[发明专利]一种海量分布式可再生能源功率预测方法及相关装置

权利要求书

1.一种海量分布式可再生能源功率预测方法，其特征在于，包括：

获取功率待预测区域所对应的云图图像，通过识别和分割技术对所述云图图像进行识别分类，得到m个不同种类的云层并进行标记；

采用深度学习方式建立基于云图的海量分布式可再生能源的功率预测模型；

根据m个不同种类，将云层所属的多个分布式可再生能源功率预测划分为m个Map任务；

通过所述功率预测模型对每个所述Map任务进行功率预测，得到m个功率预测结果；

根据云层变化情况确定m个Map任务的对应的权重，利用Reduce函数合并m个功率预测结果，得到待预测区域的可再生能源功率。

2.根据权利要求1所述的海量分布式可再生能源功率预测方法，其特征在于，所述根据m个不同种类，将云层所属的多个分布式可再生能源功率预测划分为m个Map任务，之后还包括：

获取m个Map任务分别在服务器运行时，占用内存的情况；

将占用内存大小超过服务器的预设内存阈值的Map任务，再次进行Map任务划分，并增加服务器的数量，从而得到n个Map任务。

3.根据权利要求1所述的海量分布式可再生能源功率预测方法，其特征在于，所述根据云层变化情况确定m个Map任务的对应的权重，利用Reduce函数合并m个功率预测结果，得到待预测区域的可再生能源功率，具体包括：

将当前时刻分类得到的云层分类结果与历史云层分类结果进行比对，确定当前云层种类在历史云层种类所占比列，从而确定m个Map任务的对应的权重，将m个功率预测结果剩以对应的权重并相加，得到待预测区域的可再生能源功率。

4.根据权利要求1所述的海量分布式可再生能源功率预测方法，其特征在于，获取功率待预测区域所对应的云图图像，通过识别和分割技术对所述云图图像进行识别分类，得到m个不同种类的云层并进行标记，具体包括：

将所述云图图像作为原始云图图像输入到GAN模型，生产大量的新的云图图像；

将所述原始云图图像和所述新的云图图像输入到分割模型进行分割后，作为CNN神经网络的输入，通过CNN神经网络对云图图像进行识别分类得到m个不同种类的云层并进行标记。

5.一种海量分布式可再生能源功率预测系统，其特征在于，包括：

分类单元，用于获取功率待预测区域所对应的云图图像，通过识别和分割技术对所述云图图像进行识别分类，得到m个不同种类的云层并进行标记；

建立单元，用于采用深度学习方式建立基于云图的海量分布式可再生能源的功率预测模型；

第一划分单元，用于根据m个不同种类，将云层所属的多个分布式可再生能源功率预测划分为m个Map任务；

预测单元，用于通过所述功率预测模型对每个所述Map任务进行功率预测，得到m个功率预测结果；

计算单元，用于根据云层变化情况确定m个Map任务的对应的权重，利用Reduce函数合并m个功率预测结果，得到待预测区域的可再生能源功率。

6.根据权利要求5所述的海量分布式可再生能源功率预测系统，其特征在于，还包括：第二划分单元；

所述第二划分单元，用于获取m个Map任务分别在服务器运行时，占用内存的情况；将占用内存大小超过服务器的预设内存阈值的Map任务，再次进行Map任务划分，并增加服务器的数量，从而得到n个Map任务。

7.根据权利要求5所述的海量分布式可再生能源功率预测系统，其特征在于，所述计算单元，具体用于：

将当前时刻分类得到的云层分类结果与历史云层分类结果进行比对，确定当前云层种类在历史云层种类所占比列，从而确定m个Map任务的对应的权重，将m个功率预测结果剩以对应的权重并相加，得到待预测区域的可再生能源功率。