(19)中华 人民共和国 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 202111447540.0 (22)申请日 2021.11.30 (71)申请人 华能清能通 榆电力有限公司 地址 137000 吉林省白城市通 榆县新发街 广白路(经济开发区办公楼10 3房间) 申请人 中国华能集团清洁能源技 术研究院 有限公司 　 华能陇东能源 有限责任公司 (72)发明人 万月　吕贝　张明杰　王献文　 孟欣　梁勇　易立坤　王学平　 鲁谟尔　赵广赫　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 张珊珊(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/00(2006.01) G06K 9/62(2022.01) (54)发明名称 一种光伏发电量预测方法和装置 (57)摘要 本申请提供了一种光伏发电量预测方法和 装置， 其中， 方法包括： 获取多个目标采集时刻下 的气象数据和天气类型， 根据多个目标采集时刻 下的天气类型， 对多个目标采集时刻下的气象数 据进行天气聚类， 得到聚类后数据， 将聚类后数 据输入至预先训练好的基于蚁群算法优化的光 伏发电量预测模 型， 以获得聚类后数据对应的预 测光伏发电量。 本申请基于聚类后数据以及基于 蚁群算法优化的光伏发电量预测模型进行光伏 发电量预测， 提高了光伏发电量的预测精度， 并 且， 本申请的模型输入较为简单。 权利要求书3页 说明书14页 附图4页 CN 114118596 A 2022.03.01 CN 114118596 A 1.一种光伏发电量预测方法， 其特 征在于， 包括： 获取多个目标采集时刻下的气象数据和天气类型， 其中， 一目标采集时刻下的气象数 据是指针对目标气象因子采集的该目标采集时刻下的气象数据， 所述目标气象因子为预设 气象因子中与光伏发电量的相关度最高的一个或多个气象因子； 根据所述多个目标采集 时刻下的天气类型， 对所述多个目标采集 时刻下的气象数据进 行天气聚类， 得到聚类后数据； 将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模型， 以 获得所述聚类后数据对应的预测光伏发电量， 其中， 所述基于蚁群算法优化的光伏发电量 预测模型为以历史 聚类后数据为训练样本， 以标注的所述历史 聚类后数据对应的历史光伏 发电量为样本标签训练得到 。 2.根据权利要求1所述的光伏发电量预测方法， 其特征在于， 所述根据 所述多个目标采 集时刻下 的天气类型， 对所述多个目标采集时刻下 的气象数据进行天气聚类， 得到聚类后 数据， 包括： 根据预设天气聚类信 息， 确定所述多个目标采集 时刻下的天气类型分别对应的天气类 别， 作为目标天气类别， 其中， 所述预设天气聚类信息通过层次聚类算法将全部天气类型聚 类为多个天气类别得到； 将所述多个目标采集 时刻下的气象数据按照所述目标天气类别进行天气聚类， 得到所 述目标天气类别下的聚类后数据。 3.根据权利要求2所述的光伏发电量预测方法， 其特征在于， 所述基于蚁群算法优化的 光伏发电量预测模型和所述预设天气聚类信息中的天气类别一 一对应； 所述将所述聚类后数据输入至预先训练好的基于蚁群算法优化的光伏发电量预测模 型， 包括： 将所述目标天气类别下的聚类后数据分别输入至所述目标天气类别对应的基于蚁群 算法优化的光伏发电量预测模型， 以得到所述目标天气 类别下的聚类后数据分别对应的预 测光伏发电量。 4.根据权利要求1～3任一项所述的光伏发电量预测方法， 其特征在于， 所述基于蚁群 算法优化的光伏发电量预测模型的构建方法包括： 获取样本数据， 其中， 所述样本数据包括多个历史采集 时刻下的历史气象数据、 历史天 气类型和历史发电量数据， 一历史采集时刻下的历史气象数据是指 针对所述目标气象因子 采集的该历史采集时刻下的历史气象数据； 采用基于余弦系数的聚类方法将所述样本数据中的异常数据筛除， 得到筛除异常数据 后的样本数据； 根据所述筛除异常数据后的样本数据中的所述历史天气类型， 对所述筛除异常数据后 的样本数据进行天气聚类， 得到聚类后样本数据； 将所述聚类后样本数据中的所述历史气象数据作为基于蚁群算法优化的BP神经网络 的训练输入， 将所述聚类后 样本数据中的所述历史发电量数据作为基于蚁群算法优化的BP 神经网络的训练输出， 训练得到所述基于蚁群算法优化的光伏发电量预测模型。 5.根据权利要求4所述的光伏发电量预测方法， 其特征在于， 所述目标气象因子的确定 方法包括：权　利　要　求　书 1/3 页 2 CN 114118596 A 2获取针对所述预设气象因子中的各气象因子分别采集的气象数据， 其中， 针对所述预 设气象因子中的一气象因子采集的气象数据为针对该气象因子采集的多个预设采集时刻 下的气象数据； 获取所述多个预设采集时刻下的历史发电量数据； 对于所述预设气象因子 中的每个气象因子， 计算针对该气象因子采集的气象数据与 所 述多个预设采集时刻下 的历史发电量数据的关联度， 作为该气象因子对应的关联度， 以得 到所述预设气象因子中的各气象因子分别对应的关联度， 其中， 一气象因子对应的关联度 表征该气象因子与所述 光伏发电量的相关度； 对所述预设气象因子中的各气象因子分别对应的关联度进行排序， 以基于排序 结果确 定所述目标气象因子 。 6.一种光伏发电量预测装置， 其特征在于， 包括： 信息获取模块、 气象数据聚类模块和 模型应用模块； 所述信息获取模块， 用于获取多个目标采集 时刻下的气象数据和天气类型， 其中， 一目 标采集时刻下的气象数据是指 针对目标气象因子采集的该目标采集时刻下的气象数据， 所 述目标气象因子为预设气象因子中与光伏发电量的相关度最高的一个或多个气象因子； 所述气象数据聚类模块， 用于根据所述多个目标采集时刻下的天气类型， 对所述多个 目标采集时刻下的气象数据进行天气聚类， 得到聚类后数据； 所述模型应用模块， 用于将所述聚类后数据输入至预先训练好的基于蚁群算法优化的 光伏发电量预测模型， 以获得所述聚类后数据对应的预测光伏发电量， 其中， 所述基于蚁群 算法优化的光伏发电量预测模型为以历史 聚类后数据为训练样本， 以标注的所述历史 聚类 后数据对应的历史光伏发电量 为样本标签训练得到 。 7.根据权利要求6所述的光伏发电量预测装置， 其特征在于， 所述气象数据聚类模块， 包括： 目标天气类别确定 子模块和气象数据聚类子模块； 所述目标天气类别确定子模块， 用于根据预设天气聚类信息， 确定所述多个目标采集 时刻下的天气类型分别对应的天气 类别， 作为目标天气类别， 其中， 所述预设天气聚类信息 通过层次聚类算法将全部天气类型聚类为多个天气类别得到； 所述气象数据聚类子模块， 用于将所述多个目标采集 时刻下的气象数据按照所述目标 天气类别进行天气聚类， 得到所述目标天气类别下的聚类后数据。 8.根据权利要求7所述的光伏发电量预测装置， 其特征在于， 所述基于蚁群算法优化的 光伏发电量预测模型和所述预设天气聚类信息中的天气类别一 一对应； 所述模型应用模块， 具体用于将所述目标天气类别下的聚类后数据分别输入至所述目 标天气类别对应的基于蚁群算法优化的光伏发电量预测模型， 以得到所述目标天气 类别下 的聚类后数据分别对应的预测光伏发电量。 9.根据权利要求6～8任一项所述的光伏发电量预测装置， 其特征在于， 模型应用模块 构建所述基于蚁群算法优化的光伏发电量预测模型 的过程包括： 样本数据获取子模块、 异 常数据筛除子模块、 样本数据聚类子模块和模型训练子模块； 所述样本数据获取子模块， 用于获取样本数据， 其中， 所述样本数据包括多个历史采集 时刻下的历史气象数据、 历史天气类型和历史发电量数据， 一历史采集时刻下 的历史气象 数据是指针对所述目标气象因子采集的该历史采集时刻下的历史气象数据；权　利　要　求　书 2/3 页 3 CN 114118596 A 3