融合气象预警与云团遥感的光伏功率滚动预测方法及系统与流程

本发明属于新能源功率预测，具体涉及融合气象预警与云团遥感的光伏功率滚动预测方法及系统。

背景技术：

1、超短期光伏功率预测是保障新型电力系统稳定运行、提升新能源消纳能力、支撑电网实时调度的核心基础技术。光伏出力具有强随机性、波动性与突变性，极易受云层遮挡、气象突变、大风降雨等天气因素影响，精准的超短期功率预测是规避电网功率供需失衡、减少弃光现象、优化电力调度策略的关键。

2、现有超短期光伏功率预测技术存在明显技术短板：其一，现有预测模型多仅依托电站历史功率数据与常规气象数据建模，未接入官方气象预警等级与卫星云图遥感数据，无法提前预判雷暴、暴雨、强对流、快速云团遮挡等突发气象事件，仅能在光伏出力发生波动后被动适配数据变化，预测滞后性显著，气象突变场景下预测精度大幅衰减。

3、其二，现有技术缺乏差异化特征权重调控机制，无法区分不同等级气象预警对光伏出力的影响差异，针对无预警、蓝色、黄色、橙色、红色多级气象场景均采用统一特征权重处理方式，存在非预警场景过度依赖气象数据、极端预警场景气象特征权重不足的问题，场景适配性差。

4、其三，传统预测模型多采用固定周期更新模式，更新频次低，无法匹配电网15-30分钟的实时调度需求，且缺乏模型抗漂移优化机制。光伏电站长期运行过程中，组件老化、环境气候变化会导致运行数据分布持续漂移，传统固定参数模型无法自适应迭代更新，长期运行预测精度持续下降，稳定性不足。

5、其四，现有时序预测模型时序特征提取能力单一，无法兼顾短时辐照度突变与长时功率变化趋势，对5分钟级快速辐照波动与30分钟级缓慢功率变化的适配性差，难以精准捕捉复杂天气下的光伏功率多尺度波动特征。

技术实现思路

1、为解决上述背景技术中提出的问题，本发明提供融合气象预警与云团遥感的光伏功率滚动预测方法及系统，以解决现有技术中突发气象预测滞后、场景适配性差、模型易漂移、多尺度波动捕捉能力弱、更新机制与电网调度不匹配的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、融合气象预警与云团遥感的光伏功率滚动预测方法，包括以下步骤：

4、s1：多源异构数据分层采集：以第一预设时间粒度获取常规电站运行数据与气象数据，包括历史功率数据、实时温度、辐照强度数据、卫星云图反演得到的云团运动矢量及气象预警等级，同步以第二预设时间粒度采集辐照强度突变样本，构建长短双尺度数据集；第二预设时间粒度小于第一预设时间粒度；

5、s2：气象-功率特征动态修正：基于s1所得数据构建气象特征向量与功率特征向量；基于s1所得的气象预警等级与云团运动矢量计算融合云团矢量的预警影响权重，结合辐照强度突变梯度对气象特征向量与功率特征向量进行加权修正，得到修正后的模型输入特征向量；

6、s3：多尺度融合模型功率预测：将s2所得的修正后模型输入特征向量输入informer编码器-多尺度lstm融合深度学习模型，通过最优融合权重对双模型输出结果进行加权计算，得到光伏初始预测功率；

7、s4：边缘云端协同滚动增量优化：按预设滚动周期接入实测电站运行数据与实时气象数据，结合s3所得的光伏初始预测功率计算预测均方误差；当均方误差大于预设误差阈值时，启动增量训练机制，通过自适应学习率公式动态更新模型参数，完成模型抗漂移滚动优化。

8、融合气象预警与云团遥感的光伏功率滚动预测系统，包括数据采集模块、卫星云图解析模块、特征修正模块、融合预测模块以及边缘-云端协同滚动更新模块；

9、其中，所述数据采集模块的输出端分别连接所述卫星云图解析模块的输入端与所述特征修正模块的输入端，所述卫星云图解析模块的输出端连接所述特征修正模块的输入端，所述特征修正模块的输出端连接所述融合预测模块的输入端，所述融合预测模块的输出端连接所述边缘-云端协同滚动更新模块的输入端，所述边缘-云端协同滚动更新模块的参数输出端连接所述融合预测模块的参数更新端；

10、所述数据采集模块，用于分层采集第一预设时间粒度的常规电站运行数据与第二预设时间粒度的辐照强度突变数据，同步获取气象预警数据、卫星云图遥感数据；

11、所述卫星云图解析模块，用于基于卫星云图数据反演云团运动矢量、云量覆盖率参数，量化云团移动遮挡特征；

12、所述特征修正模块，用于计算气象预警影响权重与辐照强度突变梯度，动态修正气象与功率融合特征向量；

13、所述融合预测模块，用于搭载informer编码器-多尺度lstm融合模型，加权输出光伏初始预测功率；

14、所述边缘-云端协同滚动更新模块，用于实时监测预测误差，触发预设误差阈值后执行增量训练与自适应学习率更新，实现模型抗漂移滚动优化。

15、与现有技术相比，本发明的有益效果是：

16、1、本发明使用了气象预警等级与云团运动矢量融合权重机制，量化多级气象预警与云团遮挡对光伏出力的影响，替代传统统一权重处理模式，无预警场景强化历史功率特征主导作用，高等级极端预警场景强化气象遥感特征权重，精准适配全气象场景，突发天气下预测偏差大幅降低，可预判辐照度骤降趋势，消除预测滞后问题。

17、2、本发明设计长短双尺度数据采集机制，同步捕捉功率变化趋势与辐照突变细节，搭配多尺度lstm模型适配不同时序尺度的功率波动特征，解决传统模型无法兼顾快慢变化工况的技术缺陷，大幅提升复杂天气、天气切换场景下的预测精度。

18、3、本发明构建滚动更新+增量抗漂移优化机制，匹配电网实时调度更新频次，通过误差阈值自适应触发模型参数迭代，有效抵消光伏组件老化、环境漂移带来的精度衰减问题，保障模型长期运行稳定性，解决传统模型固定参数、更新滞后、精度易漂移的痛点。

19、4、本发明采用informer-多尺度lstm双模型融合架构，增设辐照度突变专用注意力头，强化短时突变特征提取能力，双模型加权融合兼顾长时序趋势预测与短时序突变捕捉，预测稳定性与鲁棒性显著优于单一预测模型。

20、5、本发明采用边缘-云端协同部署架构，可压缩系统整体预测延迟，数据采集、特征修正、模型预测、参数更新全流程自动化运行，无需人工干预，适配各类分布式、集中式光伏电站的超短期功率预测与电网调度应用场景。

1.融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s2中，预警影响权重计算公式为：

3.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s3中：初始预测功率融合公式为：

4.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s4中，均方误差计算公式为：

5.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s1中，多源数据的采集方式为：气象数据通过官方气象接口实时获取，数据更新延迟不超过预设延迟阈值；卫星云图数据按预设采集周期采集并反演得到云团运动矢量参数；历史功率与实时运行功率数据从光伏电站监控系统调取，全站数据完整性不低于预设完整性阈值。

6.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s1构建长短双尺度数据集后，对数据执行预处理流程，包括异常值剔除与归一化处理；采用min-max归一化方式将常规特征归一化至预设数值区间，针对第二预设时间粒度的辐照强度突变样本执行单独加权归一化处理，强化短时突变特征权重。

7.根据权利要求1所述的融合气象预警与云团遥感的光伏功率滚动预测方法，其特征在于，s4中，滚动增量优化采用边缘端与云端协同的部署架构：最新实测电站运行数据与气象数据由边缘端采集并上传至云端，云端在触发增量训练机制后完成模型参数更新，并将更新后的模型参数下发至边缘端，由边缘端执行后续功率预测。

8.融合气象预警与云团遥感的光伏功率滚动预测系统，用于实现权利要求1-7任一项所述的方法，其特征在于，包括数据采集模块、卫星云图解析模块、特征修正模块、融合预测模块以及边缘-云端协同滚动更新模块；

9.根据权利要求8所述的融合气象预警与云团遥感的光伏功率滚动预测系统，其特征在于，所述特征修正模块按照预设权重公式计算预警影响权重，并按照预设特征修正公式生成修正后的融合特征向量；所述融合预测模块中，informer编码器为多层结构，配置多个注意力头且包含短时辐照强度突变专用注意力头；多尺度lstm为多层结构，对应多个不同时长的时序尺度；双模型输出通过融合权重加权得到初始预测功率。

10.根据权利要求8所述的融合气象预警与云团遥感的光伏功率滚动预测系统，其特征在于，所述边缘-云端协同滚动更新模块以预设均方误差为增量训练触发阈值，采用自适应学习率公式执行参数更新；滚动更新设置有预设最大次数，单次增量训练设置有预设步数上限；系统整体端到端预测输出总延迟不超过预设延迟阈值。