本發(fā)明主要涉及光伏發(fā)電功率預測，具體涉及一種基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法及系統(tǒng)。

背景技術：

1、隨著光伏發(fā)電系統(tǒng)的應用越來越廣泛，越來越多光伏電源接入到配電網(wǎng)中，給電力系統(tǒng)的規(guī)劃、運行、控制等各方面帶來巨大挑戰(zhàn)。由于太陽輻射量與氣象條件密切相關，造成光伏發(fā)電系統(tǒng)輸出功率隨機性、波動性的固有特點。在電力儲能設施與新能源并網(wǎng)電力的不匹配短期內(nèi)難以改變的情況下，大規(guī)模光伏發(fā)電系統(tǒng)接入電網(wǎng)時會對電力系統(tǒng)的安全穩(wěn)定運行造成很大沖擊，這也是光伏發(fā)電大規(guī)模接入電網(wǎng)需要解決的關鍵技術問題。世界各國相繼開展了光伏發(fā)電功率預測的技術研究，這對于電力系統(tǒng)穩(wěn)定運行具有非常重要的意義，有助于電力系統(tǒng)調(diào)度部門統(tǒng)籌安排常規(guī)能源和光伏發(fā)電的發(fā)電規(guī)劃，合理安排電網(wǎng)運行方式。

2、目前用于預測光伏發(fā)電功率的模型多為機器學習模型和深度學習模型。現(xiàn)有的光伏發(fā)電功率預測模型構(gòu)建預報氣象、歷史氣象數(shù)據(jù)以及歷史發(fā)電功率數(shù)據(jù)到電站發(fā)電功率的映射關系，并將該映射關系用于預測光伏場站未來時間段發(fā)電功率。由于氣象預報數(shù)據(jù)準確度的問題，預測的發(fā)電功率跟實際發(fā)電功率之間會存在偏差。比較常見的一類偏差為，在晴天場景，預測發(fā)電功率低于實際發(fā)電功率(與氣象數(shù)據(jù)、訓練數(shù)據(jù)、模型局限性等相關)。針對晴天場景預測發(fā)電功率低于實際發(fā)電功率的問題，可以通過系數(shù)調(diào)節(jié)的方式對模型的預測發(fā)電功率做拉伸。通過系數(shù)對模型預測結(jié)果做后處理可以有效解決晴天場景預測發(fā)電功率偏低的問題，但是系數(shù)的確定以及調(diào)整需要定期手動更新。如果場站數(shù)目過大，手動更新系數(shù)會增加運維時間成本。

技術實現(xiàn)思路

1、針對現(xiàn)有技術存在的技術問題，本發(fā)明提供一種預測精度高的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法及系統(tǒng)。

2、為解決上述技術問題，本發(fā)明提出的技術方案為：

3、一種基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，采用帶注意力機制的編碼器-解碼器模型來實現(xiàn)，預測方法包括步驟：

4、獲取歷史實際發(fā)電功率、氣象預報和歷史氣象數(shù)據(jù)中的一種或多種，輸入至模型的編碼器中，得到初步預測結(jié)果；

5、獲取模板日，并以矩陣的形式將模版日的實際發(fā)電功率數(shù)據(jù)以及預報輻照強度數(shù)據(jù)表征出來，得到知識表征向量；其中將實際發(fā)電功率曲線和該日對應的預報輻照強度曲線的相關性系數(shù)達到閾值的日期稱為模版日；

6、將所述初步預測結(jié)果、知識表征向量和解碼器的隱含狀態(tài)輸入至模型的attention模塊，輸出上下文變量context；

7、將歷史實際發(fā)電功率、氣象預報和歷史氣象數(shù)據(jù)中的一種或多種，以及所述上下文變量context，輸入至模型的解碼器中，得到光伏發(fā)電功率預測值。

8、優(yōu)選地，所述氣象預報包括預報輻照、預報溫度、預報濕度、預報風速和預報氣壓；所述歷史氣象數(shù)據(jù)包括實測輻照、實測溫度、實測濕度、實測風速以及實測氣壓。

9、優(yōu)選地，實際發(fā)電功率曲線和該日對應的預報輻照強度曲線的相關性系數(shù)ρx,y的計算公式為：

10、

11、其中，x和y分別表示實際發(fā)電功率和氣象預報輻照強度，σx和σy分別表示實際發(fā)電功率和氣象預報輻照的標準差，μx和μy分別表示實際發(fā)電功率和氣象預報輻照的均值，為期望。

12、優(yōu)選地，上下文變量context的計算公式為：

13、

14、其中，α為注意力權重，seq_in為輸入序列數(shù)據(jù)的長度，q為解碼器的隱含狀態(tài)；k為知識表征向量；v為編碼器輸出的初步預測結(jié)果。

15、優(yōu)選地，注意力權重函數(shù)α(q,ki)為：

16、

17、其中，a為評分函數(shù)，exp為指數(shù)函數(shù)。

18、優(yōu)選地，采用加性注意力作為評分函數(shù)，給定查詢q和鍵k，加性注意力的評分函數(shù)為：

19、

20、其中，tv,wq,wk為模型參數(shù)，tanh為雙曲正切函數(shù)，表示將wv轉(zhuǎn)置。

21、優(yōu)選地，在單個時間步中，模型的解碼器中的循環(huán)網(wǎng)絡層在時間步t的隱含層狀態(tài)st為：

22、st＝f(st-1,[xt,contextt])

23、其中，t代表時間步，f()為循環(huán)神經(jīng)網(wǎng)絡層，contextt為第t個時間步計算得到的上下文變量，xt為第t個時間的輸入，[xt,contextt]表示將xt和contextt在xt的特征維度合并。

24、本發(fā)明還公開了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器運行時執(zhí)行如上所述方法的步驟。

25、本發(fā)明進一步公開了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序在被處理器運行時執(zhí)行如上所述方法的步驟。

26、本發(fā)明還公開了一種計算機系統(tǒng)，包括相互連接的存儲器和處理器，所述存儲器上存儲有計算機程序，所述計算機程序在被處理器運行時執(zhí)行如上所述方法的步驟。

27、與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于：

28、本發(fā)明的預測方法能夠基于歷史發(fā)電功率自動調(diào)節(jié)預測發(fā)電功率的幅度，有效提升模型在晴天場景的預測能力，預測精度高；跟傳統(tǒng)系數(shù)調(diào)整的方法相比，本發(fā)明的優(yōu)勢為模型具有自適應式，不需要手動設置系數(shù)。

技術特征：

1.一種基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，采用帶注意力機制的編碼器-解碼器模型來實現(xiàn)，其特征在于，預測方法包括步驟：

2.根據(jù)權利要求1所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，所述氣象預報包括預報輻照、預報溫度、預報濕度、預報風速和預報氣壓；所述歷史氣象數(shù)據(jù)包括實測輻照、實測溫度、實測濕度、實測風速以及實測氣壓。

3.根據(jù)權利要求1所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，實際發(fā)電功率曲線和該日對應的預報輻照強度曲線的相關性系數(shù)ρx,y的計算公式為：

4.根據(jù)權利要求1或2或3所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，上下文變量context的計算公式為：

5.根據(jù)權利要求4所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，注意力權重函數(shù)α(q,ki)為：

6.根據(jù)權利要求5所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，采用加性注意力作為評分函數(shù)，給定查詢q和鍵k，加性注意力的評分函數(shù)為：

7.根據(jù)權利要求6所述的基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法，其特征在于，在單個時間步中，模型的解碼器中的循環(huán)網(wǎng)絡層在時間步t的隱含層狀態(tài)st為：

8.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器運行時執(zhí)行如權利要求1-7中任意一項所述方法的步驟。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序在被處理器運行時執(zhí)行如權利要求1-7中任意一項所述方法的步驟。

10.一種計算機系統(tǒng)，包括相互連接的存儲器和處理器，所述存儲器上存儲有計算機程序，其特征在于，所述計算機程序在被處理器運行時執(zhí)行如權利要求1-7中任意一項所述方法的步驟。

技術總結(jié)
本發(fā)明公開了一種基于歷史數(shù)據(jù)的光伏發(fā)電功率預測方法及系統(tǒng)，預測方法包括：獲取歷史實際發(fā)電功率、氣象預報和歷史氣象數(shù)據(jù)中的一種或多種，輸入至模型的編碼器中，得到初步預測結(jié)果；獲取模板日，并以矩陣的形式將模版日的實際發(fā)電功率數(shù)據(jù)以及預報輻照強度數(shù)據(jù)表征出來，得到知識表征向量；將初步預測結(jié)果、知識表征向量和解碼器的隱含狀態(tài)輸入至模型的Attention模塊，輸出上下文變量context；將歷史實際發(fā)電功率、氣象預報和歷史氣象數(shù)據(jù)中的一種或多種，以及上下文變量context，輸入至模型的解碼器中，得到光伏發(fā)電功率預測值。本發(fā)明具有預測精度高、自適應性好等優(yōu)點。

技術研發(fā)人員：王玎,朱光明,盛杰,張軍,孫杰懿,胡錦豪,徐民,曹偉,胡斌奇,陳厚濤,朱蜀,萬克洋
受保護的技術使用者：國網(wǎng)湖南省電力有限公司
技術研發(fā)日：
技術公布日：2024/12/10