[發明專利]一種基于多神經網絡的光伏功率預測方法

在審

• 申請號: 202310409491.4
• 申請日: 2023-04-17
• 公開（公告）號: CN116384583A
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 朱一昕;徐伊潔;管夢瑤;畢愷韜;樊啟高
• 申請（專利權）人: 江南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06V20/13;G06V10/762;G06V10/764;G06V10/82;G06N3/044;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084;H02J3/00;H02J3/38
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 過顧佳

1.一種基于多神經網絡的光伏功率預測方法，其特征在于，所述方法包括：

獲取當前時刻的云層圖像和氣象數據；

根據所述當前時刻的云層圖像確定在當前時刻所屬的天氣類型下，到達光伏電板的太陽輻射量實際數據；

將所述太陽輻射量實際數據和當前時刻的氣象數據輸入至訓練好的循環神經網絡子模型，得到氣象因子預測值；

將所述氣象因子預測值輸入至訓練好的長短期記憶神經網絡子模型，得到當前時刻的光伏功率預測結果；所述訓練好的長短期記憶神經網絡子模型包含了氣象因子預測值和光伏功率數據的映射關系。

2.根據權利要求1所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述當前時刻的云層圖像確定在當前時刻所屬的天氣類型下，到達光伏電板的太陽輻射量實際數據的方法包括：

將所述當前時刻的云層圖像輸入至訓練好的卷積神經網絡子模型，得到云量指標數據；

根據所述云量指標數據確定當前時刻所屬的天氣類型；

根據所述當前時刻所屬的天氣類型確定云覆蓋指數；

根據所述云覆蓋指數確定當前時刻云層遮擋對太陽輻照度的影響權重；

將所述影響權重與所述氣象數據中包含的太陽輻射量數據相乘，得到到達光伏電板的太陽輻射量實際數據。

3.根據權利要求2所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述云量指標數據確定當前時刻所屬的天氣類型的方法包括：

若云量指標數據不大于第一閾值，則確定當前時刻所屬的天氣類型為晴天；若云量指標數據大于第一閾值且小于第二閾值，則確定當前時刻所屬的天氣類型為多云；若云量指標數據不小于第二閾值，則確定當前時刻所屬的天氣類型為陰天。

4.根據權利要求2所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述當前時刻所屬的天氣類型確定云覆蓋指數的方法包括：

若確定當前時刻所屬的天氣類型為晴天，則將所述當前時刻的云層圖像轉換為numpy矩陣，所述numpy矩陣中每個元素都是圖像中相應點的像素坐標，將所有點的像素坐標全部提取為單個的一維矩陣，并使用SPSS中的K-means聚類將總像素點劃分為兩類，一類為云像素點，一類為天空像素點；

設總像素點數量為s，云像素點數量為c，則云覆蓋指數CC為：CC＝c/s。

5.根據權利要求2所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述當前時刻所屬的天氣類型確定云覆蓋指數的方法還包括：

若確定當前時刻所屬的天氣類型為多云，則定義第i個像素點的閾值NRBR為：NRBR_i＝(B_i-R_i)/(B_i+R_i)；

其中，B_i為云層圖像中第i個像素點的RGB通道中B通道的值，R_i為云層圖像中第i個像素點的RGB通道中R通道的值；

當NRBR_i不大于第三閾值時，確定所述第i個像素點為云像素點，否則為天空像素點；

設圖像的總像素點數量為s，云像素點數量為c，則云覆蓋指數CC為：CC＝c/s。

6.根據權利要求2所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述當前時刻所屬的天氣類型確定云覆蓋指數的方法還包括：

若確定當前時刻所屬的天氣類型為陰天，則將云層圖像轉換為灰度圖，并設定臨界灰度值；

將灰度圖中的每個點的灰度值分別與所述臨界灰度值進行比較，并將大于所述臨界灰度值的點確定為云像素點，否則為天空像素點；

設圖像的總像素點數量為s，云像素點數量為c，則云覆蓋指數CC為：CC＝c/s。

7.根據權利要求2所述的基于多神經網絡的光伏功率預測方法，其特征在于，根據所述云覆蓋指數確定當前時刻云層遮擋對太陽輻照度的影響權重CR的表達式為：CR＝1–CC；其中，CC為所述云覆蓋指數。