[发明专利]基于深度时空特征与效应分解的光伏功率预测系统

说明书

本发明公开了基于深度时空特征与效应分解的光伏功率预测系统，涉及光伏功率预测技术领域，通过设置历史数据收集模块收集光伏发电站的历史数据；设置区域气象划分模块根据历史数据对光伏发电站所在区域以及气象进行划分；设置气象效应分解模块将历史数据根据不同的气象进行基于气象的效应分解；设置历史数据修正模块根据每类气象的气象指数对历史数据中的每日特征数据进行修正；设置相似日选择模块从历史数据中选择与待预测日期特征数据相近的日期；设置模型训练模块使用相似日序列预测光伏电站发电功率的LSTM模型；设置光伏功率预测模块对待预测日期的产生的光伏功率进行预测；解决了根据气象时空区别预测光伏功率的问题。

技术领域

本发明属于光伏发电领域，涉及光伏功率预测技术，具体是基于深度时空特征与效应分解的光伏功率预测系统。

背景技术

每个光伏电站具有独特的地理空间位置，光伏发电功率具有空间相关性。对于临近地区的多个光伏电站而言，由于地理位置条件相近，且在相似的天气、气温等气象条件作用下，光伏电站输出功率呈现一定程度的相似性。

针对光伏电站时空相关性的研究，有学者提出一种深度时空特征提取的光伏发电功率预测模型，针对邻近区域的光伏电站进行图建模，使用长短期记忆模型进行时间特征提取，使用图卷积原理提取电站的空间特征。但是由于分布式光伏电站具有强空间性，图机器学习还应该结合地理方位和云层运动，以达到更加精准的预测效果。

有学者利用聚类方法对大规模区域光伏电站进行分块形成群光伏电站，然后进一步筛选群光伏电站中与待预测电站具有空间相关性的光伏电站，建立自回归滑动平均模型实现对光伏发电功率的预测；模型具有一定的预测能力，但随着预测时长的增加预测精度下降。

现有工作大多依赖光伏电站气象装置量测的气象数据或者数值天气预报中的气象数据，仅采用某些针对性特征进行功率预测，缺乏对多源数据信息的有效利用；

为此，提出基于深度时空特征与效应分解的光伏功率预测系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于深度时空特征与效应分解的光伏功率预测系统，该基于深度时空特征与效应分解的光伏功率预测系统通过设置历史数据收集模块收集光伏发电站的历史数据；设置区域气象划分模块根据历史数据对光伏发电站所在区域以及气象进行划分；设置气象效应分解模块将历史数据根据不同的气象进行基于气象的效应分解；设置历史数据修正模块根据每类气象的气象指数对历史数据中的每日特征数据进行修正；设置相似日选择模块从历史数据中选择与待预测日期特征数据相近的日期；设置模型训练模块使用相似日序列预测光伏电站发电功率的LSTM模型；设置光伏功率预测模块对待预测日期的产生的光伏功率进行预测；解决了根据气象时空区别预测光伏功率的问题。

为实现上述目的，根据本发明的第一方面的实施例提出基于深度时空特征与效应分解的光伏功率预测系统，包括历史数据收集模块、区域气象划分模块、气象效应分解模块、历史数据修正模块、相似日选择模块、模型训练模块以及光伏功率预测模块；其中，各个模块之间通过电气方式连接；

其中，所述历史数据收集模块主要用于预先收集光伏发电站的历史基础数据；

所述历史数据收集模块收集的历史基础数据包括每个光伏发电站的地理位置、每个光伏发电站历史每日的发电功率、以及每日特征数据；其中，所述每日特征数据为影响每日光伏发电功率的物理因素；具体的，每日特征数据包括太阳辐照度、组件温度、相对湿度、空气温度以及大气压力；所述历史数据收集模块将收集的光伏发电站的历史基础数据发送至区域气象划分模块；

其中，所述区域气象划分模块主要用于根据光伏发电站的历史基础数据对光伏发电站所在区域以及气象进行划分；

所述区域气象划分模块将气象划分为晴天、多云以及雨天三类气象类型；对气象进行划分的方式为根据每日的太阳辐射度的强弱，以实际经验判断当日是晴天或多云，再根据当日相对湿度判断当日是否为雨天；