[发明专利]一种用于进行光伏功率预测的informer模型的训练方法及装置

说明书

本申请提供了一种用于进行光伏功率预测的informer模型的训练方法及装置，该方法包括：获取样本数据；将样本数据输入至待训练的用于进行光伏功率预测的informer模型中，以得到样本数据对应的光伏功率预测结果预测值；获取样本数据对应的光伏功率预测结果真实值；获取光伏功率预测结果预测值和光伏功率预测结果真实值之间的差异，并根据差异调整待训练的用于进行光伏功率预测的informer模型的模型参数，直至差异满足训练结束条件，将最后一次调整模型参数后的待训练的用于进行光伏功率预测的informer模型确定为训练好的用于进行光伏功率预测的informer模型。由此，本申请通过训练好的光伏功率预测的informer模型，避免了逐步推理产生的累计误差，提高长时间序列预测的速度，进而提高光伏功率预测结果的准确性和高效性。

技术领域

本发明涉及人工智能技术领域，特别涉及一种用于进行光伏功率预测的informer模型的训练方法及装置。

背景技术

随着光伏发电在电源结构比重的增加，光伏功率预测系统越来越重要，而光伏发电功率预测是光伏领域的重点研究方向之一。

相关技术中，主要采用气象数据和光伏运行数据进行建模，其中，建模方法通常采用循环神经网络(Recurrent Neural Networks，简称RNN)、长短期记忆网络(Long-ShortTerm Memory，简称LSTM)、门控循环单元(Gated Recurrent Units，简称GRU)、变换Transformer神经网络等，其中，在上述神经网络中Transformer结构能够完全消除梯度消失和梯度爆炸的问题，在长时间序列问题上预测效果更好，然而，基于Transformer模型，在预测长时间序列问题时速度很慢。。因此，如何提高长时间序列预测的速度，进而提高光伏功率预测结果的准确性和高效性，已成为了亟待解决的问题。

发明内容

本申请提供了一种用于进行光伏功率预测的informer模型的训练方法，通过训练好的光伏功率预测的informer模型，避免了逐步推理产生的累计误差，提高长时间序列预测的速度，进而提高光伏功率预测结果的准确性和高效性。

根据本申请的第一方面，提供了一种用于进行光伏功率预测的informer模型的训练方法，包括：获取样本数据，其中，所述样本数据包括光伏场站的样本气象数据和样本运行数据；将所述样本数据输入至待训练的用于进行光伏功率预测的informer模型中，以得到所述样本数据对应的光伏功率预测结果预测值；获取所述样本数据对应的光伏功率预测结果真实值；获取所述光伏功率预测结果预测值和所述光伏功率预测结果真实值之间的差异，并根据所述差异调整所述待训练的用于进行光伏功率预测的informer模型的模型参数，直至所述差异满足训练结束条件，将最后一次调整所述模型参数后的所述待训练的用于进行光伏功率预测的informer模型确定为训练好的用于进行光伏功率预测的informer模型。

另外，根据本申请上述实施例的一种用于进行光伏功率预测的informer模型的训练方法，还可以具有如下附加的技术特征：

根据本申请的一个实施例，所述获取所述光伏场站的历史气象数据和历史运行数据，以根据所述历史气象数据和所述历史运行数据，形成初始数据；获取目标变量维度，并根据所述目标变量维度对所述初始数据进行标准化处理，以得到标准化数据；根据目标滑动窗口对所述标准化数据进行构建，以得到目标数据集；对所述目标数据集进行光伏工况划分，以获取至少一个所述样本数据。

根据本申请的一个实施例，所述根据所述目标变量维度对所述初始数据进行标准化处理，以得到标准化数据，包括：获取所述初始数据中任一行任一列的取值作为第一目标值；获取所述初始数据中所述任一行所有数据的平均值和标准差；根据所述目标变量维度、所述第一目标值、所述平均值和所述标准差，获取所述标准化数据。