处于脱机运行状态，在线的气象数据是无法获得。同时，由于设计、经费等原因，某些光伏系统并没有配备在线的气象数据采集装置。因此，设计一种基于时间序列的光伏发电短期预测模型是具有现实意义的。

鉴于以上技术问题中的至少一项，本公开提供了一种系统及其数据短期预测方法和装置、存储介质，可以在不考虑或缺失气象数据的情况下，保障进行较为精确、稳健的发电量短期预测。

根据本公开的一个方面，提供一种系统数据短期预测方法，包括：

获取第一预定时间段的系统数据；

采用集合经验模态分解方法对第一预定时间段的系统数据进行分解，获取残余函数和多个本征模式函数；

将残余函数和多个本征模式函数分别输入对应的长短期记忆网络模型，获取残余函数的预测结果和每个本征模式函数的预测结果；

将残余函数的预测结果和每个本征模式函数的预测结果相加获取系统预测数据。

在本公开的一些实施例中，本征模式函数包含低阶本征模式函数和高阶本征模式函数，其中：

低阶本征模式函数包括随机性影响因素；

高阶本征模式函数包括趋势性影响因素；

残余函数表示光伏发电量的变化趋势。

在本公开的一些实施例中，随机性影响因素包括人为因素和随机因素的至少一项；趋势性影响因素包括季节因素和气象因素的至少一项。

在本公开的一些实施例中，所述系统数据短期预测方法还包括：

对第一预定时间段的系统数据进行数据预处理，之后执行采用集合经验模态分解方法对第一预定时间段的系统数据进行分解的步骤。

在本公开的一些实施例中，所述系统数据短期预测方法还包括：

预先建立系统数据短期预测模型，其中，所述系统数据短期预测模型包括残余函数的长短期记忆网络模型和每个本征模式函数对应的长短期记忆网络模型。

在本公开的一些实施例中，所述预先建立系统数据短期预测模型包括：

获取第二预定时间段的系统数据；