[發(fā)明專利]光功率的預測方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110553452.2
• 申請日: 2021-05-20
• 公開（公告）號: CN113408785B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 余海峰;麥國嶸
• 申請（專利權(quán)）人: 上海晨翹智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京三高永信知識產(chǎn)權(quán)代理有限責任公司 11138
• 代理人: 邢少真

1.一種光功率的預測方法，其特征在于，所述方法包括：

獲取至少兩個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)，以及獲取所述歷史氣象數(shù)據(jù)對應(yīng)的實際光功率；所述歷史氣象數(shù)據(jù)包括歷史氣象預測數(shù)據(jù)和歷史氣象實測數(shù)據(jù)中的至少一種，所述歷史氣象預測數(shù)據(jù)是指已發(fā)生時間上的氣象預測數(shù)據(jù)，所述歷史氣象實測數(shù)據(jù)是對所述已發(fā)生時間上的地球大氣層狀態(tài)進行觀測得到的氣象數(shù)據(jù)，所述氣象預測數(shù)據(jù)是對未來時間上的地球大氣層狀態(tài)進行預測得到的氣象數(shù)據(jù)；

針對每一個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)，與所述實際光功率進行預處理，得到所述至少兩個氣象源對應(yīng)的至少兩個特征數(shù)據(jù)序列；

預測模型包括多模態(tài)輸入層、至少兩個編碼模塊和至少兩個預測模塊；通過所述多模態(tài)輸入層將所述至少兩個特征數(shù)據(jù)序列中的第i個特征數(shù)據(jù)序列輸入所述至少兩個編碼模塊中的第i個編碼模塊；通過所述第i個編碼模塊對所述第i個特征數(shù)據(jù)序列進行特征編碼，得到第i個特征編碼向量；通過所述至少兩個預測模塊中的第i個預測模塊基于所述第i個特征編碼向量進行光功率預測，得到至少兩個候選光功率中的第i個候選光功率，i為正整數(shù)；

基于所述至少兩個候選光功率確定所述氣象預測數(shù)據(jù)對應(yīng)的預測光功率；

其中，所述編碼模塊包括特征金字塔網(wǎng)絡(luò)；所述通過所述第i個編碼模塊對所述第i個特征數(shù)據(jù)序列進行特征編碼，包括：通過所述第i個編碼模塊中的特征金字塔網(wǎng)絡(luò)對所述第i個特征數(shù)據(jù)序列進行特征編碼。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預測模塊包括結(jié)合了時間步注意力機制的第一網(wǎng)絡(luò)、第二網(wǎng)絡(luò)；

所述通過第i個預測模塊基于所述第i個特征編碼向量進行光功率預測，得到第i個候選光功率，包括：

通過所述第一網(wǎng)絡(luò)對所述第i個特征編碼向量進行時序特征提取，得到隱含上下時間步的時序關(guān)系的隱層向量；

通過所述第二網(wǎng)絡(luò)基于所述隱層向量進行光功率預測，得到所述第i個候選光功率。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述針對每一個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)，與所述實際光功率進行預處理，得到所述至少兩個氣象源對應(yīng)的至少兩個特征數(shù)據(jù)序列，包括：

基于第i個氣象源的歷史氣象數(shù)據(jù)和實際光功率，構(gòu)建第i個光功率計算函數(shù)；

調(diào)用所述第i個光功率計算函數(shù)計算所述第i個氣象源的氣象預測數(shù)據(jù)對應(yīng)的理論光功率；

按照時序?qū)λ龅趇個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)、以及所述理論光功率組合，生成所述第i個氣象源對應(yīng)的第i個特征數(shù)據(jù)序列，i為正整數(shù)。

4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述針對每一個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)，與所述實際光功率進行預處理，得到所述至少兩個氣象源對應(yīng)的至少兩個特征數(shù)據(jù)序列，包括：

基于所述至少兩個氣象源的歷史氣象數(shù)據(jù)和實際光功率，構(gòu)建光功率計算函數(shù)；

調(diào)用所述光功率計算函數(shù)計算第i個氣象源的氣象預測數(shù)據(jù)對應(yīng)的理論光功率；

按照時序?qū)λ龅趇個氣象源的歷史氣象數(shù)據(jù)和氣象預測數(shù)據(jù)、以及所述理論光功率組合，生成所述第i個氣象源對應(yīng)的第i個特征數(shù)據(jù)序列，i為正整數(shù)。

5.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述預測模型的訓練過程包括：

獲取所述至少兩個氣象源的第一氣象數(shù)據(jù)和第二氣象數(shù)據(jù)，以及獲取所述第一氣象數(shù)據(jù)對應(yīng)的第一歷史光功率，所述第二氣象數(shù)據(jù)標記有第二歷史光功率，所述第一氣象數(shù)據(jù)描述的天氣時刻先于所述第二氣象數(shù)據(jù)描述的天氣時刻；

針對每一個氣象源的第一氣象數(shù)據(jù)和第二氣象數(shù)據(jù)，與所述第一歷史光功率進行預處理，得到所述至少兩個氣象源對應(yīng)的至少兩個樣本特征數(shù)據(jù)序列；

調(diào)用神經(jīng)網(wǎng)絡(luò)模型基于每一個樣本特征數(shù)據(jù)序列進行光功率預測，得到所述至少兩個樣本特征數(shù)據(jù)序列對應(yīng)的至少兩個樣本候選光功率；

基于所述至少兩個樣本候選光功率與所述第二歷史光功率之間的預測損失，對所述神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到所述預測模型。