[发明专利]光伏发电预测方法、装置及终端设备

说明书

本申请适用于数据处理技术领域，提供了一种光伏发电预测方法、装置及终端设备，该光伏发电预测方法包括：获取光伏发电特征数据；基于光伏发电特征数据，构造光伏发电的结构特征；利用概率密度函数对结构特征进行编码，获得光伏发电的统计特征；将结构特征与统计特征进行融合，得到光伏发电的联合特征；基于联合特征构建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。本申请能够准确预测光伏发电功率，可以有效提高电网系统的安全性和稳定性。

技术领域

本申请属于信息技术领域，尤其涉及一种光伏发电预测方法、装置及终端设备。

背景技术

受多种气象因素的影响，光伏发电系统的输出功率具有随机性和波动性，对于大电网来说是不可控的。针对历史光伏输出功率和气象数据的有限性，需对光伏出力输出功率进行合理预测，在光伏接入电网时事先科学地修正其发电功率输出，减轻电网调度的运转压力。

目前对光伏发电功率的短期预测主要依靠大量历史气象数据和电厂出力数据之间的映射规律进行。常见的模型有支持向量机、神经网络、随机森林等。但是各模型只考虑到气象数据和电厂出力数据的自身的结构特征，将影响光伏功率发电多个影响因子输入到机器学习模型中，而没有考虑光伏功率发电的统计特征。

发明内容

为克服相关技术中存在的问题，本申请实施例提供了一种光伏发电预测方法、装置及终端设备，能够准确预测光伏发电功率，有效提高电网系统的安全性和稳定性。

本申请是通过如下技术方案实现的：

第一方面，本申请实施例提供了光伏发电预测方法，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。

在第一方面的一种可能的实现方式中，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。

在第一方面的一种可能的实现方式中，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。

在第一方面的一种可能的实现方式中，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。

在第一方面的一种可能的实现方式中，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],在本方法中α＝0.65。