[发明专利]分布式光伏功率智能预测方法及装置

权利要求书

1.一种分布式光伏功率智能预测方法，其特征在于，所述方法包括：

确定用于训练的至少一种天气类型的目标训练数据；所有所述天气类型的目标训练数据为针对所有所述天气类型下光伏电站的历史光伏功率数据，所有所述天气类型的目标训练数据包括晴天类型、降水类型、雷电类型、风尘类型以及阴天类型的目标训练数据；

根据所有所述天气类型的目标训练数据，对预设的待训练预测模型执行训练操作，得到训练后预测模型，并判断所述训练后预测模型是否收敛；

当判断结果为是时，将所述训练后预测模型确定为目标预测模型；所述目标预测模型用于基于所述光伏电站的当前天气类型预测所述光伏电站的未来光伏功率参数。

2.根据权利要求1所述的分布式光伏功率智能预测方法，其特征在于，在所述根据所有所述天气类型的目标训练数据，对预设的待训练预测模型执行训练操作，得到训练后预测模型之前，所述方法还包括：

确定所有所述天气类型的目标训练数据所对应的数据情况；所述数据情况包括数据特殊值情况、数据缺失情况以及数据噪声情况；

根据所述数据情况，确定所有所述天气类型的目标训练数据所对应的模型训练影响情况，并根据所述模型训练影响情况，确定所有所述天气类型的目标训练数据所对应的模型训练影响度；

判断所述模型训练影响度的绝对值是否小于等于预设影响度阈值；

当判断出所述模型训练影响度的绝对值小于等于所述预设影响度阈值时，触发执行所述的根据所有所述天气类型的目标训练数据，对预设的待训练预测模型执行训练操作，得到训练后预测模型的操作；

当判断出所述模型训练影响度的绝对值大于所述预设影响度阈值时，根据所述数据情况，确定所有所述天气类型的目标训练数据对应的数据处理类型；

根据所述数据处理类型，对所有所述天气类型的目标训练数据进行处理，以更新所有所述天气类型的目标训练数据，并触发执行所述的根据所有所述天气类型的目标训练数据，对预设的待训练预测模型执行训练操作，得到训练后预测模型的操作；所有所述天气类型的目标训练数据为更新后的所有所述天气类型的目标训练数据。

3.根据权利要求1或2所述的分布式光伏功率智能预测方法，其特征在于，所述确定用于训练的至少一种天气类型的目标训练数据，包括：

获取待划分类型的原始训练数据集；

根据所述原始训练数据集，确定所述原始训练数据集中每个原始训练数据对应的辐照度衰减指数；

根据每个所述原始训练数据对应的辐照度衰减指数，对每个所述原始训练数据执行天气类型划分操作，得到每个所述原始训练数据所属的天气类型；

根据所有所述原始训练数据所属的天气类型，确定用于训练的至少一种天气类型下的目标训练数据。

4.根据权利要求3所述的分布式光伏功率智能预测方法，其特征在于，所述根据所述原始训练数据集，确定所述原始训练数据集中每个原始训练数据对应的辐照度衰减指数，包括：

根据所述原始训练数据集，获取预先测量出的所述原始训练数据集中每个原始训练数据对应的目标辐照度参数以及预先计算出的每个所述原始训练数据对应的参照辐照度参数；

根据每个所述原始训练数据对应的目标辐照度参数以及对应的参照辐照度参数，确定每个所述原始训练数据对应的辐照度衰减指数。