[发明专利]光伏发电预测方法、装置及终端设备

权利要求书

1.一种光伏发电预测方法，其特征在于，包括：

获取光伏发电特征数据；

基于所述光伏发电特征数据，构造光伏发电的结构特征；

利用概率密度函数对所述结构特征进行编码，获得光伏发电的统计特征；

将所述结构特征与所述统计特征进行融合，得到光伏发电的联合特征；

基于所述联合特征构建SampleRNN模型，并利用SampleRNN模型进行训练和测试；

将待预测的光伏发电数据输入到训练好的SampleRNN模型中，生成预测的发电量。

2.如权利要求1所述的光伏发电预测方法，其特征在于，所述获取光伏发电特征数据，包括：

获取光伏发电变量；

对于所述光伏发电变量中的异常值，采用所述异常值的平均值替代所述异常值，得到所述光伏发电特征数据。

3.如权利要求1所述的光伏发电预测方法，其特征在于，所述基于所述光伏发电特征数据，构造光伏发电的结构特征，包括：

构造新特征，所述新特征包括温差、实际板面所受光照和风量；

将所述新特征增加到所述光伏发电特征数据中，得到光伏发电的结构特征。

4.如权利要求1所述的光伏发电预测方法，其特征在于，所述利用概率密度函数对所述结构特征进行编码，获得光伏发电的统计特征，包括：

通过

获得光伏发电的统计特征；其中，μ为特征X的均值，σ为特征X的标准差。

5.如权利要求1所述的光伏发电预测方法，其特征在于，所述将所述结构特征与所述统计特征进行融合，得到光伏发电的联合特征，包括：

通过

X_联合＝X_结构+α*tanh((X_统计)^TX_结构(X_统计))

将统计特征X_统计与结构特征X_结构进行联合嵌入，得到光伏发电的联合特征；其中α＝[0,1]。

6.如权利要求1所述的光伏发电预测方法，其特征在于，所述SampleRNN模型为样本序列X_联合＝[x₁,x₂,x₃,......,x₂₁,x₂₂,x₂₃]的可能性建模：

P(X_联合)＝SampleRNN(x₁,x₂,...,x₂₃)。

7.如权利要求6所述的光伏发电预测方法，其特征在于，所述基于所述联合特征构建SampleRNN模型，并利用SampleRNN模型进行训练和测试，包括：

将实验样本数据分为M个训练集和N个测试集；其中M大于N；

预先设计SampleRNN模型的RNN隐藏层维度、RNN在帧级层中的深度、嵌入层的大小、RNN类型、激活函数、训练批量大小、训练次数和优化器；所述SampleRNN模型包括采样级层和帧级层；

将所述实验样本数据输入SampleRNN模型进行训练和测试，得到训练好的SampleRNN模型。

8.一种光伏发电预测装置，其特征在于，包括：

获取模块，用于获取光伏发电特征数据；

结构特征构造模块，用于基于所述光伏发电特征数据，构造光伏发电的结构特征；

编码模块，用于利用概率密度函数对所述结构特征进行编码，获得光伏发电的统计特征；

融合模块，用于将所述结构特征与所述统计特征进行融合，得到光伏发电的联合特征；

模型构建模块，用于基于所述联合特征构建SampleRNN模型，并利用SampleRNN模型进行训练和测试；

输出模块，用于将待预测的光伏发电数据输入到训练好的SampleRNN模型中，生成预测的发电量。