[发明专利]光伏电站的日发电量预测方法、装置、设备及存储介质

说明书

本发明实施例公开了光伏电站的日发电量预测方法、装置、设备及存储介质。其中，该方法包括：基于第一设定方法确定待测月日发电量的预测结果，并作为第一预测结果；基于第二设定方法确定待测月日发电量的预测结果，并作为第二预测结果；将所述第一预测结果和所述第二预测结果输入到已训练的神经网络模型中，得到所述待测月日发电量的最终预测结果。本发明实施例提供的技术方案可以提高预测精度。

技术领域

本发明实施例涉及发电量预测技术，尤其涉及一种光伏电站的日发电量预测方法、装置、设备及存储介质。

背景技术

新能源日发电量的预测是新能源技术企业面临的新的技术需求。目前新能源(如，光伏发电)日发电量的预测主要两种方法，一种是首先预测月发电量，然后按照上一月或者去年同月的日发电量比例，将月发电量分解到每日；另一种是通过对短期功率预测结果进行积分，得到日发电量的预测结果。

但是上述两种方法存在如下缺陷：第一种方法，虽然月发电量根据较多的历史数据基于多种算法进行预测得到，但是在将发电量按日进行分配的过程中，往往仅根据历史的日发电量数据按比例分配，未考虑每日的实际天气、开机容量等因素，由此得到的日分配结果往往误差较大，因此，日发电量的预测精度并不高。第二种方法中，短期功率的预测依赖于天气预报数据，而天气预报数据往往存在一定误差，因此，得到的日发电量预测结果往往误差较大。

发明内容

本发明实施例提供一种光伏电站的日发电量预测方法、装置、设备及存储介质，可以提高预测精度。

第一方面，本发明实施例提供了一种光伏电站的日发电量预测方法，包括：

获取未来一周内每日的辐射照度以及过去三周内每日的辐射照度，并组成以所述辐射照度为向量元素的目标时间序列向量；

确定所述目标时间序列向量与历史辐射照度组成的至少两个历史时间序列向量的L2范数距离；其中，所述历史时间序列向量的向量元素的数量与所述目标时间序列向量中的向量元素的数量相同；

确定与所述目标时间序列向量L2范数距离最小的目标历史时间序列向量，并确定所述目标历史时间序列向量对应的日期集合；

以所述日期集合中最后一周的日发电量以及所述最后一周之后的设定天数的日发电量作为待测月的日发电量分解基准；其中，最后一周的天数与设定天数之和等于待测月的天数；其中，待测月为当前月的下一个月；

基于第一设定预测算法预测所述待测月的总发电量；

根据所述总发电量以及所述日发电量分解基准，确定待测月的日发电量预测结果。

第二方面，本发明实施例还提供了一种光伏电站的日发电量预测方法，包括：

获取未来一周内每日的辐射照度以及过去三周内的辐射照度，并组成以所述辐射照度为向量元素的目标时间序列向量；

确定所述目标时间序列向量与历史辐射照度组成的至少两个历史时间序列向量的L2范数距离；其中，所述历史时间序列向量的向量元素的数量与所述目标时间序列向量中的向量元素的数量相同；

确定与所述目标时间序列向量L2范数距离最小的目标历史时间序列向量，

选取所述目标历史时间序列向量中选取最后一周的辐射照度，以及获取在所述最后一周之后的三周内每日的辐射照度；

将未来一周内每日的辐射照度替代所述最后一周辐射照度，并和在所述最后一周内之后的三周内每日的辐射照度作为待测月的辐射照度；其中，所述待测月为当前月的下一个月；

基于所述待测月的辐射照度以及第二设定预测算法，确定所述待测月的日发电功率；

基于所述待测月的日发电功率确定所述待测月的日发电量预测结果。