[發(fā)明專利]一種基于長(zhǎng)短期記憶網(wǎng)絡(luò)的光伏發(fā)電功率短期預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911031539.2
• 申請(qǐng)日: 2019-10-28
• 公開（公告）號(hào): CN112734073A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 時(shí)珉;王玨;張沛;尹瑞;王鐵強(qiáng);王一峰;王彥棡;田劍剛;王曉光
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)河北省電力有限公司;國(guó)家電網(wǎng)有限公司;中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心;天津弘源慧能科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽

1.一種光伏發(fā)電功率短期預(yù)測(cè)的方法，其特征在于，所述方法包括:

根據(jù)光伏電站天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征,和光伏電站光伏發(fā)電功率,計(jì)算所述天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征和所述光伏發(fā)電功率之間的相關(guān)性；

根據(jù)所述相關(guān)性計(jì)算結(jié)果，選擇若干相關(guān)性高的天氣預(yù)報(bào)數(shù)據(jù)特征組成光伏發(fā)電功率短期預(yù)測(cè)模型的輸入向量；

根據(jù)農(nóng)歷信息和天氣類型對(duì)由所述輸入向量構(gòu)成的數(shù)據(jù)集進(jìn)行劃分，得到若干個(gè)基于季節(jié)和天氣類型的子數(shù)據(jù)集；

根據(jù)所述季節(jié)和天氣類型子數(shù)據(jù)集，以及光伏發(fā)電功率短期預(yù)測(cè)模型,得到光伏發(fā)電功率的預(yù)測(cè)值；所述光伏發(fā)電功率短期預(yù)測(cè)模型由訓(xùn)練得到。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算所述天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征和所述光伏發(fā)電功率之間的相關(guān)性包括，使用Pearson相關(guān)系數(shù)公式，計(jì)算所述天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征和所述光伏發(fā)電功率之間的相關(guān)性。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述光伏發(fā)電功率短期預(yù)測(cè)模型是循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM長(zhǎng)短期記憶模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述光伏發(fā)電功率短期預(yù)測(cè)模型為雙層LSTM模型，輸入層為所述輸入向量，隱含層進(jìn)行特征提取和特征回歸，輸出層為光伏發(fā)電功率的預(yù)測(cè)值。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)農(nóng)歷信息對(duì)所述輸入向量的數(shù)據(jù)集進(jìn)行季節(jié)劃分包括，按春夏秋冬進(jìn)行劃分得到季節(jié)子數(shù)據(jù)集；其中，立春至立夏為春天，立夏至立秋為夏天，立秋至立冬為秋天，其余為冬天。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，對(duì)每個(gè)所述季節(jié)子數(shù)據(jù)集進(jìn)行訓(xùn)練，得到基于季節(jié)的LSTM光伏發(fā)電功率短期預(yù)測(cè)模型。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)天氣類型對(duì)所述輸入向量的數(shù)據(jù)集進(jìn)行劃分，方法為，基于每日氣象預(yù)報(bào)信息，對(duì)所述輸入向量的數(shù)據(jù)集按天氣類型進(jìn)行劃分，所述天氣類型劃分為三類，即晴天、多云/陰天、雨天/雪天，得到天氣類型子數(shù)據(jù)集。

8.根據(jù)權(quán)利要求6所述的方法，其特征在于，對(duì)每個(gè)所述天氣類型子數(shù)據(jù)集進(jìn)行訓(xùn)練，得到基于天氣類型的LSTM光伏發(fā)電功率短期預(yù)測(cè)模型。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，結(jié)合所述季節(jié)和所述天氣類型，對(duì)所述光伏電站數(shù)值天氣預(yù)報(bào)數(shù)據(jù)的特征數(shù)據(jù)集按季節(jié)和天氣類型的進(jìn)行細(xì)分，得到季節(jié)和天氣類型子數(shù)據(jù)集。

10.根據(jù)權(quán)利要求8所述的方法，其特征在于，對(duì)每個(gè)所述季節(jié)和天氣類型子數(shù)據(jù)集進(jìn)行訓(xùn)練，得到基于季節(jié)和天氣類型的LSTM光伏發(fā)電功率短期預(yù)測(cè)模型。

11.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述光伏發(fā)電功率的預(yù)測(cè)值通過(guò)擬合模型進(jìn)行修正。

12.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述擬合模型是一元線性模型；所述擬合模型的擬合參數(shù)根據(jù)所述光伏發(fā)電功率預(yù)測(cè)值和真實(shí)值，由自動(dòng)學(xué)習(xí)得到。

13.一種光伏發(fā)電功率短期預(yù)測(cè)模型訓(xùn)練的方法，其特征在于，所述方法包括:

根據(jù)光伏電站天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征,和光伏電站光伏發(fā)電功率,計(jì)算所述天氣預(yù)報(bào)數(shù)據(jù)的各個(gè)特征和所述光伏發(fā)電功率之間的相關(guān)性；

根據(jù)所述相關(guān)性計(jì)算結(jié)果，選擇若干相關(guān)性高的天氣預(yù)報(bào)數(shù)據(jù)特征組成光伏發(fā)電功率短期預(yù)測(cè)模型的輸入向量；

根據(jù)農(nóng)歷信息和天氣類型對(duì)由所述輸入向量構(gòu)成的數(shù)據(jù)集進(jìn)行劃分，得到若干個(gè)基于季節(jié)和天氣類型的子數(shù)據(jù)集；

根據(jù)所述季節(jié)和天氣類型子數(shù)據(jù)集，和歷史光伏發(fā)電功率，訓(xùn)練出基于季節(jié)和天氣類型的光伏發(fā)電功率短期預(yù)測(cè)模型；所述光伏發(fā)電功率短期預(yù)測(cè)模型根據(jù)所述季節(jié)和天氣類型子數(shù)據(jù)集，得到光伏發(fā)電功率的預(yù)測(cè)值。