光伏功率预测方法

本申请涉及新能源和计算机视觉，特别是涉及一种光伏功率预测方法。

背景技术：

1、光伏发电具有很强的波动性和间歇性。随着光伏装机比例激增，电网必须实时保持发电和用电的平衡。一旦云层突然遮住阳光，发电量骤降，电网频率就会瞬间失稳，甚至引发大面积停电。有必要对光伏功率进行预测。

2、传统方案中，依赖历史功率和常规气象变量的预测方法，通常只能描述已经出现的功率变化，面对云团即将移入或移出太阳附近时容易产生滞后和平滑，光伏预测的精度较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够解决上述问题的光伏功率预测方法。

2、本申请提供了一种光伏功率预测方法。所述方法包括：获取光伏电站的地基天空图像、历史光伏功率序列、气象变量和时间变量；在所述地基天空图像中，提取太阳邻域的视觉状态向量，以及表征所述视觉状态向量的变化情况的视觉状态变化量；将所述历史光伏功率序列、所述气象变量、所述时间变量、所述视觉状态向量和所述视觉状态变化量，输入到多个预测时距各自的光伏预测功率输出回归器，输出各所述光伏预测功率输出回归器各自对应的光伏预测曲线；所述预测时距为分钟级时距；基于各所述光伏预测曲线，确定所述光伏电站在未来时刻的光伏预测功率值。

3、上述光伏功率预测方法，获取光伏电站的地基天空图像、历史光伏功率序列、气象变量和时间变量，在地基天空图像中，提取太阳邻域的视觉状态向量，以及表征视觉状态向量的变化情况的视觉状态变化量。

4、其一，通过引入地基天空图像并提取太阳邻域的视觉状态向量，使预测模型能够直接感知光伏电站上空的实时云层分布与大气光学特征。其二，提取视觉状态向量的变化量，使得模型能够量化云团在太阳附近的运动速度和方向，进而在云团尚未遮挡太阳、光伏功率尚未实际下降时，提前预判即将发生的功率波动，从根本上消除了传统方法对历史功率序列的依赖所导致的时间滞后。

5、将历史光伏功率序列、气象变量、时间变量、视觉状态向量和视觉状态变化量，输入到多个预测时距各自的光伏预测功率输出回归器，输出各光伏预测功率输出回归器各自对应的光伏预测曲线；预测时距为分钟级时距。

6、其一，通过将五类异构信息共同输入回归器，使预测具备物理可解释性，避免了传统纯数据拟合模型无法区分波动原因的缺陷。其二，通过设置多个预测时距各自独立的光伏预测功率输出回归器，使不同时间尺度的预测任务能够分别学习各自最优的映射规律，避免单一模型跨时距拟合时产生的冲突，从而有效减少了预测曲线的过度平滑现象，保留了功率峰谷的陡峭特征。

7、基于各光伏预测曲线，确定光伏电站在未来时刻的光伏预测功率值。

8、通过将多个不同预测时距回归器输出的光伏预测曲线进行融合决策，使最终输出的单一预测功率值能够综合吸收超短期、短期及临近时刻的多尺度时序信息，从而避免依赖单条曲线在特定时距下的固有偏差。

1.一种光伏功率预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述在所述地基天空图像中，提取太阳邻域的视觉状态向量，以及表征所述视觉状态向量的变化情况的视觉状态变化量，包括：

3.根据权利要求1所述的方法，其特征在于，多个预测时距包括目标预测时距；

4.根据权利要求3所述的方法，其特征在于，所述基于所述趋势功率曲线和所述局部遮挡残差，确定所述目标预测时距对应的光伏曲线，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于各所述光伏预测曲线，确定所述光伏电站在未来时刻的光伏预测功率值，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于各所述光伏预测曲线，确定所述光伏电站在未来时刻的光伏预测功率值，包括：

7.根据权利要求1所述的方法，其特征在于，所述视觉状态向量包括太阳邻域图像的亮度均值、亮度标准差、亮度低分位数、亮度高分位数、红蓝通道差均值、云遮挡分数均值以及梯度幅值均值。

8.根据权利要求3所述的方法，其特征在于，所述方法还包括：