一种光伏发电量预测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114118596A(43)申请公布日2022.03.01(21)申请号202111447540.0(51)Int.Cl.(22)申请日2021.11.30G06Q10/04(2012.01)G06Q50/06(2012.01)(71)申请人华能清能通榆电力有限公司G06N3/08(2006.01)地址137000吉林省白城市通榆县新发街G06N3/00(2006.01)广白路(经济开发区办公楼103房间)G06K9/62(2022.01)申请人中国华能集团清洁能源技术研究院有限公司华能陇东能源有限责任公司(72)发明人万月吕贝张明杰王献文孟欣梁勇易立坤王学平鲁谟尔赵广赫(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张珊珊权利要求书3页说明书14页附图4页(54)发明名称一种光伏发电量预测方法和装置(57)摘要本申请提供了一种光伏发电量预测方法和装置，其中，方法包括：获取多个目标采集时刻下的气象数据和天气类型，根据多个目标采集时刻下的天气类型，对多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据，将聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得聚类后数据对应的预测光伏发电量。本申请基于聚类后数据以及基于蚁群算法优化的光伏发电量预测模型进行光伏发电量预测，提高了光伏发电量的预测精度，并且，本申请的模型输入较为简单。CN114118596ACN114118596A权利要求书1/3页1.一种光伏发电量预测方法，其特征在于，包括：获取多个目标采集时刻下的气象数据和天气类型，其中，一目标采集时刻下的气象数据是指针对目标气象因子采集的该目标采集时刻下的气象数据，所述目标气象因子为预设气象因子中与光伏发电量的相关度最高的一个或多个气象因子；根据所述多个目标采集时刻下的天气类型，对所述多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据；将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，以获得所述聚类后数据对应的预测光伏发电量，其中，所述基于蚁群算法优化的光伏发电量预测模型为以历史聚类后数据为训练样本，以标注的所述历史聚类后数据对应的历史光伏发电量为样本标签训练得到。2.根据权利要求1所述的光伏发电量预测方法，其特征在于，所述根据所述多个目标采集时刻下的天气类型，对所述多个目标采集时刻下的气象数据进行天气聚类，得到聚类后数据，包括：根据预设天气聚类信息，确定所述多个目标采集时刻下的天气类型分别对应的天气类别，作为目标天气类别，其中，所述预设天气聚类信息通过层次聚类算法将全部天气类型聚类为多个天气类别得到；将所述多个目标采集时刻下的气象数据按照所述目标天气类别进行天气聚类，得到所述目标天气类别下的聚类后数据。3.根据权利要求2所述的光伏发电量预测方法，其特征在于，所述基于蚁群算法优化的光伏发电量预测模型和所述预设天气聚类信息中的天气类别一一对应；所述将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型，包括：将所述目标天气类别下的聚类后数据分别输入至所述目标天气类别对应的基于蚁群算法优化的光伏发电量预测模型，以得到所述目标天气类别下的聚类后数据分别对应的预测光伏发电量。4.根据权利要求1～3任一项所述的光伏发电量预测方法，其特征在于，所述基于蚁群算法优化的光伏发电量预测模型的构建方法包括：获取样本数据，其中，所述样本数据包括多个历史采集时刻下的历史气象数据、历史天气类型和历史发电量数据，一历史采集时刻下的历史气象数据是指针对所述目标气象因子采集的该历史采集时刻下的历史气象数据；采用基于余弦系数的聚类方法将所述样本数据中的异常数据筛除，得到筛除异常数据后的样本数据；根据所述筛除异常数据后的样本数据中的所述历史天气类型，对所述筛除异常数据后的样本数据进行天气聚类，得到聚类后样本数据；将所述聚类后样本数据中的所述历史气象数据作为基于蚁群算法优化的BP神经网络的训练输入，将所述聚类后样本数据中的所述历史发电量数据作为基于蚁群算法优化的BP神经网络的训练输出，训练得到所述基于蚁群算法优化的光伏发电量预测模型。5.根据权利要求4所述的光伏发电量预测方法，其特征在于，所述目标气象因子的确定方法包括：2CN114118596A权利要求书2/3页获取针对所述预设气象因子中的各气象因子分别采集的气象数据，其中，针对所述预设气象因子中的一气象因子采集的气象数据为针对该气象因子采集的多个预设采集时刻下的气象数据；获取所述多个预设采集时刻下的历史发电量数据；对于所述预设气象因子中的每个气象因子，计算针对该气象因子采集的气象数据与所述多个预设采集时刻下的历史发电量数据的关联度，作为该气象因子对应的关联度