[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

本發明公開了一種基于多神經網絡的光伏功率預測方法，涉及光伏發電技術領域，該方法包括：獲取當前時刻的云層圖像和氣象數據；根據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。本方法將各種不同架構的數據信息進行采集，充分分析了氣象數據、云層圖像、歷史光伏功率數據的特點以及各數據之間的關系，然后融合出更豐富的信息，使光伏功率預測更加準確。

技術領域

本發明涉及光伏發電技術領域，尤其是一種基于多神經網絡的光伏功率預測方法。

背景技術

隨著國家新能源發展戰略的實施，越來越多的大規模光伏發電應用到發電系統當中。然而光伏發電受光照強度的影響，其輸出功率不穩定，會給電網規劃、系統調度和電網的可靠、穩定運行帶來諸多問題，因此研究光伏發電功率預測具有重要意義。

光功率預測主要可劃分為短期預測(1-3天，用于發電計劃)與超短期預測(0-4小時，用于實時調度)，國外目前主要采用基于數值天氣預報的預測方法和基于天空圖像與衛星云圖的預測方法。前者通過數值計算求解描寫天氣演變過程的流體力學和熱力學方程組，來預測大氣運動狀態和氣象，由于這些數據變化緩慢，該方法不適用于超短期預測。后者通過云團運動追蹤來預測云團分布情況，進而測算輻照度來開展超短期預測，由于輻照度不是實際采樣獲取，預測精度有待提升。國內則主要采用基于統計與智能學習理論的預測方法，適合于超短期預測，也可通過引入氣象數據延長預測時間，該方法依賴歷史發電數據，需要較長時間的數據積累。因此，如何有效運用氣象數據、發電數據、現場數據仍是一個關鍵問題。

發明內容

本發明人針對上述問題及技術需求，提出了一種基于多神經網絡的光伏功率預測方法，充分融合氣象數據、云圖數據和歷史光伏功率數據的特點，實現光伏功率的短期以及超短期預測。本發明的技術方案如下：

一種基于多神經網絡的光伏功率預測方法，包括如下步驟：

獲取當前時刻的云層圖像和氣象數據；

根據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；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。

其進一步的技術方案為，根據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；

根據云量指標數據確定當前時刻所屬的天氣類型；

根據當前時刻所屬的天氣類型確定云覆蓋指數；

根據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；

將影響權重與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。

其進一步的技術方案為，根據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。

其進一步的技術方案為，根據當前時刻所屬的天氣類型確定云覆蓋指數的方法包括：