[发明专利]一种适用于光伏电站发电量预测方法

说明书

本发明公开了一种适用于光伏电站发电量预测方法，本发明的目的是针对光伏电站的发电量预测问题，提供一种多源数据融合的深度学习预测模型，首先，将从天气数据网站爬取到的天气预报、日照时长、日照强度和历史发电量等信息进行综合处理，通过特征工程处理数据并提取出合适的发电量预测模型的输入数据；然后，将预测数据输入长短期记忆网络(LSTM)，输出电量预测值。

技术领域

本发明涉及光伏电站发电量预测领域，具体涉及一种适用于光伏电站发电量预测方法。

背景技术

进入21世纪以后，随着世界经济水平的快速增长与科学技术的日新月异的发展，人们生 产和生活中对能源的需求呈现丼喷式的增长。美国能源部能源信息署(EIA)在2017年发表 的《全球能源展望》中指出：在2000年，全球能源消耗量总量为158亿吨标准煤。而到了 2015年，其增长率超过了50％，消耗量高达239亿吨标准煤。并且能源消耗增长率一直没有 减慢的趦势，据估计到了2040年可能增长为306亿吨标准煤。传统不可再生的化石能源的过 度消耗，以及随之而来的全球变暖及生态环境恶化等问题，给人类带来了很大的生存危机。 因此，大力促进可再生能源的发展，进而改变现有的能源结构是解决能源和环境可持续发展 问题的一种必然的选择。

相对而言，光伏发电是全球发展的趋势，现在光伏发电技术已经得到了快速的发展，同 时分布式光伏发电站在我国所占的比重越来越大。光伏发电固有的间歇性和波动性的特点导 致分布式光伏发电并网对电网的安全、稳定和经济运行造成很大冲击。光伏发电量预测的研 究是光伏电站研究的重点之一。

光伏发电量的精确的预测可以提高电网的稳定性、能够有效帮助电网调度部门做好各类 电源的调度计划，可以帮助光伏电站减少由于限电带来的经济损失，提高光伏电站运营管理 效率。建立根据天气环境因素预测光伏发电量的模型，能够确保地区制定行之有效的用电规 划和策略，充分利用太阳能，提高太阳能资源的利用比例。实现区域能源利用的优化，准确 的光伏发电预测能够为光伏发电并网提供保障，提高电网运行的稳定性和经济效益。

发明内容

本发明针对现有技术存在的问题，提供一种适用于光伏电站发电量预测方法，其应用时 采用了多源数据融合，该技术将各种不同的数据信息进行综合，吸取不同数据源的特点然后 从中提取出统一的、比单一数据更好、更丰富的信息，在本发明中使用了LSTM网络，按照 序列进行预测，在整个电站发电量预测中更加准确，按照时间进行，即考虑了季度。

本发明通过以下技术方案实现：

一种适用于光伏电站发电量预测方法，其特征在于，包括如下步骤：

步骤1数据获取：

收集爬取天气预报信息存到MySQL数据库；

收集爬取某地区一整年的日照时长信息；

收集爬取10-30年内该地区站点太阳辐射通量每月的平均值；

收集爬取逐小时的云量、降水预报信息；

步骤2数据处理：

(1)对收集的数据中以中文形式表示，在训练预测模型时需要将该特征数值化，采用粒 子群算法将天气类型数值化处理；

(2)日照时长数据处理，需要从数据中提取不同日期的日照时长，将数据中的属性“昼 长”转换为数值型，例如10:30:00可转换为10.5；

(3)太阳辐照数据处理；

(4)云量、降水数据处理；

(5)异常日发电量数据处理；

步骤3电量预测：采用深度学习模型LSTM算法预测发电量。

进一步的，一种适用于光伏电站发电量预测方法，所述粒子群算法步骤为：