(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 202211063715.2 (22)申请日 2022.09.01 (71)申请人 国网江苏省电力有限公司营销服 务 中心 地址 210019 江苏省南京市 建邺区奥体大 街9号 (72)发明人 高凡　王忠东　徐孝琳　周玉　 邵雪松　李悦　赵双双　穆卓文　 周家亿　褚兴旺　容杰　 (74)专利代理 机构 北京智绘未来专利代理事务 所(普通合伙) 11689 专利代理师 王萍 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) H02J 3/00(2006.01) (54)发明名称 一种分布式光伏用户发电功率短期预测方 法及装置 (57)摘要 本发明公开了一种分布式光伏用户发电功 率短期预测方法及装置， 借助光伏能源站采集数 据， 通过地址经纬度计算光伏用户与能源站的地 理距离， 选择合适的阈值后， 完成光伏用户气象 数据和发电数据融合， 并根据发电功率预测时间 精度需求， 进一步处理气象数据和电力数据匹配 对， 提取出用户辐射、 温度等气象特征和合同容 量等电力特征， 最后再根据用户历史发电功率趋 势类化光伏用户， 分别构建不同光伏发电效率下 基于支持向量回归算法的光伏发电功率预测模 型， 实现了气象数据和发电数据的融合， 最终实 现基于气象数据的分布式光伏用户发电功率预 测。 权利要求书2页 说明书7页 附图1页 CN 115456265 A 2022.12.09 CN 115456265 A 1.一种分布式光伏用户发电功率短期预测方法， 其特 征在于： 所述方法包括以下步骤： 步骤1： 获取光伏能源站气象数据， 包括 能源站基础档案数据和日常检测太阳辐射明细 数据； 并获取用电信息采集系统中光伏用户的电力数据， 其中包括档案数据、 发电功率、 发 电示数； 步骤2： 通过地址经纬度转化， 计算光伏用户与气象站的实际地理距离， 选择相应的阈 值， 实现气象数据和电力数据的匹配； 步骤3： 根据对发电功率预测的时间精度要求， 对步骤2中的历史气象数据和电力数据 处理成相应特 征数据对； 步骤4： 基于步骤1中的光伏用户历史发电功率数据， 对用户进行分类， 区分不同发电效 率下的用户； 步骤5： 根据不同发电效率下的用户， 基于步骤3中的特征数据对， 提取用户气象特征和 电力特征， 建立不同效率下 的光伏用户发电功率预测模型， 实现分布式光伏用户发电功率 的短期预测。 2.根据权利要求1所述的一种基于负荷分类的分布式光伏用户发电功率短期预测方 法， 其特征在于： 所述步骤2中， 为建立气象数据和电力数据的匹配关系， 以光伏能源站档案地址为基 准， 匹配该能源站附近对应终端台区， 再进一步匹配台区底下所有的光伏用户， 选定合适的 距离阈值， 则该阈值范围内光伏用户的气象数据等价于该范围最近的光伏能源站采集数 据。 3.根据权利要求2所述的一种分布式光伏用户发电功率短期预测方法， 其特 征在于： 所述在步骤3中， 光伏用户的发电功率数据采集频度分别有日级别、 小时级别、 分钟级 别， 而光伏 能源站气象数据采集频度为一分钟 一次， 为实现光伏用户发电功率和气象数据 在时间维度上保持一致， 按照功 率预测的所需时间精度， 对原始气象数据进行转换和提取， 构建数据对。 4.根据权利要求3所述的一种分布式光伏用户发电功率短期预测方法， 其特 征在于： 所述步骤4中， 基于用户历史的发电功率数据， 构建高维历史功率特征矩阵， 类化光伏 用户。 5.根据权利要求 4所述的一种分布式光伏用户发电功率短期预测方法， 其特 征在于： 在步骤4中， 基于用户历史的发电功率数据， 构建高维历史功率特征矩阵， 类化光伏用 户， 或通过聚类， 实现用户分批 建模， 分别构建不同光伏发电效率下的光伏用户发电功 率预 测模型， 或基于用户历史发电功 率， 提取出每个用户在不同时间发电效率特征， 作为后续建 模的用户个性 化属性特 征。 6.根据权利要求1所述的一种分布式光伏用户发电功率短期预测方法， 其特 征在于： 所述步骤5具体包括以下步骤： S501： 对原始数据处 理， 修补或舍弃负值、 缺失值； S502： 提取气象数据特征， 包括太阳水平面总辐照度、 法向直射辐照度、 温度、 风向、 风 速、 气压； S503： 针对不同发电效率类化后的光伏用户， 分别构建对应的基于支持向量机算法的 光伏发电功率预测模型， 实现基于气象数据的光伏发电功率预测。权　利　要　求　书 1/2 页 2 CN 115456265 A 27.根据权利要求6所述的一种分布式光伏用户发电功率短期预测方法， 其特征在于： 所 述步骤S503中， 寻找拟合训练集样本的模型f(x)， 通过构建光伏用户发电功率真实值与模 型预测值的损失函数， 当损失函数最小， 模型则最优； 具体包括以下步骤： S5031： 基于训练集样本， 寻找光伏用户发电功率预测模型f(x)； 训练集样本数据为{(x1,y1),(x2,y2),…(xm,ym)}， 其中xi为第i个光伏用户t时刻的d维 气象特征和电力特征矩阵， yi为对应时刻的发电功率， 寻找模型f(x)＝wTx+b， 使得 f(x)与y 尽可能接近， 其中w＝(w1,w2,…wd)为法向量， b为位移项， w1,w2,…wd均为待确定的模型参 数； x包括x1， x2，……xm， y表示光伏用户发电功率； S5032： 构建模型目标函数和损失函数； 支持向量目标函数为: 约束条件:st:|yi‑wTxi‑b|≤ ε,i＝1,2,…m 其中损失函数为： S5033： 模型参数求 解， 给出参数最优解。 8.一种分布式光伏用户发电功率短期预测装置， 用于实现如权利要求1 ‑7任一项所述 的方法， 其特 征在于： 所述装置包括： 气象数据采集模块： 获取光伏能源站气象数据， 包括能源站基础档案数据和日常检测 太阳辐射明细数据； 电力数据采集模块： 获取用电信息采集系统中光伏用户的 电力数据， 其中包括档案数 据、 发电功率、 发电示数； 数据匹配模块： 通过地址经纬度转化， 计算光伏用户与气象站的实际地理距离， 选择合 适的阈值， 实现气象数据和电力数据的匹配； 数据处理模块： 根据对发电功率预测的时间精度要求， 对历史气象数据和电力数据处 理成相应特 征数据对； 用户类化模块： 基于光伏用户历史发电功率数据， 对用户进行分类， 区分不同发电效率 下的用户； 或通过历史发电功率提取出每个用户不同时刻发电效率矩阵， 作为用户个性化 属性； 预测模块： 根据不同发电效率下的用户， 基于特征数据对， 提取用户气象特征和电力特 征， 建立不同效率下 的光伏用户发电功率预测模型， 实现分布式光伏用户发电功率的短期 预测。 9.一种终端， 其特征在于， 包括处理器及存储介质； 所述存储介质用于存储指令； 所述 处理器用于根据所述指令进行操作以执 行根据权利要求1 ‑7任一项所述方法的步骤。 10.计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行 时实现权利要求1 ‑7任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115456265 A 3