[发明专利]基于多任务的分布式光伏电站超短期功率预测方法及系统

权利要求书

1.一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，包括：

获取待预测时刻前T个光伏发电功率数据及待预测时刻的影响因素数据，进行归一化；T为自然数；

将获取的数据输入到训练好的多任务学习神经网络模型中，得到待预测时刻的区域内多个分布式光伏电站的光伏发电功率预测数据；

其中，所述多任务学习神经网络模型采用硬参数共享方式，包括两层硬参数共享层以及一层子任务层。

2.如权利要求1所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，得到待预测时刻的光伏发电功率预测数据之后，还包括：

对所述光伏发电功率预测数据进行反向归一化，得到最终的光伏电站超短期功率预测数据。

3.如权利要求1所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，所述待预测时刻的影响因素数据包括：温度、相对湿度、全球水平辐射、扩散水平辐射、风向和日降雨量。

4.如权利要求1所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，进行多任务学习神经网络模型的训练时，构建样本数据库，具体包括：

获取区域内N个光伏电站与待预测日前M天的历史功率数据，构建历史功率数据数据库；获取对光伏发电产生影响的影响因素特征数据，构建特征数据库；对所述历史功率数据数据库和特征数据库中的数据进行归一化操作。

5.如权利要求4所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，对历史功率数据数据库中的数据，以T+1个点为单位进行分割。

6.如权利要求4所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，对特征数据库中的数据，以设定时间段为单位进行分割。

7.如权利要求4所述的一种基于多任务的分布式光伏电站超短期功率预测方法，其特征在于，将归一化后的历史功率数据和特征数据输入多任务学习神经网络模型进行训练，直到所述网络模型的学习率不再提高；其中，每个历史功率样本数据前T个光伏发电功率点作为神经网络的输入，最后1个点的数据作为神经网络的标签。

8.一种基于多任务的分布式光伏电站超短期功率预测系统，其特征在于，包括：

数据获取模块，用于获取待预测时刻前T个光伏发电功率数据及待预测时刻的影响因素数据；T为自然数；

光伏发电功率预测模块，用于将获取的数据输入到训练好的多任务学习神经网络模型中，得到待预测时刻的区域内多个分布式光伏电站的光伏发电功率预测数据；

其中，所述多任务学习神经网络模型采用硬参数共享方式，包括两层硬参数共享层以及一层子任务层。

9.一种终端设备，其包括处理器和存储器，处理器用于实现各指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于多任务的分布式光伏电站超短期功率预测方法。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于多任务的分布式光伏电站超短期功率预测方法。