一种光伏发电功率的预测方法及装置与流程

1.本发明涉及光伏发电的领域，尤其涉及一种光伏发电功率的预测方法及装置。


背景技术：

2.光伏发电作为一种新型清洁能源，通过将太阳能转化为电能，有效地减少了人类对于化石能源的依赖，同时，也减少了因为化石能源的燃烧等造成的污染排放，因而提供了一种安全可靠的清洁能源。但由于光伏监测点的数据传输问题以及稳定性问题，数据质量无法得到保证，造成中压光伏的实时发电功率情况往往无法实时的掌控，不利于对电网的管理与安全的把控。
3.目前对于光伏实时预测的方法主要是时间序列法、线性回归法、lstm算法等。对于时间序列法，虽然其模型简单，但是总体的预测能力不高。单纯的线性回归法运算量小，但是预测精度有待提升。光伏发电功率预测使用用的最多的深度学习算法——lstm算法，是rnn的改进版本，虽然其预测精度较高，但是存在训练耗时长、所需的训练数据量大、计算开销大、硬件要求高等问题，因而受到诟病。
4.因此，为了提高预测光伏发电功率的准确性和高效性，解决目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题，亟需构建一种光伏发电功率的预测方法。


技术实现要素：

5.本发明提供了一种光伏发电功率的预测方法及装置，解决了目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题。
6.第一方面，本发明提供了一种光伏发电功率的预测方法，包括：获取供电所从属区域的实时光伏数据和天气预报信息；所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量；根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息；选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率；基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率；将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量；计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度。
7.可选地，根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日
辐照度积分对应的天气类型信息，包括：根据所述供电所从属区域的实时辐照度，计算得到小时平均辐照度；汇总所述供电所从属区域的每天的所述小时平均辐照度，得到供电所从属区域的日辐照度积分；基于所述日辐照度积分，对天气情况划分，得到所述日辐照度积分对应的天气类型信息。
8.可选地，选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率，包括：基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型；根据所述天气预报信息，选取所述天气预报信息对应天气类型的光伏发电功率预测模型；将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入所述选取的光伏发电功率预测模型，得到所述供电所从属区域的中压侧的光伏时刻发电功率。
9.可选地，基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型，包括：获取各项待拟合特征模型；对所述各项待拟合特征模型添加多项式拟合的目标函数正则化项，得到正则化的多项式拟合算法模型；基于所述正则化的多项式拟合算法模型，结合所述天气类型信息、每天的所述小时平均辐照度和所述历史装机容量，进行训练，得到所述多种不同天气类型信息的光伏发电功率预测模型。
10.可选地，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率，包括：基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到第二预设周期的历史实时辐照度数据；从所述历史实时辐照度数据中选取与所述供电所从属区域的实时辐照度最相近的多条历史实时辐照度数据，并根据所述多条历史实时辐照度数据的平均值，计算得到历史相似发电功率。
11.第二方面，本发明提供了一种光伏发电功率的预测装置，包括：获取模块，用于获取供电所从属区域的实时光伏数据和天气预报信息；所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量；天气模块，用于根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息；计算模块，用于选取与所述天气预报信息对应天气类型的基于所述天气类型信息
构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率；历史模块，用于基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率；预测模块，用于将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量；精度模块，用于计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度。
12.可选地，所述天气模块包括：辐照子模块，用于根据所述供电所从属区域的实时辐照度，计算得到小时平均辐照度；积分子模块，用于汇总所述供电所从属区域的每天的所述小时平均辐照度，得到供电所从属区域的日辐照度积分；天气子模块，用于基于所述日辐照度积分，对天气情况划分，得到所述日辐照度积分对应的天气类型信息。
13.可选地，所述计算模块包括：建模子模块，用于基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型；选取子模块，用于根据所述天气预报信息，选取所述天气预报信息对应天气类型的光伏发电功率预测模型；输入子模块，用于将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入所述选取的光伏发电功率预测模型，得到所述供电所从属区域的中压侧的光伏时刻发电功率。
14.可选地，所述建模子模块包括：拟合单元，用于获取各项待拟合特征模型；添加单元，用于对所述各项待拟合特征模型添加多项式拟合的目标函数正则化项，得到正则化的多项式拟合算法模型；训练单元，用于基于所述正则化的多项式拟合算法模型，结合所述天气类型信息、每天的所述小时平均辐照度和所述历史装机容量，进行训练，得到所述多种不同天气类型信息的光伏发电功率预测模型。
15.可选地，所述历史模块包括：历史子模块，用于基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到第二预设周期的历史实时辐照度数据；相似子模块，用于从所述历史实时辐照度数据中选取与所述供电所从属区域的实时辐照度最相近的多条历史实时辐照度数据，并根据所述多条历史实时辐照度数据的平均值，计算得到历史相似发电功率。
16.从以上技术方案可以看出，本发明具有以下优点：本发明提供了一种光伏发电功率的预测方法，通过获取供电所从属区域的实时光伏数据和天气预报信息，所述实时光伏
数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量，根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息，选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率，将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量，计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度，通过一种光伏发电功率的预测方法，解决了目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题，实现了对光伏发电功率的高效性与高准确性的预测。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
18.图1为本发明的一种光伏发电功率的预测方法实施例一的流程步骤图；图2为本发明的一种光伏发电功率的预测方法实施例二的流程步骤图；图3为本发明的一种光伏发电功率的预测装置实施例的结构框图。
具体实施方式
19.本发明实施例提供了一种光伏发电功率的预测方法及装置，用于解决目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题。
20.为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
21.实施例一，请参阅图1，图1为本发明的一种光伏发电功率的预测方法实施例一的流程步骤图，包括：步骤s101，获取供电所从属区域的实时光伏数据和天气预报信息；所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量；需要说明的是，辐照度为辐射照度，是受照面单位面积上的辐射通量。单位是kw/m2。
22.装机容量为发电厂装机容量，指发电站所装有的全部发电机组额定功率总和，是表征发电站建设规模和电力生产能力的主要指标之一，单位是kw。
23.日装机容量为发电厂当天的装机容量，指发电站当天所装有的全部发电机组额定
功率总和。
24.历史装机容量为发电厂记录的历史上每一天的装机容量，指发电站记录的以往每一天所装有的全部发电机组额定功率总和。
25.步骤s102，根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息；步骤s103，选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率；步骤s104，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率；步骤s105，将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量；步骤s106，计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度。
26.在本发明实施例所提供的一种光伏发电功率的预测方法，通过获取供电所从属区域的实时光伏数据和天气预报信息，所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量，根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息，选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率，将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量，计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度，通过一种光伏发电功率的预测方法，解决了目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题，实现了对光伏发电功率的高效性与高准确性的预测。
27.实施例二，请参阅图2，图2为本发明的一种光伏发电功率的预测方法的流程步骤图，包括：步骤s201，获取供电所从属区域的实时光伏数据和天气预报信息；所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量；步骤s202，根据所述供电所从属区域的实时辐照度，计算得到小时平均辐照度；在本发明实施例中，根据供电所从属区域的实时辐照度计算小时平均辐照度。
28.在具体实现中，各个供电所的辐照度数据，参照的是其对应从属区域的实时辐照度。例如：供电所id 1000110012，其对应区域辐照度为a区域。即，供电所id 1000110012的辐照度数据，取自a区域的辐照度。因此，供电所id 1000110012，在2020年12月26日8：15~9：00的时刻辐照度分别为87kw/m2，74kw/m2，111kw/m2，133kw/m2，求其平均，得到该时段的小时平均辐照度为101.25kw/m2。
29.另外，还可以根据获取的数据，计算供电所从属区域的中压侧小时发电量。在供电所中压侧，对于用户电量测点的最小时间间隔1小时、15分钟两种情况。按照测点
‑
>用户
‑
>供电所的汇总方向，从底向上，汇总供电所从属区域的中压侧的小时发电量。例如：首先，中压用户id 306000193760024下，全部测点id包含26969850669、26969850670和26969850671，对这3个测点的小时表计电量差值，以小时为单位汇总，得到该用户每小时的发电量。然后，供电所id 1000110012下，中压侧全部用户id含有306000193760024，对其小时发电量汇总，从而能得到该供电所的中压小时发电量。
30.还可以将小时发电量转为小时发电功率。由于夜晚不发电，只使用每天6~18时数据训练模型。这样做，也可以防止清晨和傍晚，辐照度与光伏发电量的极端关系，对训练造成影响，提升训练得到模型的预测精度和鲁棒性。基于现场表计没有光伏发电功率数据，只有发电量的表计数值。因此，光伏发电功率（光伏发电功率）的计算公式如下：；其中，表计发电量差值为表计发电量的一个时间段的差值，时间间隔为一小时。
31.因为发电量的单位是kw
·
h，这里光伏小时发电功率在数值上等于光伏小时发电量。
32.步骤s203，汇总所述供电所从属区域的每天的所述小时平均辐照度，得到供电所从属区域的日辐照度积分；在本发明实施例中，计算供电所从属区域的每天的日辐照度积分。
33.在具体实现中，以天为单位，将供电所从属区域的小时辐照度汇总，得到供电所从属区域的日辐照度积分。例如：供电所id 1000110012，在2020年12月26日的日辐照度积分为2579kw/m2。
34.步骤s204，基于所述日辐照度积分，对天气情况划分，得到所述日辐照度积分对应的天气类型信息；在本发明实施例中，根据日辐照度积分，划分天气情况，得到所述日辐照度积分对应的天气类型信息。
35.在具体实现中，根据日辐照度的积分划分为晴天、阴天、雨天。例如：参照当地的历史天气与历史日辐照度积分，将不同天气的日辐照度积分阈值设置为，低于2000kw/m2为雨天，2000kw/m2~4000kw/m2为阴天，高于4000kw/m2为晴天。
36.步骤s205，基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型；在一个可选实施例中，基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型，包括：获取各项待拟合特征模型；对所述各项待拟合特征模型添加多项式拟合的目标函数正则化项，得到正则化的多项式拟合算法模型；基于所述正则化的多项式拟合算法模型，结合所述天气类型信息、每天的所述小时平均辐照度和所述历史装机容量，进行训练，得到所述多种不同天气类型信息的光伏发
电功率预测模型。
37.在本发明实施例中，使用sklearn库的polynomialfeatures方法，获取各项待拟合特征模型，利用所述sklearn库的ridgecv方法，对所述各项待拟合特征模型添加多项式拟合的目标函数正则化项，得到正则化的多项式拟合算法模型，基于所述正则化的多项式拟合算法模型，结合所述天气类型信息、每天的所述小时平均辐照度和所述历史装机容量，进行训练，得到所述多种不同天气类型信息的光伏发电功率预测模型。
38.在具体实现中，使用基于python的第三方库sklearn的sklearn.preprocessing.polynomialfeatures方法，用于生成各项待拟合的特征数值。其参数设置为：degree=1，interaction_only=false，include_bias=false。其中，最高拟合阶数degree为1次；因为没有互相做乘积的项，因此interaction_only为false；进行拟合时，没有引入偏置项1（但是输出多项式含有常数项），因此include_bias为false。
39.使用基于python的第三方库sklearn的sklearn.linear_model.ridgecv方法，增加多项式拟合的目标函数正则化项。其参数设置alphas=numpy.logspace(
‑
3, 2, 50)，用于生成10
‑
3~102的等比数列（共50个数），作为正则化项的系数，alpha的值越大，使得正则化项的约束力逐步增强。通过增加目标函数的正则化项，有效地降低了过拟合情况，显著提升光伏发电功率预测的精度和鲁棒性。
40.根据不同供电所、不同的天气类型，分别训练带有正则化的多项式拟合算法模型,从而得到各个供电所，3种天气类型的光伏发电功率预测模型（训练使用的历史数据时长为4个月，每个供电所，以及不同的天气类型，得到的模型不相同）。模型训练输入：小时平均辐照度、日装机容量。模型训练输出：小时光伏平均发电功率（既可以解决部分用户测点，的最小时间间隔为小时，不能精确到时刻的问题，同时，也可以用于防止个别略带偏差的光伏发电功率的极端影响，从而能够提升模型的预测精度、鲁棒性）。
41.步骤s206，根据所述天气预报信息，选取所述天气预报信息对应天气类型的光伏发电功率预测模型；在本发明实施例中，根据天气预报信息，选取对应的天气类型的光伏发电功率预测模型。
42.在具体实现中，根据今日天气预报，作为今日的天气类型，选取相应训练好的模型。例如：该地级市2021年1月6日的天气预报为阴天。则需要使用阴天情况下，光伏发电功率预测的算法模型。
43.步骤s207，将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入所述选取的光伏发电功率预测模型，得到所述供电所从属区域的中压侧的光伏时刻发电功率；在本发明实施例中，将供电所从属区域的中压侧的日装机容量和供电所从属区域的中第一预设周期的实时辐照度输入所述光伏发电功率预测模型，得到所述供电所从属区域的中压侧的光伏时刻发电功率。
44.在具体实现中，在不同供电所的中压侧，输入时刻辐照度（15分钟间隔，而不是1小时间隔）、日装机容量，用于预测中压侧光伏时刻发电功率（15分钟间隔，而不是1小时间隔）。例如：供电所id 1000110012，在2021年1月6日9:45，时刻辐照度为206kw/m2，供电所中压日装机容量为2985.3kw。使用该供电所中压侧训练的光伏发电功率预测模型，预测当前
的光伏时刻发电功率为454.14kw。
45.步骤s208，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到第二预设周期的历史实时辐照度数据。
46.在本发明实施例中，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到第二预设周期的历史实时辐照度数据。
47.在具体实现中，以历史装机容量智能推算历史实时辐照度情况。将近3个月的历史日装机容量，根据今日装机容量对齐，然后将历史小时平均发电功率，根据日装机容量按比例映射。具体的做法是，将近3个月的历史日装机容量，全部修改为今日装机容量，然后根据历史日装机容量的变化幅度占比，对应修改每天的历史小时平均发电功率。例如：供电所id 1000110012，在2020年10月26日10时，小时平均发电功率为1113kw，日装机容量为2190kw。与今日装机容量对齐为2985.3kw后，按照比例映射后的历史发电功率为1517.2kw。
48.步骤s209，从所述历史实时辐照度数据中选取与所述供电所从属区域的实时辐照度最相近的多条历史实时辐照度数据，并根据所述多条历史实时辐照度数据的平均值，计算得到历史相似发电功率；在本发明实施例中，从所述历史实时辐照度数据中选取与所述供电所从属区域的实时辐照度最相近的多条历史实时辐照度数据，并根据所述多条历史实时辐照度数据的平均值，计算得到历史相似发电功率。
49.在具体实现中，根据今日当前时刻辐照度，从映射后的近3个月历史实时辐照度数据中，根据阈值寻找最相似的3个历史辐照度（历史数据中，当前时刻的辐照度），并求其平均。首先从历史数据中，筛选当前小时时间节点的数据，然后从中寻找辐照度最相近的前3条历史数据，并将这3条的小时平均发电功率值求平均值。注意，这里需要设置阈值，历史与今日时刻的辐照度差值绝对值，必须小于50kw/m2。例如：现在时间是2021年1月6日9:45，时刻辐照度为206kw/m2。在近3个月历史当前时刻的辐照度数据当中，最相近的是2020年10月7日10时的202.75kw/m2、2020年9月14日10时的194.75kw/m2和2020年11月19日10时的192.75kw/m2。可知，这3个历史时间节点的辐照度，与今日当前时刻的辐照度差值的绝对值，都小于50kw/m2，因此这3个数据点全部选取。而根据今天的日装机容量2985.3kw对齐，经过按比例映射，得到这3个历史节点的小时平均发电功率分别为482.6kw、385.8kw和502.6kw，求其平均为457kw。
50.步骤s210，将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量；在本发明实施例中，组合模型预测值即光伏时刻发电功率与历史相似发电功率进行计算，得到预测日发电量；在具体实现中，将模型预测值以及历史相似发电功率，按照0.618:(1
‑
0.618)的比例，加权求平均。例如：现在时间是2021年1月6日9:45，直接使用模型预测的光伏时刻发电功率为439.20kw，搜索的历史参照辐照度为457kw，根据公式：；计算得到当前最终的预测值为446.0kw。
51.步骤s211，计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度。
52.在本发明实施例中，对比预测日发电量与真实日发电量，验证光伏发电功率的预测精度。
53.在具体实现中，将预测日发电量与真实日发电量进行比较，计算平均绝对误差，得到供电所从属区域的中压侧光伏出力预测精度。例如：供电所id 1000110012，在2021年1月6日，根据当天预测的光伏出力值（15分钟间隔，而不是1小时间隔），汇总得到预测日发电量，为7664.23kw
·
h，真实日发电量为8145.8kw
·
h。从而可知，当天该供电所中压侧光伏出力预测精度为94.09%。
54.在本发明实施例所提供的一种光伏发电功率的预测方法，通过获取供电所从属区域的实时光伏数据和天气预报信息，所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量，根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息，选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率，基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率，将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量，计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度，通过一种光伏发电功率的预测方法，解决了目前存在的对光伏发电功率进行预测的低准确性的和低效率的技术问题，实现了对光伏发电功率的高效性与高准确性的预测。
55.请参阅图3，图3为本发明的一种光伏发电功率的预测装置实施例的结构框图，包括：获取模块301，用于获取供电所从属区域的实时光伏数据和天气预报信息；所述实时光伏数据包括供电所从属区域的实时辐照度、供电所从属区域的中压侧的日装机容量和历史装机容量；天气模块302，用于根据所述供电所从属区域的实时辐照度，得到日辐照度积分以及所述日辐照度积分对应的天气类型信息；计算模块303，用于选取与所述天气预报信息对应天气类型的基于所述天气类型信息构建的光伏发电功率预测模型，并将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入到所述选取的光伏发电功率预测模型，计算得到所述供电所从属区域的中压侧的光伏时刻发电功率；历史模块304，用于基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到历史相似发电功率；预测模块305，用于将所述光伏时刻发电功率与所述历史相似发电功率组合计算，得到预测日发电量；精度模块306，用于计算所述预测日发电量与真实日发电量的百分比，得到光伏发电功率预测精度。
56.在一个可选实施例中，所述天气模块302包括：辐照子模块，用于根据所述供电所从属区域的实时辐照度，计算得到小时平均辐照度；
积分子模块，用于汇总所述供电所从属区域的每天的所述小时平均辐照度，得到供电所从属区域的日辐照度积分；天气子模块，用于基于所述日辐照度积分，对天气情况划分，得到所述日辐照度积分对应的天气类型信息。
57.在一个可选实施例中，所述计算模块303包括：建模子模块，用于基于所述天气类型信息，结合每天的所述小时平均辐照度和所述历史装机容量，进行建模，得到多种不同天气类型的光伏发电功率预测模型；选取子模块，用于根据所述天气预报信息，选取所述天气预报信息对应天气类型的光伏发电功率预测模型；输入子模块，用于将所述日装机容量和所述供电所从属区域中第一预设周期的实时辐照度输入所述选取的光伏发电功率预测模型，得到所述供电所从属区域的中压侧的光伏时刻发电功率。
58.在一个可选实施例中，所述建模子模块包括：拟合单元，用于获取各项待拟合特征模型；添加单元，用于对所述各项待拟合特征模型添加多项式拟合的目标函数正则化项，得到正则化的多项式拟合算法模型；训练单元，用于基于所述正则化的多项式拟合算法模型，结合所述天气类型信息、每天的所述小时平均辐照度和所述历史装机容量，进行训练，得到所述多种不同天气类型信息的光伏发电功率预测模型。
59.在一个可选实施例中，所述历史模块304包括：历史子模块，用于基于所述供电所从属区域的实时辐照度、所述历史装机容量和所述日装机容量，计算得到第二预设周期的历史实时辐照度数据；相似子模块，用于从所述历史实时辐照度数据中选取与所述供电所从属区域的实时辐照度最相近的多条历史实时辐照度数据，并根据所述多条历史实时辐照度数据的平均值，计算得到历史相似发电功率。
60.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
61.在本技术所提供的几个实施例中，应该理解到，本发明所揭露的方法及装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
62.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
63.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单
元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
64.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个可读存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：u盘、移动硬盘、只读存储器（rom，read
‑
only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
65.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。