CN118841945B 计及相似日选取和天气类型的光伏发电量预测系统及方法 （国网北京市电力公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118841945B(45)授权公告日2025.07.11

(21)申请号202410812363.9

(22)申请日2024.06.21

(65)同一申请的已公布的文献号申请公布号CN118841945A

(43)申请公布日2024.10.25

(73)专利权人国网北京市电力公司

地址100031北京市西城区前门西大街41

号

专利权人国家电网有限公司

(72)发明人高胜强张琳卜帅羽郑永奇郑丽娜燕灏周维维

(74)专利代理机构北京中巡通大知识产权代理有限公司11703

专利代理师李宏德

(51)Int.CI.

H02J3/00(2006.01)

H02J3/38(2006.01)

GO6Q10/04(2023.01)

GO6Q50/06(2024.01)

GO6F18/2113(2023.01)

GO6F18/22(2023.01)

GO6F18/23213(2023.01)

GO6F18/2337(2023.01)

GO6N3/0442(2023.01)

GO6N3/045(2023.01)

GO6N3/0464(2023.01)

GO6F123/02(2023.01)

(56)对比文件

CN106251001A,2016.12.21CN109002915A,2018.12.14审查员方超

权利要求书6页说明书22页附图3页

(54)发明名称

收集试点电站的历史光伏出力数据和气象要素数据：运用皮尔逊系数法(PCC)分析光伏功率和气象影响因素的相关性，确定

收集试点电站的历史光伏出力数据和气象要素数据：

运用皮尔逊系数法(PCC)分析光伏功率和气象影响因素的相关性，确定

关键影响因素；

运用欧式距离和孪生神经网络的组合方法形成涵盖数值相近和形状相似的

综合评判标准，并据此作为模糊C均值聚类算法的分类标准，生成待预测曰

的历史相似日集合；

基于步骤B和步骤C确定的主要影响因素和待预测日的历史相似日选取结

果，将历史数据分为理想天气(即晴天)和非理想天气(即阴天、多云和雨天)两大类；

别构建适应性较强的目标电站光伏出力预测模型；

量化评估上述两类模型和基准模型的预测性能，选定目标电站在不同天气条件下分别对应的最适宜出力预测模型，实现光伏电站的功率准确预测。

118841945BCN(57)摘要本发明公开了光伏发电功率预测技术领域的计及相似日选取和天气类型的光伏发电量预测系统及方法，包括：获取目标电站的历史气象数据和光伏发电量数据；运用皮尔逊系数法量化评估历史气象数据和光伏发电量数据的相关性，确定光伏发电量的关键影响因素；基于光伏发电量的关键影响因素，运用欧式距离和孪生神经网络的组合方法，形成涵盖数值相近和形状相似的综合评判标准。本发明相较于传统的基于聚类算法的相似日选取方法，采用数值相近和形状相似的联合相近程度作为判定标准，有助于提高聚类的效率和精度，此外针对两个天气类型，分别构建试点电站的光伏发电量预测模型，显著提高预测模型构建的针对性和先进性。

118841945B

CN

(57)摘要

CN118841945B权利要求书1/6页

2

1.计及相似日选取和天气类型的光伏发电量预测方法，其特征在于，包括：

获取目标电站的历史气象数据和光伏发电量数据；

运用皮尔逊系数法量化评估历史气象数据和光伏发电量数据的相关性，确定光伏发电量的关键影响因素；

基于光伏发电量的关键影响因素，运用欧式距离量化评估数值相近程度，运用孪生神经网络衡量形状相似程度，计算数值相近程度和数值相近程度的综合距离，并将其作为模糊C均值聚类算法的分类标准，生成待预测日的历史相似日集合；

基于光伏发电量的关键影响因素和待预测日的历史相似日选取结果，将历史气象数据分为理想天气和非理想天气两大类，分别构建两类目标电站光伏发电量预测模型；

根据两类目标电站光伏发电量预测模型的预测结果，以平均绝对误差和均方根误差为评价指标，对比基线模型，确定目标电站在两类天气条件下的最佳光伏发电量预测模型；

基于最佳光伏发电量预测模型对目标电站进行光伏发电量预测。

2.根据权利要求1所述的计及相似日选取和天气类型的光伏发电量预测方法，其特征