(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210988803.7 (22)申请日 2022.08.17 (71)申请人 国网河北省电力有限公司经济技 术 研究院 地址 050000 河北省石家庄市裕华区富强 大街27号 申请人 国家电网有限公司 　 河北汇智电力工程设计有限公司 (72)发明人 张妍　张红梅　张骥　王朔　 李亮玉　郑紫尧　路宇　苏佶智　 邢琳　邵华　 (74)专利代理 机构 石家庄国为知识产权事务所 13120 专利代理师 付晓娣(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 7/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 光伏发电预测方法、 装置及终端设备 (57)摘要 本申请适用于数据处理技术领域， 提供了一 种光伏发电预测方法、 装置及终端设备， 该光伏 发电预测方法包括： 获取光伏发电特征数据； 基 于光伏发电特征数据， 构造光伏发电的结构特 征； 利用概率密度函数对结构特征进行编码， 获 得光伏发电的统计特征； 将结构特征与统计特征 进行融合， 得到光伏发电的联合特征； 基于联合 特征构建SampleRNN模型， 并利用SampleRNN模型 进行训练和测试； 将待预测的光伏发电数据输入 到训练好的SampleRNN模型中， 生成预测的发电 量。 本申请能够准确预测光伏发电功率， 可以有 效提高电网系统的安全性和稳定性。 权利要求书2页 说明书8页 附图3页 CN 115423159 A 2022.12.02 CN 115423159 A 1.一种光伏发电预测方法， 其特 征在于， 包括： 获取光伏发电特 征数据； 基于所述 光伏发电特 征数据， 构造光伏发电的结构特 征； 利用概率密度函数对所述结构特 征进行编码， 获得光伏发电的统计特 征； 将所述结构特 征与所述统计特 征进行融合， 得到光伏发电的联合特 征； 基于所述联合特 征构建SampleRN N模型， 并利用SampleRN N模型进行训练和 测试； 将待预测的光伏发电数据输入到训练好的SampleRN N模型中， 生成预测的发电量。 2.如权利要求1所述的光伏发电预测方法， 其特征在于， 所述获取光伏发电特征数据， 包括： 获取光伏发电变量； 对于所述光伏发电变量中的异常值， 采用所述异常值的平均值替代所述异常值， 得到 所述光伏发电特 征数据。 3.如权利要求1所述的光伏发电预测方法， 其特征在于， 所述基于所述光伏发电特征数 据， 构造光伏发电的结构特 征， 包括： 构造新特 征， 所述新特征包括温差、 实际板面所受光照和风 量； 将所述新特征增加到所述 光伏发电特 征数据中， 得到光伏发电的结构特 征。 4.如权利要求1所述的光伏发电预测方法， 其特征在于， 所述利用概率密度函数对所述 结构特征进行编码， 获得光伏发电的统计特 征， 包括： 通过 获得光伏发电的统计特 征； 其中， μ为特 征X的均值， σ 为特 征X的标准差 。 5.如权利要求1所述的光伏发电预测方法， 其特征在于， 所述将所述结构特征与所述统 计特征进行融合， 得到光伏发电的联合特 征， 包括： 通过 X联合＝X结构+α *tanh( (X统计)TX结构(X统计)) 将统计特征X统计与结构特征X结构进行联合嵌入， 得到光伏发电的联合特征； 其中α＝[0, 1]。 6.如权利要求1所述的光伏发电预测方法， 其特征在于， 所述SampleRNN模型为样本序 列X联合＝[x1,x2,x3,......,x21,x22,x23]的可能性建模： P(X联合)＝SampleRN N(x1,x2,...,x23)。 7.如权利要求6所述的光伏发 电预测方法， 其特征在于， 所述基于所述联合特征构建 SampleRN N模型， 并利用SampleRN N模型进行训练和 测试， 包括： 将实验样本数据分为M个训练集和N个测试集； 其中M大于N； 预先设计SampleRNN模型的RNN隐藏层维度、 RNN在帧级层中 的深度、 嵌入层的大小、 RNN 类型、 激活函数、 训练批量大小、 训练次数和优化器； 所述SampleRNN模 型包括采样级层和帧 级层； 将所述实验样本数据输入SampleRNN模型进行训练和测试， 得到训练好的SampleRNN模 型。权　利　要　求　书 1/2 页 2 CN 115423159 A 28.一种光伏发电预测装置， 其特 征在于， 包括： 获取模块， 用于获取光伏发电特 征数据； 结构特征构造模块， 用于基于所述 光伏发电特 征数据， 构造光伏发电的结构特 征； 编码模块， 用于利用概率密度函数对所述结构特征进行编码， 获得光伏发电的统计特 征； 融合模块， 用于将所述结构特 征与所述统计特 征进行融合， 得到光伏发电的联合特 征； 模型构建模块， 用于基于所述联合特征构建SampleRNN模型， 并利用SampleRNN模型进 行训练和 测试； 输出模块， 用于将待预测的光伏发电数据输入到训练好的SampleRNN模型中， 生成预测 的发电量。 9.一种终端设备， 包括存储器和 处理器， 所述存储器中存储有可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7任一 项所述的光伏发电预测方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 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7任一项所述的光伏发电预测方 法。权　利　要　求　书 2/2 页 3 CN 115423159 A 3