一种基于历史数据的光伏发电功率预测方法及系统与流程

本发明主要涉及光伏发电功率预测，具体涉及一种基于历史数据的光伏发电功率预测方法及系统。

背景技术：

1、随着光伏发电系统的应用越来越广泛，越来越多光伏电源接入到配电网中，给电力系统的规划、运行、控制等各方面带来巨大挑战。由于太阳辐射量与气象条件密切相关，造成光伏发电系统输出功率随机性、波动性的固有特点。在电力储能设施与新能源并网电力的不匹配短期内难以改变的情况下，大规模光伏发电系统接入电网时会对电力系统的安全稳定运行造成很大冲击，这也是光伏发电大规模接入电网需要解决的关键技术问题。世界各国相继开展了光伏发电功率预测的技术研究，这对于电力系统稳定运行具有非常重要的意义，有助于电力系统调度部门统筹安排常规能源和光伏发电的发电规划，合理安排电网运行方式。

2、目前用于预测光伏发电功率的模型多为机器学习模型和深度学习模型。现有的光伏发电功率预测模型构建预报气象、历史气象数据以及历史发电功率数据到电站发电功率的映射关系，并将该映射关系用于预测光伏场站未来时间段发电功率。由于气象预报数据准确度的问题，预测的发电功率跟实际发电功率之间会存在偏差。比较常见的一类偏差为，在晴天场景，预测发电功率低于实际发电功率(与气象数据、训练数据、模型局限性等相关)。针对晴天场景预测发电功率低于实际发电功率的问题，可以通过系数调节的方式对模型的预测发电功率做拉伸。通过系数对模型预测结果做后处理可以有效解决晴天场景预测发电功率偏低的问题，但是系数的确定以及调整需要定期手动更新。如果场站数目过大，手动更新系数会增加运维时间成本。

技术实现思路

1、针对现有技术存在的技术问题，本发明提供一种预测精度高的基于历史数据的光伏发电功率预测方法及系统。

2、为解决上述技术问题，本发明提出的技术方案为：

3、一种基于历史数据的光伏发电功率预测方法，采用带注意力机制的编码器-解码器模型来实现，预测方法包括步骤：

4、获取历史实际发电功率、气象预报和历史气象数据中的一种或多种，输入至模型的编码器中，得到初步预测结果；

5、获取模板日，并以矩阵的形式将模版日的实际发电功率数据以及预报辐照强度数据表征出来，得到知识表征向量；其中将实际发电功率曲线和该日对应的预报辐照强度曲线的相关性系数达到阈值的日期称为模版日；

6、将所述初步预测结果、知识表征向量和解码器的隐含状态输入至模型的attention模块，输出上下文变量context；

7、将历史实际发电功率、气象预报和历史气象数据中的一种或多种，以及所述上下文变量context，输入至模型的解码器中，得到光伏发电功率预测值。

8、优选地，所述气象预报包括预报辐照、预报温度、预报湿度、预报风速和预报气压；所述历史气象数据包括实测辐照、实测温度、实测湿度、实测风速以及实测气压。

9、优选地，实际发电功率曲线和该日对应的预报辐照强度曲线的相关性系数ρx,y的计算公式为：

10、

11、其中，x和y分别表示实际发电功率和气象预报辐照强度，σx和σy分别表示实际发电功率和气象预报辐照的标准差，μx和μy分别表示实际发电功率和气象预报辐照的均值，为期望。

12、优选地，上下文变量context的计算公式为：

13、

14、其中，α为注意力权重，seq_in为输入序列数据的长度，q为解码器的隐含状态；k为知识表征向量；v为编码器输出的初步预测结果。

15、优选地，注意力权重函数α(q,ki)为：

16、

17、其中，a为评分函数，exp为指数函数。

18、优选地，采用加性注意力作为评分函数，给定查询q和键k，加性注意力的评分函数为：

19、

20、其中，tv,wq,wk为模型参数，tanh为双曲正切函数，表示将wv转置。

21、优选地，在单个时间步中，模型的解码器中的循环网络层在时间步t的隐含层状态st为：

22、st＝f(st-1,[xt,contextt])

23、其中，t代表时间步，f()为循环神经网络层，contextt为第t个时间步计算得到的上下文变量，xt为第t个时间的输入，[xt,contextt]表示将xt和contextt在xt的特征维度合并。

24、本发明还公开了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器运行时执行如上所述方法的步骤。

25、本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

26、本发明还公开了一种计算机系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序在被处理器运行时执行如上所述方法的步骤。

27、与现有技术相比，本发明的优点在于：

28、本发明的预测方法能够基于历史发电功率自动调节预测发电功率的幅度，有效提升模型在晴天场景的预测能力，预测精度高；跟传统系数调整的方法相比，本发明的优势为模型具有自适应式，不需要手动设置系数。

1.一种基于历史数据的光伏发电功率预测方法，采用带注意力机制的编码器-解码器模型来实现，其特征在于，预测方法包括步骤：

2.根据权利要求1所述的基于历史数据的光伏发电功率预测方法，其特征在于，所述气象预报包括预报辐照、预报温度、预报湿度、预报风速和预报气压；所述历史气象数据包括实测辐照、实测温度、实测湿度、实测风速以及实测气压。

3.根据权利要求1所述的基于历史数据的光伏发电功率预测方法，其特征在于，实际发电功率曲线和该日对应的预报辐照强度曲线的相关性系数ρx,y的计算公式为：

4.根据权利要求1或2或3所述的基于历史数据的光伏发电功率预测方法，其特征在于，上下文变量context的计算公式为：

5.根据权利要求4所述的基于历史数据的光伏发电功率预测方法，其特征在于，注意力权重函数α(q,ki)为：

6.根据权利要求5所述的基于历史数据的光伏发电功率预测方法，其特征在于，采用加性注意力作为评分函数，给定查询q和键k，加性注意力的评分函数为：

7.根据权利要求6所述的基于历史数据的光伏发电功率预测方法，其特征在于，在单个时间步中，模型的解码器中的循环网络层在时间步t的隐含层状态st为：

8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器运行时执行如权利要求1-7中任意一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-7中任意一项所述方法的步骤。

10.一种计算机系统，包括相互连接的存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被处理器运行时执行如权利要求1-7中任意一项所述方法的步骤。