[发明专利]一种光伏超短期预测方法及系统

说明书

本公开提出了一种光伏超短期预测方法,包括：对卫星可见光云图进行像素标准化处理，将标准化云图进行去底操作，获得只包含云信息的图像；利用只包含云信息的图像对未来超短期时刻目标区域的云图进行预测；将预测云图输入至卷积神经网络，获得云遮挡因子；融合云遮挡因子及与光伏功率或辐照度进行相关的影响因素，建立和光伏功率或辐照度的映射关系，利用该关系对待预测量进行预测。卫星可见光云图数据获取途径比较简单且广泛，同时覆盖范围及视野较大，可以反映云层移动以及厚薄情况。卷积神经网络特别适合于图像特征的提取及学习，将卷积神经网络与卫星云图相融合能够更好的捕捉云对于辐射光线的遮挡影响。

技术领域

本公开属于电网新能源预测领域，尤其涉及一种光伏超短期预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

全球变暖和能源危机推动了可持续性和清洁能源的使用和发展。太阳能被认为是最有前途的可再生能源之一，发展以光伏为代表的新能源已成为世界各国的共识。然而，光伏发电作为一种间歇性能源，给智能电网带来了巨大的波动，给系统稳定性、电力平衡、无功补偿、频率响应等带来了严峻的挑战。为了确保光伏安全、经济地融入智能电网，准确的光伏发电预测已成为能源管理系统的关键要素。同时由于光伏发电输出与地面的太阳辐照度直接相关，因此太阳辐照度预测对于智能电网的能源管理也同样重要。

在新能源预测技术方面，目前使用最多的是物理法和统计法。物理模型多是基于数值天气预报(NWP)或云图图像，来预测太阳辐照度和光伏发电量。NWP是一种通过数值计算求解描述天气演变过程的流体力学的方程组来预测未来一定时间范围内的大气运动状态和天气现象的方法。由于天气状态的演化规律十分复杂，仅仅依靠NWP来建立和光伏功率或者太阳辐照度的数学预测模型并不能准确模拟相关关系。云图图像包含了丰富的表征云以及辐射的特征信息，因此成为用于光伏预测的一种信息来源。

目前基于云图光伏预测的研究多集中于地基云图，但其拍摄范围有限，因此多用于小时内预测；同时地基摄像设备价格昂贵，大范围推广方面存在困难。统计法目前大致使用回归分析法和时间序列法，基于光伏功率或辐照度的历史数据，建立描述其随时间变化的数学模型，并在此基础上确定出预测的表达式，从而完成预测。上述方法模型简单同时运算速度快，但是无法深入挖掘影响光伏功率或辐照度变化的因素，无法保证较高精度。

近年来，人工智能方法开始运用于新能源预测领域，例如人工神经网络、随机森林等方法逐步融入至光伏预测技术中，但是传统的人工智能方法多依赖于大量历史数据，在图像特征提取以及深度学习方面并不具有优势。

发明内容

为克服上述现有技术的不足，本公开提供了一种光伏超短期预测方法,基于卫星可见光云图和改进卷积神经网络实现光伏超短期预测。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

一方面，公开了一种光伏超短期预测方法,包括：

对卫星可见光云图进行像素标准化处理，将标准化云图进行去底操作，获得只包含云信息的图像；

利用只包含云信息的图像对未来超短期时刻目标区域的云图进行预测；

将预测云图输入至卷积神经网络，获得云遮挡因子；

融合云遮挡因子及与光伏功率或辐照度进行相关的影响因素，建立和光伏功率或辐照度的映射关系，利用该关系对待预测量进行预测。

另一方面，公开了一种光伏超短期预测系统,包括：

可见光云图处理模块，被配置为：对卫星可见光云图进行像素标准化处理，将标准化云图进行去底操作，获得只包含云信息的图像；

云图预测模块，被配置为：利用只包含云信息的图像对未来超短期时刻目标区域的云图进行预测；