【技術實現步驟摘要】
本專利技術屬于新能源電力，特別是涉及到一種基于地基云圖的集群光伏功率預測方法及裝置。
技術介紹
1、太陽能作為一種清潔的可再生能源日益受到人們的廣泛關注，隨著光伏并網規模的不斷擴大，光伏已成為第三大電力能源，然而地面接收到的太陽光強度受天氣狀況、云層運動等影響巨大，當光伏穿透功率較高時，對電網帶來沖擊，因此，為保障電網安全可靠運行，減少“棄光限電”現象，對輻照度和光伏功率進行準確預測變得十分重要。
2、當前常用的光伏集群功率預測方法主要包括累加法和統計升尺度法。累加法通過直接累加集群內所有光伏場站的預測結果來獲得光伏集群的功率預測，而統計升尺度法則利用基準光伏場站的預測結果通過升尺度計算得出光伏集群的功率預測。這些方法在功率預測輸入數據的深度挖掘方面存在不足，且并未考慮到多個光伏場站之間的時間關系以及空間地理位置的相似性，導致預測精度有待提高。
3、另外，用于集群超短期光伏預報的數據主要有數值天氣預報和歷史發電功率。數值天氣預報提供各氣象要素的具體數值，可以大幅降低系統誤差，但時空分辨率較低，時空尺度較大，不具備改進日內多云、天氣突變等情況的預報能力，不能體現更高時間分辨率下的天氣變化細節，且更新頻率一般為12小時一次。無法滿足各場站的高精度超短期預測需求。如果利用分鐘級別的地基云圖數據，能對預報誤差給出更加準確的估計。但是地基云圖觀測范圍只涵蓋當地實時局域上空的天空信息，所以多用于單場站功率預測。由于集群中的光伏場站可能位于不同的地理位置，地基云圖數據在空間分布上存在差異，如何將其進行有效融合并用于集群
技術實現思路
1、針對現有技術中的問題，本專利技術提出一種基于地基云圖的集群光伏功率預測方法及裝置，實現高精度的特征提取和圖像融合，優化集群光伏功率預測，克服現有技術中不能全面、及時、準確地進行集群超短期光伏功率預測的問題。
2、為達到上述目的，本專利技術的技術方案是這樣實現的：
3、一種基于地基云圖的集群光伏功率預測方法，包括：
4、s1、數據收集，記錄集群內各光伏場站的位置信息，采集各光伏場站的地基云圖數據、功率數據，獲取數值天氣預報nwp數據；
5、s2、nwp數據預處理，使用最大相關最小冗余算法篩選出相關程度較高的氣象因子，得到優選氣象特征數據集；
6、s3、地基云圖數據預處理，對不同點位的地基云圖進行配準融合操作，提取云圖關鍵特征，得到云圖關鍵特征數據集；
7、s4、基于所述優選氣象特征數據集和云圖關鍵特征數據集訓練集群光伏功率預測模型，根據模型得到集群光伏預測功率。
8、進一步的，步驟s1中，獲取數值天氣預報nwp數據包括獲取同時間段不同氣象源的數值天氣預報數據集，數據集中包括輻照度、風速、風向、溫度、濕度、氣壓數據；處理輻照度數據中違背真實光照規律的異常值。
9、進一步的，步驟s2包括：
10、s201、將獲取的nwp數據進行最大最小歸一化處理；
11、s202、使用最大相關最小冗余算法，以集群光伏的功率數據作為目標變量，計算不同氣象源的nwp數據與目標變量的相關性，通過最大化相關性以及同時最小化nwp數據之間的冗余，得到優選氣象特征數據集。
12、進一步的，步驟s3包括：
13、s301、對于各場站的地基云圖數據保留含有球面鏡的最小外接矩形，使用中值濾波處理噪聲點，得到預處理后的地基云圖；
14、s302、根據各光伏場站的位置信息的經緯度數據計算光伏場站之間的距離，用鄰接矩陣進行存儲；
15、s303、根據光伏場站之間的距離進行排序，得到各場站所在點位的遠近關系，由近及遠依次進行預處理后的地基云圖的圖像配準，將配準后的圖像進行融合；
16、s304、從融合后的地基云圖融合圖像中進行云圖關鍵特征提取，得到云圖關鍵特征數據集；所述云圖關鍵特征包括光照強度、云量百分比、透射率和天頂距離。
17、更進一步的，步驟s4包括：
18、s401、將每個光伏場站視為一個節點，通過所述鄰接矩陣表示節點間的關系，對于優選氣象特征數據集與云圖關鍵特征數據集，采用圖注意力網絡實現節點級的信息聚合和特征嵌入，得到各節點的空間特征；
19、s402、基于scaleformer網絡模型，采用多尺度處理，以各節點的空間特征為輸入變量，以集群光伏的功率數據作為目標變量，以損失函數最小為目標，通過訓練得到集群光伏功率預測模型；
20、s403、根據所述集群光伏功率預測模型進行預測，得到最終集群功率預測值。
21、本專利技術另一方面還提出了一種基于地基云圖的集群光伏功率預測裝置，包括：
22、數據收集模塊：記錄集群內各光伏場站的位置信息，采集各光伏場站的地基云圖數據、功率數據，獲取數值天氣預報nwp數據；
23、氣象特征模塊：用于nwp數據預處理，使用最大相關最小冗余算法篩選出相關程度較高的氣象因子，得到優選氣象特征數據集；
24、云圖特征模塊：用于地基云圖數據預處理，對不同點位的地基云圖進行配準融合操作，提取云圖關鍵特征，得到云圖關鍵特征數據集；
25、預測模型模塊：基于所述優選氣象特征數據集和云圖關鍵特征數據集訓練集群光伏功率預測模型，根據模型得到集群光伏預測功率。
26、進一步的，數據收集模塊中，獲取數值天氣預報nwp數據包括獲取同時間段不同氣象源的數值天氣預報數據集，數據集中包括輻照度、風速、風向、溫度、濕度、氣壓數據；處理輻照度數據中違背真實光照規律的異常值。
27、進一步的，氣象特征模塊包括：
28、歸一化單元：將獲取的nwp數據進行最大最小歸一化處理；
29、相關性單元：使用最大相關最小冗余算法，以集群光伏的功率數據作為目標變量，計算不同氣象源的nwp數據與目標變量的相關性，通過最大化相關性以及同時最小化nwp數據之間的冗余，得到優選氣象特征數據集。
30、進一步的，云圖特征模塊包括：
31、預處理單元：對于各場站的地基云圖數據保留含有球面鏡的最小外接矩形，使用中值濾波處理噪聲點，得到預處理后的地基云圖；
32、矩陣單元：根據各光伏場站的位置信息的經緯度數據計算光伏場站之間的距離，用鄰接矩陣進行存儲；
33、融合單元：根據光伏場站之間的距離進行排序，得到各場站所在點位的遠近關系，由近及遠依次進行預處理后的地基云圖的圖像配準，將配準后的圖像進行融合；
34、特征提取單元：從融合后的地基云圖融合圖像中進行云圖關鍵特征提取，得到云圖關鍵特征數據集；所述云圖關鍵特征包括光照強度、云量百分比、透射率和天頂距離。
35、更進一步的，預測模型模塊包括：
36、空間特征單元：將每個光伏場站視為一個節點，通過所述鄰接矩陣表示節點間的關系，對于優選氣象特征數據集與云圖關鍵特征數據集，采用圖本文檔來自技高網...
【技術保護點】
1.一種基于地基云圖的集群光伏功率預測方法，其特征在于，包括：
2.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟S1中，獲取數值天氣預報NWP數據包括獲取同時間段不同氣象源的數值天氣預報數據集，數據集中包括輻照度、風速、風向、溫度、濕度、氣壓數據；處理輻照度數據中違背真實光照規律的異常值。
3.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟S2包括：
4.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟S3包括：
5.根據權利要求4所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟S4包括：
6.一種基于地基云圖的集群光伏功率預測裝置，其特征在于，包括：
7.根據權利要求6所述的基于地基云圖的集群光伏功率預測裝置，其特征在于，數據收集模塊中，獲取數值天氣預報NWP數據包括獲取同時間段不同氣象源的數值天氣預報數據集，數據集中包括輻照度、風速、風向、溫度、濕度、氣壓數據；處理輻照度數據中違背真實光照規律的異常值。
8
9.根據權利要求6所述的基于地基云圖的集群光伏功率預測裝置，其特征在于，云圖特征模塊包括：
10.根據權利要求9所述的基于地基云圖的集群光伏功率預測裝置，其特征在于，預測模型模塊包括：
...【技術特征摘要】
1.一種基于地基云圖的集群光伏功率預測方法，其特征在于，包括：
2.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟s1中，獲取數值天氣預報nwp數據包括獲取同時間段不同氣象源的數值天氣預報數據集，數據集中包括輻照度、風速、風向、溫度、濕度、氣壓數據；處理輻照度數據中違背真實光照規律的異常值。
3.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟s2包括：
4.根據權利要求1所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟s3包括：
5.根據權利要求4所述的基于地基云圖的集群光伏功率預測方法，其特征在于，步驟s4包括：
6...
【專利技術屬性】
技術研發人員：向婕，趙博，徐向東，
申請(專利權)人：國能日新科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。