[发明专利]基于DGM-RNN的日前光伏功率预测方法及系统

说明书

本公开提供了一种基于DGM‑RNN的日前光伏功率预测方法及系统，获取待预测日前一日的日平均环境数据；根据获取的数据，基于灰色预测模型得到待预测日的总光伏功率预测值，基于循环神经网络得到待预测日的日间小时功率预测结果；将总光伏功率预测值和日间小时功率预测结果输入到预设长短期记忆网络中，得到更新后的日间小时功率预测结果；本公开的DGM算法预测的每日总功率校正量较好解决了非理想天气下光伏功率趋势高波动、强随机造成的预测精度低的问题，显著提高了光伏发电输出趋势预测的稳定性和精度。

技术领域

本公开涉及光伏功率预测技术领域，特别涉及一种基于DGM-RNN的日前光伏功率预测方法及系统。

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，并不必然构成现有技术。

由于不可再生的因素，化石能源储配量逐年减少。同时受环境气候约束，不可再生资源对温室效应以及酸雨等恶劣气候影响颇深，如今我国政府对能源结构改革有了新的认识与挑战，倡导大力发展太阳能、风能等可再生能源，建立清洁、低碳、安全和高效的能源端体系，大力发展光伏是缓解源端化石能源与气候矛盾问题的重要解决方式之一。但是与火电、水电等传统发电方式有所不同，光伏发电由于依赖天气状况，光伏系统表现出强烈的随机性和波动性，日益增加的光伏发电系统为电网的稳定运行提出了新的挑战。

准确的光伏发电功率预测是公用事业和工厂运营商的一项重要能源管理功能，可减轻分布式光伏系统中大量份额带来的不良电能质量影响。考虑到非理想天气条件下的日前功率预测问题，越来越多的研究开始挖掘和利用历史功率输出数据进行直接预测，但是现有的预测方式单纯的依赖于历史功率数据，预测结果准确度较低。

发明内容

为了解决现有技术的不足，本公开提供了基于DGM-RNN的日前光伏功率预测方法及系统，DGM算法预测的每日总功率校正量较好解决了非理想天气下光伏功率趋势高波动、强随机造成的预测精度低的问题，显著提高了光伏发电输出趋势预测的稳定性和精度。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种基于DGM-RNN的日前光伏功率预测方法。

一种基于DGM-RNN的日前光伏功率预测方法，包括以下步骤：

获取待预测日前一日的日平均环境数据；

根据获取的数据，基于灰色预测模型得到待预测日的总光伏功率预测值，基于循环神经网络得到待预测日的日间小时功率预测结果；

将总光伏功率预测值和日间小时功率预测结果输入到预设长短期记忆网络中，得到更新后的日间小时功率预测结果。

本公开第二方面提供了一种基于DGM-RNN的日前光伏功率预测系统。

一种基于DGM-RNN的日前光伏功率预测系统，包括：

数据获取模块，被配置为：获取待预测日前一日的日平均环境数据；

初步预测模块，被配置为：根据获取的数据，基于灰色预测模型得到待预测日的总光伏功率预测值，基于循环神经网络得到待预测日的日间小时功率预测结果；

预测更新模块，被配置为：将总光伏功率预测值和日间小时功率预测结果输入到预设长短期记忆网络中，得到更新后的日间小时功率预测结果。

本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如本公开第一方面所述的基于DGM-RNN的日前光伏功率预测方法中的步骤。

本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于DGM-RNN的日前光伏功率预测方法中的步骤。