新能源功率预测模型的构建方法和新能源功率预测方法与流程

1.本技术属于新能源领域，尤其涉及一种新能源功率预测模型的构建方法和新能源功率预测方法。


背景技术：

2.为电力系统的安全稳定运行，需要对新能源的功率进行预测。相关技术中存在将多个电站的功率预测结果之和确定为目标区域中所有电站的预测总功率，常用的新能源功率预测方法需要大量电站的历史发电功率数据，难度较高，且预测结果不精确。


技术实现要素：

3.本技术旨在至少解决现有技术中存在的技术问题之一。为此，本技术提出一种新能源功率预测模型的构建方法和新能源功率预测方法，提高了新能源功率预测模型的准确度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
4.第一方面，本技术提供了一种新能源功率预测模型的构建方法，该方法包括：
5.基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；
6.基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域；所述子区域包括至少一个网格；
7.基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型；所述历史气象格点数据对应的历史时间段与所述历史总出力数据对应的历史时间段相同。
8.根据本技术实施例提供的新能源功率预测模型的构建方法，基于经纬度网格对目标区域进行划分，以获取多个网格，然后将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型，提高了新能源功率预测模型的准确度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
9.本技术一个实施例的新能源功率预测模型的构建方法，所述基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域，包括：
10.基于各所述网格中电站的装机容量，确定各所述网格对应的装机密度；
11.基于所述装机密度和所述网格距离使用网格聚类方法，对所述多个网格进行密度聚类，获取所述多个子区域。
12.本技术一个实施例的新能源功率预测模型的构建方法，所述基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型，包括：
13.基于所述装机容量，确定目标数量；
14.基于各所述子区域对应的历史气象格点数据和所述目标区域对应的历史总出力数据，获取各所述子区域对应的历史气象格点数据和所述目标区域对应的历史总出力数据之间的相关系数；
15.从多个所述子区域对应的历史气象格点数据中获取所述相关系数最高的所述目标数量的历史气象格点数据；
16.基于所述目标数量的历史气象格点数据和所述历史总出力数据，构建所述新能源功率预测模型。
17.本技术一个实施例的新能源功率预测模型的构建方法，所述基于所述装机容量，确定目标数量，包括：
18.基于所述多个子区域中的目标子区域中电站的装机容量和装机容量最小的子区域中电站的装机容量，确定所述目标子区域对应的气象格点数量；
19.对各子区域对应的气象格点数量进行最小公倍数计算，确定所述目标数量。
20.本技术一个实施例的新能源功率预测模型的构建方法，所述基于所述目标数量的历史气象格点数据和所述历史总出力数据，构建所述新能源功率预测模型，包括：
21.将所述目标数量的历史气象格点数据中任一历史气象格点数据和与所述历史气象格点数据对应的历史总出力数据确定为一个训练样本，获取多个训练样本；
22.将所述多个训练样本随机划分为训练集和验证集；
23.基于所述训练集对所述新能源功率预测模型进行训练，获取训练后的新能源功率预测模型；
24.基于所述验证集优化所述训练后的新能源功率预测模型。
25.第二方面，本技术提供了一种基于如第一方面所述的新能源功率预测模型的构建方法的新能源功率预测方法，该方法包括：
26.将目标区域对应的目标时刻的目标气象格点数据输入至所述新能源功率预测模型，获取所述新能源功率预测模型输出的与所述目标气象格点数据对应的所述目标区域中电站的预测总功率。
27.根据本技术实施例提供的新能源功率预测方法，通过结合气象预报数值模式数据的网格化特点和区域光伏电站的装机容量密度聚集特点，基于电站的装机容量和网格距离使用网格聚类方法对网格进行聚类，以获取多个子区域，然后基于具有代表性的气象格点数据以及目标区域中电站的总出力数据建立新能源功率预测模型，所构建的模型精确度较好，从而在应用过程中能够获取新能源功率预测模型输出的更精确的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
28.第三方面，本技术提供了一种新能源功率预测模型的构建装置，该装置包括：
29.第一处理模块，用于基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；
30.第二处理模块，用于基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域；所述子区域包括至少一个网格；
31.第三处理模块，用于基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能
源功率预测模型；所述历史气象格点数据对应的历史时间段与所述历史总出力数据对应的历史时间段相同。
32.根据本技术实施例提供的新能源功率预测模型的构建装置，基于经纬度网格对目标区域进行划分，以获取多个网格，然后将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型，提高了新能源功率预测模型的准确度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
33.第四方面，本技术提供了一种新能源功率预测装置，该装置包括：
34.第四处理模块，用于将目标区域对应的目标时刻的目标气象格点数据输入至所述新能源功率预测模型，获取所述新能源功率预测模型输出的与所述目标气象格点数据对应的所述目标区域中电站的预测总功率。
35.根据本技术实施例提供的新能源功率预测装置，通过结合气象预报数值模式数据的网格化特点和区域光伏电站的装机容量密度聚集特点，基于电站的装机容量和网格距离使用网格聚类方法对网格进行聚类，以获取多个子区域，然后基于具有代表性的气象格点数据以及目标区域中电站的总出力数据建立新能源功率预测模型，所构建的模型精确度较好，从而在应用过程中能够获取新能源功率预测模型输出的更精确的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
36.第五方面，本技术提供了一种电站控制器，该电站控制器包括：
37.新能源发电装置；
38.如第三方面所述的新能源功率预测模型的构建装置；所述新能源功率预测模型的构建装置与所述新能源发电装置电连接；
39.如第四方面所述的新能源功率预测装置；所述新能源功率预测装置与所述新能源发电装置电连接。
40.根据本技术实施例提供的电站控制器，通过构建新能源功率预测模型，可以基于新能源功率预测模型预测目标区域中电站的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
41.第五方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的新能源功率预测模型的构建方法和第二方面所述的新能源功率预测方法。
42.第六方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的新能源功率预测模型的构建方法和第二方面所述的新能源功率预测方法。
43.本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
44.基于经纬度网格对目标区域进行划分，以获取多个网格，然后将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型，提高了新能源功率预测模型的准确
度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
45.进一步地，基于各网格中电站的装机容量确定各网格对应的装机密度，然后基于装机密度和网格距离使用网格聚类方法，将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，子区域的划分较合理，在应用中可以基于划分得到的子区域，构建新能源功率预测模型。
46.更进一步地，通过结合气象预报数值模式数据的网格化特点和区域光伏电站的装机容量密度聚集特点，基于电站的装机容量对网格进行聚类，以获取多个子区域，然后基于具有代表性的气象格点数据以及目标区域中电站的总出力数据建立新能源功率预测模型，所构建的模型精确度较好，从而在应用过程中能够获取新能源功率预测模型输出的更精确的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
47.再进一步地，通过构建新能源功率预测模型，可以基于新能源功率预测模型预测目标区域中电站的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
48.本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
49.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
50.图1是本技术实施例提供的新能源功率预测模型的构建方法的流程示意图；
51.图2是本技术实施例提供的新能源功率预测模型的构建装置的结构示意图；
52.图3是本技术实施例提供的新能源功率预测方法的流程示意图；
53.图4是本技术实施例提供的新能源功率预测装置的结构示意图；
54.图5是本技术实施例提供的电站控制器的结构示意图。
具体实施方式
55.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
56.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
57.下面结合图1描述本技术实施例的新能源功率预测模型的构建方法。
58.需要说明的是，新能源功率预测模型的构建方法的执行主体可以为电站控制器，或者可以为设置于电站控制器上的新能源功率预测模型的构建装置，或者还可以为与电站控制器电连接的服务器，或者还可以为与电站控制器通信连接的用户终端，包括但不限于
移动终端和非移动终端。
59.例如，移动终端包括但不限于手机、pda智能终端、平板电脑以及车载智能终端等；非移动终端包括但不限于pc端等。
60.如图1所示，该新能源功率预测模型的构建方法，包括：步骤110、步骤120和步骤130。
61.步骤110、基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格。
62.在该步骤中，历史气象格点数据可以基于气象站点数据得到，其中，气象站点数据为基于观测站实测得到的数据。
63.在实际应用中，可以将空间上分布不均匀的站点数据，按一定的几何形态格子归并，求出各格子中站点数据的平均值，然后将平均值置于格子的中心位置，以得到格点数据。
64.历史气象格点数据可以包括辐照、温度、湿度、压强和风速等。
65.经纬度网格上的点可以表征该经纬度上的气象的数值。
66.目标区域为用于预测该区域内的电站的发电功率的区域。
67.目标区域内设置有至少一个电站。
68.基于历史气象格点数据的经纬度网格，可以将目标区域划分为多个网格。
69.网格的尺寸可以基于用户自定义，例如，可以将网格尺寸定义为0.25
°
n*0.25
°
s。
70.在本技术中，基于气象预报数值模式的网格化数据对目标区域进行划分，避免了对气象预报数值模型结果的二次加工进而导致数据误差放大的技术问题。
71.步骤120、基于各网格中电站的装机容量和网格距离使用网格聚类方法划分多个网格，获取多个子区域；子区域包括至少一个网格。
72.在该步骤中，电站可以为光伏电站、潮汐电站、风电站和水电站等。
73.电站的装机容量用于表征电站的建设规模和电力生产能力。
74.可以理解的是，电站的装机容量越大的情况下，对网格中电站的总出力的影响越大。
75.网格距离为各网格之间的距离。
76.子区域为对多个网格进行划分得到的。
77.子区域包括至少一个网格。
78.对多个网格进行聚类处理，可以将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域；
79.其中，目标阈值可以基于用户自定义，本技术不作限定。
80.聚类方法可以包括划分式聚类方法(partition-based methods)、基于密度的聚类方法(density-based methods)和层次化聚类方法(hierarchical methods)等。
81.发明人在研发过程中发现，相关技术中存在基于光伏电站的数量之和对目标区域进行划分，区域的划分不合理。
82.在本技术中，电站的装机容量越大的情况下，对网格中电站的总出力的影响越大，基于各网格中电站的装机容量划分多个网格，以获取多个子区域，子区域的划分较合理。
83.在一些实施例中，步骤120可以包括：
84.基于各网格中电站的装机容量，确定各网格对应的装机密度；
85.基于装机密度和网格距离使用网格聚类方法，对多个网格进行密度聚类，获取多个子区域。
86.在该实施例中，装机密度为网格中电站的装机容量之和。
87.密度聚类算法可以包括：dbscan、mdca、optics和denclue等，可以基于用户需求进行选择，本技术不作限定。
88.在实际执行过程中，可以基于公式：
89.di＝∑落在网格内的电站的装机容量
90.确定网格对应的装机密度，其中，di为网格对应的装机密度；
91.然后可以基于optics密度聚类算法，对多个网格进行聚类处理，以获取n个子区域。
92.根据本技术实施例提供的新能源功率预测模型的构建方法，基于各网格中电站的装机容量确定各网格对应的装机密度，然后基于装机密度以及网格距离使用网格聚类方法，将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，子区域的划分较合理，在应用中可以基于划分得到的子区域，构建新能源功率预测模型。
93.步骤130、基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型；历史气象格点数据对应的历史时间段与历史总出力数据对应的历史时间段相同。
94.在该步骤中，历史总出力数据为历史时间段内目标区域中所有电站的出力数据之和。
95.新能源功率预测模型用于预测未来时间段内目标区域中电站的功率。
96.新能源功率预测模型可以为神经网络模型。
97.历史气象格点数据对应的历史时间段与历史总出力数据对应的历史时间段相同，例如，可以为历史一年，或者可以为历史半年，可以基于用户自定义，本技术不作限定。
98.在本技术中，基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格，基于气象预报数值模式的网格化数据对目标区域进行划分，避免了对气象预报数值模型结果的二次加工进而导致数据误差放大的技术问题；
99.基于各网格中电站的装机容量和网格距离使用网格聚类方法划分多个网格，获取多个子区域，能够将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，子区域的划分较合理。
100.根据本技术实施例提供的新能源功率预测模型的构建方法，基于经纬度网格对目标区域进行划分，以获取多个网格，然后将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型，提高了新能源功率预测模型的准确度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
101.在一些实施例中，步骤130可以包括：
102.基于装机容量，确定目标数量；
103.基于各子区域对应的历史气象格点数据和目标区域对应的历史总出力数据，获取各子区域对应的历史气象格点数据和目标区域对应的历史总出力数据之间的相关系数；
104.从多个子区域对应的中获取相关系数最高的目标数量的历史气象格点数据；
105.基于目标数量的历史气象格点数据和历史总出力数据，构建新能源功率预测模型。
106.在该实施例中，目标数量用于从多个历史气象格点数据中选取部分数据。
107.历史气象格点数据和历史总出力数据之间的相关系数用于表征历史气象格点数据和历史总出力数据之间的相关度。
108.在实际执行过程中，可以基于装机容量确定目标数量；
109.然后可以基于公式：
[0110][0111]
确定历史气象格点数据和历史总出力数据之间的相关系数，其中，x为历史气象格点数据，y为历史总出力数据，r(x,y)为相关系数，cov(x,y)为历史气象格点数据和历史总出力数据之间的协方差，var[x]为历史气象格点数据的方差，var[y]为历史总出力数据的方差；
[0112]
对多个相关系数进行排序，从多个历史气象格点数据中获取相关系数最高的目标数量的历史气象格点数据；
[0113]
然后基于目标数量的历史气象格点数据和历史总出力数据，构建新能源功率预测模型。
[0114]
根据本技术实施例提供的新能源功率预测模型的构建方法，通过从多个历史气象格点数据中获取相关系数最高的目标数量的历史气象格点数据，然后基于具有代表性的目标数量的历史气象格点数据和历史总出力数据，构建新能源功率预测模型，构建的模型预测效果较好，能够基于新能源功率预测模型获取更准确的目标区域中电站的预测功率。
[0115]
在一些实施例中，基于装机容量，确定目标数量，可以包括：
[0116]
基于多个子区域中的目标子区域中电站的装机容量和装机容量最小的子区域中电站的装机容量，确定目标子区域对应的气象格点数量；
[0117]
对各子区域对应的气象格点数量进行最小公倍数计算，确定目标数量。
[0118]
在该实施例中，目标子区域为多个子区域中的任一区域。
[0119]
气象格点数量为目标子区域中选取气象格点的个数。
[0120]
可以计算多个子区域对应的气象格点数量对应的最小公倍数，然后将最小公倍数确定为目标数量。
[0121]
在实际执行过程中，可以设置目标区域中电站的装机容量为1w，目标区域可以包括3个子区域，其中，第一子区域中电站的装机容量为3k，第二子区域中电站的装机容量为3k，第三子区域中电站的装机容量为4k；
[0122]
基于公式：
[0123]
dn＝int(目标子区域中电站的装机容量/min(各子区域内电站的装机容量))
[0124]
确定多个子区域中目标子区域对应的气象格点数量；
[0125]
可以确定第一子区域对应的第一气象格点数量为1，第二子区域对应的第二气象
格点数量为1，第三子区域对应的第三气象格点数量为2；
[0126]
然后可以获取第一气象格点数量1、第二气象格点数量1和第三气象格点数量2之间的最小公倍数2，再将最小公倍数2确定为目标数量。
[0127]
根据本技术实施例提供的新能源功率预测模型的构建方法，通过电站在每个子区域中的装机容量比例确定多个子区域对应的气象格点数量，然后基于多个气象格点数量确定目标数量，在后续应用中可以基于历史气象格点数据和历史总出力数据之间的相关系数，选取目标数量的历史气象格点数据，进而构建新能源功率预测模型。
[0128]
在一些实施例中，基于目标数量的历史气象格点数据和历史总出力数据，构建新能源功率预测模型，可以包括：
[0129]
将目标数量的历史气象格点数据中任一历史气象格点数据和与历史气象格点数据对应的历史总出力数据确定为一个训练样本，获取多个训练样本；
[0130]
将多个训练样本随机划分为训练集和验证集；
[0131]
基于训练集对新能源功率预测模型进行训练，获取训练后的新能源功率预测模型；
[0132]
基于验证集优化训练后的新能源功率预测模型。
[0133]
在该实施例中，训练样本用于构建新能源功率预测模型。
[0134]
一个训练样本包括目标数量的历史气象格点数据中任一历史气象格点数据和与历史气象格点数据对应的历史总出力数据。
[0135]
多个训练样本可以随机划分为训练集和验证集。
[0136]
训练集用于对新能源功率预测模型进行训练。
[0137]
验证集用于对训练后的新能源功率预测模型进行优化。
[0138]
在实际执行过程中，可以获取多个训练样本中的75％的训练样本作为训练集，可以获取多个训练样本中剩余的25％的训练样本作为验证集；
[0139]
然后可以设置新能源功率预测模型中的网络隐层的层数和隐层的神经元个数；
[0140]
再基于75％的训练集对新能源功率预测模型进行训练，具体地，可以将训练集中的样本历史气象格点数据作为样本，将与样本历史气象格点数据对应的样本历史总出力数据作为样本标签对新能源功率预测模型进行训练；
[0141]
基于25％的验证集对训练后的新能源功率预测模型进行优化，具体地，可以将验证集中的历史气象格点数据输入至训练后的新能源功率预测模型，获取训练后的新能源功率预测模型输出的预测总出力数据，再基于预测总出力数据和与历史气象格点数据对应的历史总出力数据之间的差异，对训练后的新能源功率预测模型进行优化。
[0142]
根据本技术实施例提供的新能源功率预测模型的构建方法，通过将目标数量的历史气象格点数据中任一历史气象格点数据和与历史气象格点数据对应的历史总出力数据确定为一个训练样本，并获取多个训练样本，然后将多个训练样本划分为训练集和验证集，再基于训练集对新能源功率预测模型进行训练，基于验证集优化训练后的新能源功率预测模型，提高了新能源功率预测模型的预测精准度和准确度。
[0143]
下面对本技术提供的新能源功率预测模型的构建装置进行描述，下文描述的新能源功率预测模型的构建装置与上文描述的新能源功率预测模型的构建方法可相互对应参照。
[0144]
本技术实施例提供的新能源功率预测模型的构建方法，执行主体可以为新能源功率预测模型的构建装置。本技术实施例中以新能源功率预测模型的构建装置执行新能源功率预测模型的构建方法为例，说明本技术实施例提供的新能源功率预测模型的构建装置。
[0145]
本技术实施例还提供一种新能源功率预测模型的构建装置。
[0146]
如图2所示，该新能源功率预测模型的构建装置，包括：第一处理模块210、第二处理模块220和第三处理模块230。
[0147]
第一处理模块210，用于基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；
[0148]
第二处理模块220，用于基于各网格中电站的装机容量和网格距离使用网格聚类方法划分多个网格，获取多个子区域；子区域包括至少一个网格；
[0149]
第三处理模块230，用于基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型；历史气象格点数据对应的历史时间段与历史总出力数据对应的历史时间段相同。
[0150]
根据本技术实施例提供的新能源功率预测模型的构建装置，基于经纬度网格对目标区域进行划分，以获取多个网格，然后将装机容量为相邻稠密且网格距离小于目标阈值的多个网格合并为一个子区域，从而获取多个子区域，基于子区域中电站的装机容量、各子区域中至少部分网格对应的历史气象格点数据以及目标区域对应的历史总出力数据，构建新能源功率预测模型，提高了新能源功率预测模型的准确度和精准度；除此之外，历史气象格点数据、历史总出力数据以及装机容量的获取较为容易，节省了大量的人力成本，操作便捷，进而提高了功率预测的效率。
[0151]
在一些实施例中，第二处理模块220还可以用于：
[0152]
基于各网格中电站的装机容量，确定各网格对应的装机密度；
[0153]
基于装机密度和网格距离使用网格聚类方法，对多个网格进行密度聚类，获取多个子区域。
[0154]
在一些实施例中，该新能源功率预测模型的构建装置还可以包括：
[0155]
第五处理模块，用于基于装机容量，确定目标数量；
[0156]
第六处理模块，用于基于各子区域对应的历史气象格点数据和目标区域对应的历史总出力数据，获取各子区域对应的历史气象格点数据和目标区域对应的历史总出力数据之间的相关系数；
[0157]
第七处理模块，用于从多个子区域对应的历史气象格点数据中获取相关系数最高的目标数量的历史气象格点数据；
[0158]
第八处理模块，用于基于目标数量的历史气象格点数据和历史总出力数据，构建新能源功率预测模型。
[0159]
在一些实施例中，第五处理模块还可以用于：
[0160]
基于多个子区域中的目标子区域中电站的装机容量和装机容量最小的子区域中电站的装机容量，确定目标子区域对应的气象格点数量；
[0161]
对各子区域对应的气象格点数量进行最小公倍数计算，确定目标数量。
[0162]
在一些实施例中，第八处理模块还可以用于：
[0163]
将目标数量的历史气象格点数据中任一历史气象格点数据和与历史气象格点数
据对应的历史总出力数据确定为一个训练样本，获取多个训练样本；
[0164]
将多个训练样本随机划分为训练集和验证集；
[0165]
基于训练集对新能源功率预测模型进行训练，获取训练后的新能源功率预测模型；
[0166]
基于验证集优化训练后的新能源功率预测模型。
[0167]
本技术实施例中的新能源功率预测模型的构建装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0168]
本技术实施例提供的新能源功率预测模型的构建装置能够实现图1的方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0169]
下面结合图3描述本技术提出的一种基于上文任意实施例所述的新能源功率预测模型的构建方法的新能源功率预测方法，包括：
[0170]
步骤310，将目标区域对应的目标时刻的目标气象格点数据输入至新能源功率预测模型，获取新能源功率预测模型输出的与目标气象格点数据对应的目标区域中电站的预测总功率。
[0171]
在该步骤中，目标时刻可以为当前时刻。
[0172]
目标气象格点数据为目标时刻下目标区域对应的气象格点数据。
[0173]
预测总功率为未来时刻目标区域中电站的总功率。
[0174]
预测总功率可以基于新能源功率预测模型预测得到。
[0175]
发明人在研发过程中发现，相关技术中存在将多个电站的功率预测结果之和确定为目标区域中所有电站的预测总功率，常用的新能源功率预测方法需要大量电站的历史发电功率数据，难度较高，且预测结果不精确。
[0176]
在本技术中，基于历史气象格点数据、目标区域的历史总出力数据以及目标区域中电站的坐标和装机容量构建新能源功率预测模型，可以快速且容易地获取用于构建模型的数据，减少了人力成本，提高了预测效率；且基于构建好的新能源功率预测模型预测目标区域中电站的预测总功率，预测结果较精确。
[0177]
根据本技术实施例提供的新能源功率预测方法，通过结合气象预报数值模式数据的网格化特点和区域光伏电站的装机容量密度聚集特点，基于电站的装机容量和网格距离使用网格聚类方法对网格进行聚类，以获取多个子区域，然后基于具有代表性的气象格点数据以及目标区域中电站的总出力数据建立新能源功率预测模型，所构建的模型精确度较好，从而在应用过程中能够获取新能源功率预测模型输出的更精确的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
[0178]
下面对本技术提供的新能源功率预测装置进行描述，下文描述的新能源功率预测装置与上文描述的新能源功率预测方法可相互对应参照。
[0179]
本技术实施例提供的新能源功率预测方法，执行主体可以为新能源功率预测装置。本技术实施例中以新能源功率预测装置执行新能源功率预测方法为例，说明本技术实施例提供的新能源功率预测装置。
[0180]
本技术实施例还提供一种新能源功率预测装置。
[0181]
如图4所示，该新能源功率预测装置，包括：第四处理模块410。
[0182]
第四处理模块410，用于将目标区域对应的目标时刻的目标气象格点数据输入至新能源功率预测模型，获取新能源功率预测模型输出的与目标气象格点数据对应的目标区域中电站的预测总功率。
[0183]
根据本技术实施例提供的新能源功率预测装置，通过结合气象预报数值模式数据的网格化特点和区域光伏电站的装机容量密度聚集特点，基于电站的装机容量和网格距离使用网格聚类方法对网格进行聚类，以获取多个子区域，然后基于具有代表性的气象格点数据以及目标区域中电站的总出力数据建立新能源功率预测模型，所构建的模型精确度较好，从而在应用过程中能够获取新能源功率预测模型输出的更精确的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
[0184]
本技术实施例中的新能源功率预测装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0185]
本技术实施例提供的新能源功率预测装置能够实现图3的方法实施例实现的各个过程，为避免重复，这里不再赘述。
[0186]
本技术实施例还提供一种电站控制器。
[0187]
该电站控制器包括：新能源发电装置、新能源功率预测模型的构建装置和新能源功率预测装置。
[0188]
在该实施例中，新能源发电装置可以为光伏发电装置，或者可以为水发电装置，或者还可以为风发电装置，本技术不作限定。
[0189]
新能源功率预测模型的构建装置为上文任意实施例所述的新能源功率预测模型的构建装置。
[0190]
新能源功率预测模型的构建装置与新能源发电装置电连接。
[0191]
新能源功率预测装置为上文任意实施例所述的新能源功率预测装置。
[0192]
新能源功率预测装置与新能源发电装置电连接。
[0193]
如图5所示，本技术实施例提供的一种电站控制器，包括处理器501、存储器502及存储在存储器502上并可在处理器501上运行的计算机程序，该程序被处理器501执行时实现上述新能源功率预测模型的构建方法和新能源功率预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0194]
需要说明的是，本技术实施例中的电站控制器包括上述所述的移动电站控制器和非移动电站控制器。
[0195]
根据本技术实施例提供的电站控制器，通过构建新能源功率预测模型，可以基于新能源功率预测模型预测目标区域中电站的预测总功率，实现了对目标区域中电站的发电功率的精准预测。
[0196]
另一方面，本技术还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述新能源功率预测模型的构建方法和新能源功率预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0197]
又一方面，本技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述新能源功率预测模型的构建方法和新能
源功率预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0198]
又一方面，本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述新能源功率预测模型的构建方法和新能源功率预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0199]
应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
[0200]
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0201]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
[0202]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，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技术各实施例技术方案的精神和范围。

技术特征：
1.一种新能源功率预测模型的构建方法，其特征在于，包括：基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域；所述子区域包括至少一个网格；基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型；所述历史气象格点数据对应的历史时间段与所述历史总出力数据对应的历史时间段相同。2.根据权利要求1所述的新能源功率预测模型的构建方法，其特征在于，所述基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域，包括：基于各所述网格中电站的装机容量，确定各所述网格对应的装机密度；基于所述装机密度和所述网格距离使用网格聚类方法，对所述多个网格进行密度聚类，获取所述多个子区域。3.根据权利要求1或2所述的新能源功率预测模型的构建方法，其特征在于，所述基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型，包括：基于所述装机容量，确定目标数量；基于各所述子区域对应的历史气象格点数据和所述目标区域对应的历史总出力数据，获取各所述子区域对应的历史气象格点数据和所述目标区域对应的历史总出力数据之间的相关系数；从多个所述子区域对应的历史气象格点数据中获取所述相关系数最高的所述目标数量的历史气象格点数据；基于所述目标数量的历史气象格点数据和所述历史总出力数据，构建所述新能源功率预测模型。4.根据权利要求3所述的新能源功率预测模型的构建方法，其特征在于，所述基于所述装机容量，确定目标数量，包括：基于所述多个子区域中的目标子区域中电站的装机容量和装机容量最小的子区域中电站的装机容量，确定所述目标子区域对应的气象格点数量；对各子区域对应的气象格点数量进行最小公倍数计算，确定所述目标数量。5.根据权利要求3所述的新能源功率预测模型的构建方法，其特征在于，所述基于所述目标数量的历史气象格点数据和所述历史总出力数据，构建所述新能源功率预测模型，包括：将所述目标数量的历史气象格点数据中任一历史气象格点数据和与所述历史气象格点数据对应的历史总出力数据确定为一个训练样本，获取多个训练样本；将所述多个训练样本随机划分为训练集和验证集；基于所述训练集对所述新能源功率预测模型进行训练，获取训练后的新能源功率预测模型；基于所述验证集优化所述训练后的新能源功率预测模型。6.一种基于如权利要求1-5任一项所述的新能源功率预测模型的构建方法的新能源功
率预测方法，其特征在于，包括：将目标区域对应的目标时刻的目标气象格点数据输入至所述新能源功率预测模型，获取所述新能源功率预测模型输出的与所述目标气象格点数据对应的所述目标区域中电站的预测总功率。7.一种新能源功率预测模型的构建装置，其特征在于，包括：第一处理模块，用于基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；第二处理模块，用于基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域；所述子区域包括至少一个网格；第三处理模块，用于基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型；所述历史气象格点数据对应的历史时间段与所述历史总出力数据对应的历史时间段相同。8.一种基于如权利要求1-5任一项所述的新能源功率预测模型的构建方法的新能源功率预测装置，其特征在于，包括：第四处理模块，用于将目标区域对应的目标时刻的目标气象格点数据输入至所述新能源功率预测模型，获取所述新能源功率预测模型输出的与所述目标气象格点数据对应的所述目标区域中电站的预测总功率。9.一种电站控制器，包括：新能源发电装置；如权利要求7所述的新能源功率预测模型的构建装置；所述新能源功率预测模型的构建装置与所述新能源发电装置电连接；如权利要求8所述的新能源功率预测装置；所述新能源功率预测装置与所述新能源发电装置电连接。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5任一项所述的新能源功率预测模型的构建方法或如权利要求6所述的新能源功率预测方法。11.一种计算机程序产品，包括计算机程序，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1-5任一项所述的新能源功率预测模型的构建方法或如权利要求6所述的新能源功率预测方法。

技术总结
本申请公开了一种新能源功率预测模型的构建方法和新能源功率预测方法，属于新能源领域。所述新能源功率预测模型的构建方法，包括：基于历史气象格点数据的经纬度网格，将目标区域划分为多个网格；基于各所述网格中电站的装机容量和网格距离使用网格聚类方法划分所述多个网格，获取多个子区域；基于所述子区域中所述电站的装机容量、各所述子区域中至少部分网格对应的历史气象格点数据以及所述目标区域对应的历史总出力数据，构建新能源功率预测模型。本申请的新能源功率预测模型的构建方法，可以构建新能源功率预测模型，进而基于该新能源功率预测模型预测得到未来时段的目标区域中电站的功率，提高了功率预测结果的准确度和精准度。度和精准度。度和精准度。


技术研发人员：汤子琪 刘震 张幼 李卫 翁捷
受保护的技术使用者：阳光电源（上海）有限公司
技术研发日：2023.05.24
技术公布日：2023/9/14