申请/专利权人：湖南慧明谦数字能源技术有限公司

申请日：2024-04-26

公开（公告）日：2024-07-05

公开（公告）号：CN118094486B

主分类号：G06F18/27

分类号：G06F18/27;G06F18/15;G06F18/211;G06Q10/04;G06Q50/06;H02J3/00;H02J3/38;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开了一种基于全场景时序分解的光伏发电功率预测方法及系统，涉及光伏发电技术领域，该方法包括：建立光伏发电功率数据分解的时序模型；将自回归神经网络嵌入时序模型中，构建n阶自回归模型；获取光伏发电站历史数据以及天气数据，作为n阶自回归模型的训练数据，对n阶自回归模型进行训练，得到预测模型；通过预测模型，对光伏发电站的未来发电功率进行预测。本发明可以提升光伏发电功率预测的准确度，有利于电网调度、负荷分配。

主权项：1.一种基于全场景时序分解的光伏发电功率预测方法，其特征在于，其包括：建立光伏发电功率数据分解的时序模型；将自回归神经网络嵌入所述时序模型中，构建n阶自回归模型；获取光伏发电站历史数据以及天气数据，作为所述n阶自回归模型的训练数据，对所述n阶自回归模型进行训练，得到预测模型；通过所述预测模型，对所述光伏发电站的未来发电功率进行预测；建立光伏发电功率数据分解的时序模型，包括：将所述光伏发电功率数据进行分解为数据项、短期变化项、长期变化项、天气影响因子、清洁度影响因子、人为活动影响因子、角度影响因子，得到时序模型：yt=dt+st+lt+wt+ct+ht+a;其中，yt为第t时间的光伏发电功率，dt为第t时间的数据项，st为第t时间的短期变化项，lt为第t时间的长期变化项，wt为第t时间的天气影响因子，ct为第t时间的清洁度影响因子，ht为第t时间的人为活动影响因子，a为第t时间的角度影响因子；且：；其中，Ct表示预设的上限功率数据值，为数据增长率，d0为常数项，t0为时间偏移量； ; ;其中，T1、T2、N1和N2分别表示预设的短时间周期基数、长时间周期基数以及短时间周期值和长时间周期值；an和bn分别代表短期变化项的余弦项和正弦项系数，cn和dn分别代表长期变化项的余弦项和正弦项系数；wt=fx1,x2,x3,x4=R·expp1·x1+p2·x2+p3·x3+p4·x4;其中，x1、x2、x3、x4分别表示辐照强度、温度、湿度和风速；p1、p2、p3、p4分别表示辐照强度、温度、湿度、风速对光伏功率的影响权重，p1+p2+p3+p4=1； ; ; ;其中，T3为清洗光伏板的时间周期，t0为时间偏移量，ut为阶跃函数，为周期内灰尘累积量增长函数，C0为预设的光伏板清洁阈值；ht~Nμ0,σ02;其中，μ0为人为影响强度平均值，σ02为方差；a=S·L·T·cosθ;其中，S为光伏组件面积，L为光照强度，T为光伏板光电转化效率，θ为光伏板倾角。

全文数据：

权利要求：

百度查询： 湖南慧明谦数字能源技术有限公司 基于全场景时序分解的光伏发电功率预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD