本發(fā)明涉及光伏發(fā)電領(lǐng)域，尤其涉及一種光伏發(fā)電預(yù)測(cè)的優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、目前，新能源開(kāi)發(fā)和利用速度持續(xù)加快，規(guī)模不斷擴(kuò)大。太陽(yáng)能作為典型的清潔能源，憑借其地域分布廣泛、儲(chǔ)量豐富、清潔高效、建設(shè)周期短等優(yōu)勢(shì)而備受青睞，利用太陽(yáng)能供電作為傳統(tǒng)能源的有益補(bǔ)充，已經(jīng)成為能源結(jié)構(gòu)轉(zhuǎn)型實(shí)現(xiàn)的重要手段。在太陽(yáng)能的綠色低碳發(fā)展背景下，光伏裝機(jī)規(guī)模持續(xù)增長(zhǎng)。然而，光伏發(fā)電系統(tǒng)的輸出功率易受當(dāng)?shù)貧庀髼l件、站場(chǎng)設(shè)備運(yùn)維和人為操作等多類型因素的影響，呈現(xiàn)出波動(dòng)性和隨機(jī)性，導(dǎo)致光伏并網(wǎng)過(guò)程中存在一定程度的安全隱患。因此，準(zhǔn)確的光伏發(fā)電功率預(yù)測(cè)具有重要意義。

2、現(xiàn)有的光伏發(fā)電預(yù)測(cè)模型，一方面受制于算法本身固有的局限性，會(huì)因歷史日的氣象條件和光伏出力與待預(yù)測(cè)日的相近程度差異明顯，而導(dǎo)致預(yù)測(cè)不準(zhǔn)確。另一面，具體的，歷史數(shù)據(jù)樣本的實(shí)用性差，其中存在大量無(wú)效信息對(duì)預(yù)測(cè)進(jìn)行干擾，導(dǎo)致預(yù)測(cè)模型訓(xùn)練時(shí)間過(guò)長(zhǎng)、收斂性變差和預(yù)測(cè)精度降低等缺陷，無(wú)法保證光伏發(fā)電功率預(yù)測(cè)的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，為解決現(xiàn)有的光伏發(fā)電預(yù)測(cè)模型，存在算法本身固有的局限性以及歷史數(shù)據(jù)樣本存在大量無(wú)效信息以致實(shí)用性差的缺陷，進(jìn)而無(wú)法保證光伏發(fā)電功率預(yù)測(cè)準(zhǔn)確性的問(wèn)題，本發(fā)明實(shí)施例提供了一種光伏發(fā)電預(yù)測(cè)的優(yōu)化方法及系統(tǒng)。

2、一種光伏發(fā)電預(yù)測(cè)的優(yōu)化方法，其特征在于，包括：

3、獲取光伏發(fā)電的歷史數(shù)據(jù)，并基于所述歷史數(shù)據(jù)確定影響光伏發(fā)電的目標(biāo)因素；

4、將目標(biāo)因素作為選取指標(biāo)，在歷史數(shù)據(jù)中選取待預(yù)測(cè)日的歷史相似日集合；

5、將所述歷史相似日集合的歷史數(shù)據(jù)輸入至預(yù)設(shè)的光伏發(fā)電預(yù)測(cè)模型中進(jìn)行待預(yù)測(cè)日的光伏發(fā)電預(yù)測(cè)；

6、其中，所述光伏發(fā)電預(yù)測(cè)模型的預(yù)設(shè)，包括：通過(guò)蛇優(yōu)化算法對(duì)cnn-lstm模型和所述歷史相似日集合的歷史數(shù)據(jù)進(jìn)行尋優(yōu)篩選后設(shè)定。

7、在一可能的實(shí)施例中，所述歷史數(shù)據(jù)，包括：歷史日的氣象因素、當(dāng)前氣象因素下的光伏發(fā)電量；

8、所述基于所述歷史數(shù)據(jù)確定影響光伏發(fā)電的目標(biāo)因素，包括：

9、計(jì)算所述氣象因素與對(duì)應(yīng)氣象因素下光伏發(fā)電量的關(guān)系系數(shù)，所述關(guān)系系數(shù)的大小與所述對(duì)應(yīng)氣象因素和光伏發(fā)電量的關(guān)系相關(guān)度呈正比；

10、對(duì)所述關(guān)系系數(shù)進(jìn)行排序，從而確定滿足影響條件的氣象因素，所述影響條件包括：大于預(yù)設(shè)關(guān)系系數(shù)的所述關(guān)系系數(shù)；

11、將所述滿足影響條件的氣象因素作為影響光伏發(fā)電的目標(biāo)因素。

12、在一可能的實(shí)施例中，所述將目標(biāo)因素作為選取指標(biāo)，在歷史數(shù)據(jù)中選取待預(yù)測(cè)日的歷史相似日，包括：

13、獲取待預(yù)測(cè)日的天氣信息，從所述天氣信息中確定氣象因素之后確定所述待預(yù)測(cè)日的氣象因素所對(duì)應(yīng)的目標(biāo)因素；

14、在歷史數(shù)據(jù)中篩選出氣象因素與所述對(duì)應(yīng)的目標(biāo)因素一致的多個(gè)歷史日；

15、以氣象因素為變量，分別計(jì)算待預(yù)測(cè)日序列的數(shù)值以及歷史日序列的數(shù)值；

16、確定待預(yù)測(cè)日序列和歷史日序列的綜合相似度，進(jìn)而確定待預(yù)測(cè)日的歷史相似日。

17、在一可能的實(shí)施例中，所述確定待預(yù)測(cè)日序列和歷史日序列的綜合相似度，進(jìn)而確定待預(yù)測(cè)日的歷史相似日，包括：

18、計(jì)算任一歷史日序列到待預(yù)測(cè)日序列的距離以確定距離相近度，輸出距離相似度大于預(yù)設(shè)距離相近度的歷史日序列；

19、將所述大于預(yù)設(shè)距離相近度的歷史日序列和所述待預(yù)測(cè)日序列分別輸入至孿生網(wǎng)絡(luò)中兩個(gè)共享權(quán)值的子網(wǎng)絡(luò)中確定形狀相似度，并建立損失函數(shù)篩選出形狀相似度滿足預(yù)設(shè)相似度的歷史日序列；

20、計(jì)算所述距離相近度和所述形狀相似度的權(quán)重加和值，將所述權(quán)重加和值確定為綜合相似度；

21、確定滿足所述綜合相似度的多個(gè)歷史日，生成所述待預(yù)測(cè)日的歷史相似日集合。

22、在一可能的實(shí)施例中，通過(guò)蛇優(yōu)化算法對(duì)所述cnn-lstm模型和所述歷史相似日集合的歷史數(shù)據(jù)進(jìn)行尋優(yōu)篩選后設(shè)定光伏發(fā)電預(yù)測(cè)模型，包括：

23、根據(jù)所述cnn-lstm組合模型確定光伏發(fā)電預(yù)測(cè)模型的運(yùn)行參數(shù)，所述運(yùn)行參數(shù)包括：學(xué)習(xí)率、隱含層節(jié)點(diǎn)和正則化系數(shù)；

24、通過(guò)蛇優(yōu)化算法對(duì)所述運(yùn)行參數(shù)進(jìn)行尋優(yōu)篩選后確定目標(biāo)參數(shù)以及對(duì)所述歷史相似日集合的歷史數(shù)據(jù)進(jìn)行尋優(yōu)篩選確定目標(biāo)歷史數(shù)據(jù)；

25、基于所述目標(biāo)參數(shù)和所述目標(biāo)歷史數(shù)據(jù)設(shè)定光伏發(fā)電預(yù)測(cè)模型。

26、在一可能的實(shí)施例中，所述優(yōu)化方法，包括：

27、所述光伏發(fā)電預(yù)測(cè)模型的預(yù)設(shè)，還包括：將所述光伏發(fā)電預(yù)測(cè)模型分別設(shè)定為lstm模型、cnn-lstm模型。

28、在一可能的實(shí)施例中，所述優(yōu)化方法還包括：

29、評(píng)價(jià)預(yù)設(shè)的光伏發(fā)電預(yù)測(cè)模型，進(jìn)而確定最優(yōu)光伏出力預(yù)測(cè)模型。

30、在一可能的實(shí)施例中，所述評(píng)價(jià)預(yù)設(shè)的光伏發(fā)電預(yù)測(cè)模型，進(jìn)而確定最優(yōu)光伏出力預(yù)測(cè)模型，包括：

31、確定蛇優(yōu)化算法與cnn-lstm組合模型，lstm模型以及cnn-lstm模型的預(yù)測(cè)結(jié)果；

32、分別計(jì)算各模型預(yù)測(cè)結(jié)果的平均絕對(duì)誤差、均方根誤差以及擬合優(yōu)度值；

33、將平均絕對(duì)誤差、均方根誤差的誤差和小于預(yù)設(shè)誤差，以及擬合優(yōu)度值大于預(yù)設(shè)優(yōu)度值作為評(píng)價(jià)標(biāo)準(zhǔn)，評(píng)價(jià)所述預(yù)測(cè)結(jié)果；

34、確定預(yù)測(cè)結(jié)果評(píng)價(jià)標(biāo)準(zhǔn)的達(dá)標(biāo)率，并將所述預(yù)測(cè)結(jié)果達(dá)標(biāo)率最大的光伏發(fā)電預(yù)測(cè)模型作為最優(yōu)光伏出力預(yù)測(cè)模型輸出。

35、基于同一構(gòu)思，本發(fā)明實(shí)施例提供一種光伏發(fā)電預(yù)測(cè)的優(yōu)化系統(tǒng)，包括：

36、識(shí)別模塊，用于獲取光伏發(fā)電的歷史數(shù)據(jù)，并基于所述歷史數(shù)據(jù)確定影響光伏發(fā)電的目標(biāo)因素；

37、選取模塊，用于將目標(biāo)因素作為選取指標(biāo)，在歷史數(shù)據(jù)中選取待預(yù)測(cè)日的歷史相似日集合；

38、預(yù)測(cè)模塊，用于將所述歷史相似日集合的歷史數(shù)據(jù)輸入至預(yù)設(shè)的光伏發(fā)電預(yù)測(cè)模型中進(jìn)行待預(yù)測(cè)日的光伏發(fā)電預(yù)測(cè)；其中，所述光伏發(fā)電預(yù)測(cè)模型的預(yù)設(shè)，包括：通過(guò)蛇優(yōu)化算法對(duì)cnn-lstm模型和所述歷史相似日集合的歷史數(shù)據(jù)進(jìn)行尋優(yōu)篩選后設(shè)定。

39、在一可能的實(shí)施例中，所述歷史數(shù)據(jù)，包括：歷史日的氣象因素、當(dāng)前氣象因素下的光伏發(fā)電量；所述識(shí)別模塊包括：

40、系數(shù)計(jì)算單元，用于通過(guò)收斂交叉映射算法計(jì)算所述氣象因素與對(duì)應(yīng)氣象因素下光伏發(fā)電量的關(guān)系系數(shù)，所述關(guān)系系數(shù)的大小與所述對(duì)應(yīng)氣象因素和光伏發(fā)電量的關(guān)系相關(guān)度呈正比；

41、氣象因素單元，用于對(duì)所述關(guān)系系數(shù)進(jìn)行排序，從而確定滿足影響條件的氣象因素，所述影響條件包括：小于預(yù)設(shè)關(guān)系系數(shù)的所述關(guān)系系數(shù)；

42、目標(biāo)因素單元，用于將所述滿足影響條件的氣象因素作為影響光伏發(fā)電的目標(biāo)因素。

43、本發(fā)明實(shí)施例提供了一種光伏發(fā)電預(yù)測(cè)的優(yōu)化方法及系統(tǒng)，通過(guò)獲取光伏發(fā)電的歷史數(shù)據(jù)，并基于歷史數(shù)據(jù)確定影響光伏發(fā)電的目標(biāo)因素，增加了歷史數(shù)據(jù)與預(yù)測(cè)日數(shù)據(jù)的相關(guān)性；將目標(biāo)因素作為選取指標(biāo)，在歷史數(shù)據(jù)中選取待預(yù)測(cè)日的歷史相似日集合，突破了算法本身固有的局限性，減小了歷史日的歷史數(shù)據(jù)與待預(yù)測(cè)日的相近程度差異；將歷史相似日集合的歷史數(shù)據(jù)輸入至預(yù)設(shè)的光伏發(fā)電預(yù)測(cè)模型中進(jìn)行待預(yù)測(cè)日的光伏發(fā)電預(yù)測(cè)；其中，光伏發(fā)電預(yù)測(cè)模型的預(yù)設(shè)，包括：通過(guò)蛇優(yōu)化算法對(duì)cnn-lstm模型和歷史相似日集合的歷史數(shù)據(jù)進(jìn)行尋優(yōu)篩選后設(shè)定，有效解決了歷史數(shù)據(jù)樣本存在大量無(wú)效信息以致實(shí)用性差的缺點(diǎn)，提高了光伏發(fā)電功率預(yù)測(cè)的準(zhǔn)確性。