[发明专利]一种光伏功率预测方法、装置及服务器

权利要求书

1.一种光伏功率预测方法，其特征在于，包括：

获取光伏电站的至少一个目标预测参数集，其中，所述目标预测参数集包括初始功率预测值；

分别将各所述目标预测参数集输入预设偏差预测模型，得到各所述目标预测参数集对应的预测偏差值；

基于各所述预测偏差值修正相应目标预测参数集中的初始功率预测值，得到所述光伏电站的目标功率预测值。

2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述获取光伏电站的至少一个目标预测参数集，包括：

获取光伏电站在预测日内的第一数量个预测参数集；

在各所述预测参数集中，提取所述光伏电站在目标预测时间段内的至少一组预测参数集，得到目标预测参数集。

3.根据权利要求2所述的光伏功率预测方法，其特征在于，所述获取光伏电站在预测日内的第一数量个预测参数集，包括：

获取光伏电站在预测日内的第二数量个预测参数集；

利用预设插值算法对各所述预测参数集进行插值运算，直至得到第一数量个预测参数集，其中，所述第一数量大于所述第二数量。

4.根据权利要求2所述的光伏功率预测方法，其特征在于，所述预测参数中还包括时间戳；

所述在各所述预测参数集中，提取所述光伏电站在目标预测时间段内的至少一组预测参数集，得到目标预测参数集，包括：

按照预设间隔时长，在目标预测时间段内确定至少一个目标时间戳；

在各所述预测参数集中，提取各所述目标时间戳对应的预测参数集，得到目标预测参数集。

5.根据权利要求2所述的光伏功率预测方法，其特征在于，在所述基于各所述预测偏差值修正相应目标预测参数集中的初始功率预测值，得到所述光伏电站的目标功率预测值之后，还包括：

将确定所述目标功率预测值的时刻作为目标时刻；

若所述目标时刻属于所述预测日，获取所述光伏电站的功率实测值；

根据所述功率实测值更新所述预设偏差预测模型。

6.根据权利要求1所述的光伏功率预测方法，其特征在于，所述基于各所述预测偏差值修正相应目标预测参数集中的初始功率预测值，得到所述光伏电站的目标功率预测值，包括：

分别计算各所述目标预测参数集中初始功率预测值与相应的预测偏差值的差值；

将各所述差值作为所述光伏电站的目标功率预测值。

7.根据权利要求2所述的光伏功率预测方法，其特征在于，训练所述预设偏差预测模型的过程，包括：

获取所述光伏电站的多个样本参数集和各所述样本参数集对应的样本预测偏差值；

分别确定目标神经网络对各所述样本参数集的输出结果，到相应的样本预测偏差值之间的误差，得到各所述样本参数集对应的误差；

以所述各所述样本参数集对应的误差处于预设范围或循环次达到预设阈值为训练目标，调整所述目标神经网络的参数，得到预设偏差预测模型。

8.根据权利要求7所述的光伏功率预测方法，其特征在于，所述获取所述光伏电站的多个样本参数集，包括：

将训练所述预设偏差预测模型的起始时刻作为参考时刻；

将所述预测日内自零时至所述参考时刻对应的时间段内的各预测参数集，作为所述光伏电站的样本参数集。

9.根据权利要求8所述的光伏功率预测方法，其特征在于，所述预测参数集还包括时间戳；

获取各所述样本参数集对应的样本预测偏差值的过程，包括：

按照所述样本参数集的时间戳获取所述光伏电站的功率实测值；

分别计算各所述样本参数集中的初始功率预测值与相应的功率实测值的差值，得到各所述样本参数集对应的样本预测偏差值。

10.根据权利要求7所述的光伏功率预测方法，其特征在于，所述目标神经网络包括长短期记忆LSTM神经网络。