[发明专利]一种基于多源数据融合的光伏功率组合预测方法及系统在审

专利信息
申请号: 202110545719.3 申请日: 2021-05-19
公开(公告)号: CN113128793A 公开(公告)日: 2021-07-16
发明(设计)人: 杨明;司志远;王皓怀;于一潇;和识之;邓韦斯;车建峰;王勃 申请(专利权)人: 中国南方电网有限责任公司;山东大学;中国电力科学研究院有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 510623 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 融合 功率 组合 预测 方法 系统
【权利要求书】:

1.一种基于多源数据融合的光伏功率组合预测方法,其特征在于,包括:

获取历史发电功率序列数据以及待预测日外部气象数据;

将所述数据分别输入到训练好的卷积神经网络子预测模型、长短期记忆网络子预测模型和极端梯度增强树子预测模型进行光伏功率预测;

根据待预测日当日的云量指标进行天气类型的归类,进而确定每一个子预测模型的预测权重;

基于所述权重将上述子预测模型的预测结果进行融合,得到最终的光伏功率预测结果。

2.如权利要求1所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,利用皮尔森相关系数计算不同影响因素与光伏功率间的相关性,确定历史发电功率序列数据以及温度、湿度和卫星云图数据作为预测模型的输入数据。

3.如权利要求1所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,所述卷积神经网络子预测模型利用卫星图像数据作为输入数据进行模型训练,以感知云遮挡因素对光伏发电的影响。

4.如权利要求1所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,所述长短期记忆网络子预测模型利用历史发电功率序列数据作为输入数据进行训练,以训练与T时刻光伏功率之间的映射关系。

5.如权利要求1所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,所述极端梯度增强树子预测模型利用温度、湿度、太阳天顶角和辐照度数据作为输入数据进行训练,以建立气象数据与光伏功率的映射关系。

6.如权利要求1所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,根据待预测日当日的云量指标进行天气类型的归类,进而确定每一个子预测模型的预测权重;具体包括:

根据气象条件将天气类型划分为晴天、多云以及阴天情形,并将样本集划分为晴天集合、多云集合以及阴天集合;

针对不同的样本集合,分别采用PSO算法获取各个子模型的最优权重,首先初始化三个子模型的权重粒子,评估每个粒子并得到全局最优,如若为满足精度条件,则不断更新粒子的位置和速度,直至获得最优结果,最终即可获得三个子模型各自结果对应的权重。

7.如权利要求6所述的一种基于多源数据融合的光伏功率组合预测方法,其特征在于,根据云量指标进行天气类型的归类,若当日云量a%,则认定该日为晴天;若当日a%云量b%,认定该日为多云;若当日云量b%,则认定该日为阴天;其中,a、b均为设定值。

8.一种基于多源数据融合的光伏功率组合预测系统,其特征在于,包括:

数据获取模块,用于获取历史发电功率序列数据以及待预测日外部气象数据;

功率预测模块,用于将所述数据分别输入到训练好的卷积神经网络子预测模型、长短期记忆网络子预测模型和极端梯度增强树子预测模型进行光伏功率预测;

预测权重模块,用于根据待预测日当日的云量指标进行天气类型的归类,进而确定每一个子预测模型的预测权重;

数据融合模块,用于基于所述权重将上述子预测模型的预测结果进行融合,得到最终的光伏功率预测结果。

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源数据融合的光伏功率组合预测方法。

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源数据融合的光伏功率组合预测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国南方电网有限责任公司;山东大学;中国电力科学研究院有限公司,未经中国南方电网有限责任公司;山东大学;中国电力科学研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110545719.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top