[发明专利]光伏发电数据的预测方法、系统、设备及介质

说明书

本发明公开了一种光伏发电数据的预测方法、系统、设备及介质，该预测方法包括：获取一历史时间段的历史光伏发电数据；将历史光伏发电数据输入第一模型，以对历史光伏发电数据进行分类得到与不同气象类型对应的分组光伏发电数据；分别将每个分组光伏发电数据输入第二模型，输出不同气象类型下目标时间的预测光伏发电数据。本发明排除了气象因素对光伏发电数据预测的干扰；缩短了单一算法进行光伏发电数据预测的时间，提高了预测的准确性；对历史光伏发电数据进行预处理，改善了原始数据的质量，增强了预测结果的可靠性。

技术领域

本发明涉及光伏发电技术领域，尤其涉及一种光伏发电数据的预测方法、系统、设备及介质。

背景技术

随着化石燃料的逐渐枯竭，世界各国都将目光投入到可再生能源上，太阳能发电作为一种清洁能源越来越收到重视。光伏发电与天气因素息息相关，例如，太阳辐照强度、环境温度、天气类型等因素变化都会对光伏发电的输出功率造成影响。

随着光伏发电大规模的集中并入电网，光伏发电的间歇性、不确定性的特征使得输出功率存在天然的波动性，给电力系统的功率平衡、安全稳定和经济运行带来巨大的挑战。现有对光伏发电功率以及发电量的预测方法中，没有考虑天气因素或者发电功率随机波动的因素，造成预测效果差，准确度低。

发明内容

本发明要解决的技术问题是为了克服现有技术中对光伏发电数据预测未考虑天气随机波动的因素，预测效果差且准确度低的缺陷，提供一种光伏发电数据的预测方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

第一方面，本发明提供一种光伏发电数据的预测方法，所述预测方法包括：

获取一历史时间段的历史光伏发电数据；

将所述历史光伏发电数据输入第一模型，以对所述历史光伏发电数据进行分类得到与不同气象类型对应的分组光伏发电数据；

分别将每个分组光伏发电数据输入第二模型，输出不同气象类型下目标时间的预测光伏发电数据；所述目标时间基于所述历史时间段确定。

较佳地，所述将所述历史光伏发电数据输入第一模型之前，所述预测方法还包括：

对所述历史光伏发电数据进行预处理；所述预处理包括对所述历史光伏发电数据进行平滑处理以及异常数据剔除。

较佳地，所述第一模型包括基于随机变异策略的蚁群聚类算法构建的聚类模型；

和/或，

所述预测方法通过以下步骤训练得到所述第二模型，包括：

获取待训练的样本时间段内的样本光伏发电数据；

将所述样本光伏发电数据输入BP神经网络模型进行训练，生成所述第二模型；所述BP神经网络模型是以任意已知时间段的所述样本光伏发电数据为输入，以与所述任意已知时间段对应的待测时间的预测数据为输出，所述任意已知时间段和所述待测时间位于所述样本时间段内。

较佳地，所述历史光伏发电数据包括历史光伏发电功率数据，所述将所述历史光伏发电数据输入第一模型，以对所述历史光伏发电数据进行分类得到与不同气象类型对应的分组光伏发电数据的步骤包括：

将所述历史光伏发电功率数据输入第一模型，输出不同天气状态对应的分组光伏发电功率数据；所述气象类型包括所述天气状态，所述天气状态包括晴天、阴天以及雨天中的至少一种；

和/或；

所述历史光伏发电数据包括历史光伏发电量数据，所述将所述历史光伏发电数据输入第一模型，以对所述历史光伏发电数据进行分类得到与不同气象类型对应的分组光伏发电数据的步骤包括：