基于相似日的光伏发电功率短期预测方法、装置及存储介质与流程

技术特征：
1.一种基于相似日的光伏发电功率短期预测方法，其特征在于，包括：获取预测日的气象信息，并确定其所属天气类型；根据预测日气象信息、天气类型从历史发电日数据库中选出综合相似度最大的a个历史发电日数据构建相似日样本集，其中a为预设值；对相似日样本集中每个历史发电日的历史光伏发电功率数据分别进行分解处理，并分别将分解处理得到的表示短期规律的imf分量叠加作为短期预测中频信息；且将综合相似度最高的历史发电日对应的短期预测中频信息作为预测日的短期预测中频信息；将相似日样本集的气象信息、短期预测中频信息及历史光伏发电功率数据进行归一化处理；将归一化处理后的相似日样本集中每个历史发电日的气象信息及短期预测中频信息作为神经网络的输入，将对应的历史光伏发电功率数据作为神经网络的输出，对神经网络进行训练，得到光伏发电功率短期预测模型；将预测日对应的气象信息及其短期预测中频信息进行归一化处理，然后输入到光伏发电功率短期预测模型，输出归一化的光伏发电预测功率；对光伏发电预测功率进行反归一化处理得到预测日光伏发电短期预测功率。2.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法，其特征在于，所述根据预测日气象信息、天气类型从历史发电日数据库中选出综合相似度最大的a个历史发电日数据构建相似日样本集，具体包括：根据预测日天气类型从历史发电日数据库中筛选出天气类型系统的历史发电日数据构建相似日初始样本集；计算基于预测日气象信息构建的气象信息特征向量与相似日初始样本集中各历史发电日的气象信息特征向量间的综合相似度，选取综合相似度最大的a个历史发电日数据构建相似日样本集。3.根据权利要求1或2所述的基于相似日的光伏发电功率短期预测方法，其特征在于，所述综合相似度通过如下公式计算得到：s
i
＝αf
i
(1-α)d
cosi
其中，s
i
表示第i个历史发电日与预测日的综合相似度；α表示取值为[0,1]之间的经验权重系数；f
i
表示第i个历史发电日与预测日的气象信息间灰色关联度，d
cosi
表示第i个历史发电日与预测日的气象信息间余弦相似度；其中，f
i
计算公式如下：式中，m为气象信息包含的分量总数；ω
i
(k)表示第i个历史发电日与预测日的第k个气象信息分量间的灰色关联系数，计算公式如下：d
cosi
计算公式如下：
其中，表示预测日气象信息的第k个分量，表示第i个历史发电日气象信息的第k个分量，ρ表示取值为[0,1]之间的分辨系数。4.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法，其特征在于，所述对相似日样本集中每个历史发电日的历史光伏发电功率数据分别进行分解处理，并分别将分解处理得到的表示短期规律的imf分量叠加作为短期预测中频信息，具体包括：对于相似日样本集中每个历史发电日，利用eemd算法对其历史光伏发电功率数据进行分解，得到多个imf分量和一个残差分量；用游程检验法检验计算历史光伏发电功率数据分解得到的各imf分量的最大游程长度和游程数，根据最大游程长度和游程数筛选出中频imf分量；将筛选出的中频imf分量叠加作为该历史发电日的短期预测中频信息。5.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法，其特征在于，对神经网络进行训练之前，还包括：确定神经网络的输入层、输出层及隐含层的节点数n、m、l，给定神经网络的训练函数、节点传递函数及网络学习函数，并利用灰狼优化算法对神经网络的初始权值和阈值进行优化，并将优化后的值赋给神经网络。6.根据权利要求5所述的基于相似日的光伏发电功率短期预测方法，其特征在于，所述神经网络采用bp神经网络，其隐含层和输出层可通过下式计算：隐含层：输出层：其中，b
j
为隐含层第j个节点，x
i
为输入向量的第i个分量，w
ij
为输入层第i个节点与隐含层第j个节点间的权值，θ
j
为隐含层第j个节点的阈值，y
k
为输出层第k个节点，v
jk
为隐含层第i个节点与输出层第k个节点间的权值，γ
k
为输出层第k个节点的阈值；f1(
·
)为隐含层节点函数，f2(
·
)为输出层节点函数；网络误差通过如下公式计算：e
k
＝y
k-y
k
其中，e
k
为输出层第k个节点的误差，y
k
为输出层第k个节点的真实值，y
k
为输出层第k个节点的预测值；隐含层和输出层的权值和阈值更新方式如下：隐含层：
输出层：w
jk
＝w
jk
λb
j
e
k
γ
k
＝γ
k
e
k
其中，λ表示网络迭代速度；在迭代训练过程中，判定网络误差e与设定误差ε1之间的关系，若e＞ε1，则更新隐含层和输出层的权值和阈值并返回到隐含层和输出层计算；否则，终止迭代，输出预测值。7.根据权利要求6所述的基于相似日的光伏发电功率短期预测方法，其特征在于，bp神经网络输入层和输出层的节点数根据训练时的输入和输出数据确定，隐含层节点数是由输出层和输入层节点数共同决定，隐含层最佳节点数由以下几种方式中的一种获得：l＝n-11式中，c为调节常数，其取值范围为[1,10]。8.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法，其特征在于，所述气象信息包括日平均太阳辐照度、最大辐照度、平均温度、最高温度、最低温度、平均湿度和平均风速。9.一种基于相似日的光伏发电功率短期预测装置，其特征在于，包括：数据获取模块，用于获取预测日的气象信息，并确定其所属天气类型；相似日样本集构建模块，用于根据预测日气象信息、天气类型从历史发电日数据库中选出综合相似度最大的a个历史发电日数据构建相似日样本集，其中a为预设值；中频信息获取模块，用于对相似日样本集中每个历史发电日的历史光伏发电功率数据分别进行分解处理，并分别将分解处理得到的表示短期规律的imf分量叠加作为短期预测中频信息；且将综合相似度最高的历史发电日对应的短期预测中频信息作为预测日的短期预测中频信息；归一化模块，用于将相似日样本集的气象信息、短期预测中频信息及历史光伏发电功率数据进行归一化处理；模型训练模块，用于将归一化处理后的相似日样本集中每个历史发电日的气象信息及短期预测中频信息作为神经网络的输入，将对应的历史光伏发电功率数据作为神经网络的输出，对神经网络进行训练，得到光伏发电功率短期预测模型；光伏发电预测模块，用于将预测日对应的气象信息及其短期预测中频信息进行归一化处理，然后输入到光伏发电功率短期预测模型，输出归一化的光伏发电预测功率；反归一化模块，用于对光伏发电预测功率进行反归一化处理得到预测日光伏发电短期预测功率。10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被
处理器执行时实现如权利要求1至8任一项所述的基于相似日的光伏发电功率短期预测方法。

技术总结
本发明公开了一种基于相似日的光伏发电功率短期预测方法、装置及存储介质，通过获取的气象信息，并确定天气类型，然后根据气象信息和天气类型利用相似度分析理论构建相似日样本集，对相似日样本集历史光伏发电功率数据进行分解，提取中频分量构建短期预测中频信息，然后基于相似日样本集的气象信息、短期预测中频信息和历史光伏发电功率数据训练神经网络，得到光伏发电功率短期预测模型，以预测日的气象信息和短期预测中频信息作为输入，预测预测日光伏发电短期功率。可以实现不同气象条件下光伏发电短期功率的有效预测，对光伏发电并网和电站的稳定运行的拓展研究工作提供基础。基础。基础。


技术研发人员：金胜骞 文爽 孙志强 焦晓雷 陈虎
受保护的技术使用者：中南大学
技术研发日：2021.12.30
技术公布日：2022/4/1