(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 202210911460.4 (22)申请日 2022.07.30 (71)申请人 国网江苏省电力有限公司 地址 210000 江苏省南京市上海路215号 (72)发明人 郝雨辰　雷震　霍雪松　柴赟　 (74)专利代理 机构 苏州智品专利代理事务所 (普通合伙) 32345 专利代理师 唐学青 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于多模态融合的光伏 功率预测系统 (57)摘要 本申请公开一种基于多模态融合的光伏功 率预测系统。 其包括： 第一数据处理模块， 其反馈 的天气预报数据信息， 并通过 维度信息进行融合 得到预报数据特征； 第二数据处理模块， 其接收 预报数据特征并基于自注意力机制得到预报数 据的注意力特征； 第三数据处理模块， 其用以获 得历史气象数据， 通过维度信息进行融合， 得到 历史数据特征； 第四数据处理模块， 其接收历史 数据特征并基于自注意力机制得到历史数据的 注意力特征； 第五数据处理模块， 其通过融合预 报数据的注 意力特征与历史数据的注 意力特征， 得到融合特征， 并传输至第六数据处理模块然后 基于双向LSTM网络获取融合特征的前向特征和 后向特征， 再依据 自注意力机制， 以可靠获得预 测的光伏 功率。 权利要求书1页 说明书6页 附图2页 CN 115456235 A 2022.12.09 CN 115456235 A 1.一种基于多模态融合的光伏 功率预测系统， 其特 征在于， 包括： 第一数据处理模块， 其用以获得天气预报预测值支路反馈的天气预报数据信息， 并通 过维度信息进行融合得到预报数据特 征； 第二数据处理模块， 其接收预报数据 特征并基于自注意力 机制得到预报数据的注意力 特征； 第三数据处理模块， 其用以获得对应的光伏电站 的历史气象数据， 并通过维度信息进 行融合得到历史数据特 征； 第四数据处理模块， 其接收历史数据 特征并基于自注意力 机制得到历史数据的注意力 特征； 第五数据处理模块， 其通过融合预报数据的注意力特征与历史数据的注意力特征， 得 到融合特 征， 并传输 至第六数据处理模块， 第六数据处理模块， 基于双向LSTM网络获取融合特征的前向特征和后向特征， 再依据 自注意力机制获取最终的注意力特 征， 以获得 预测的光伏发电功率。 2.如权利要求1所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 第六数据处理模块， 依据自注意力 机制获取最终的注意力特征并经全连接层数据处理 以获得预测的光伏 功率。 3.如权利要求2所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述注意力机制包括： 基于给定一个查询向量q,通过计算与Key的注意力并附加到 value， 通过公式， 得到attention值， 式中， q表示 Query， k表示K ey， v表示Value。 4.如权利要求1所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述天气预报数据信息包括： 气温、 云量、 总辐射照度或总辐射曝辐量中至少一种。 5.如权利要求1所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述历史气象数据包 含直辐射、 散辐射、 总辐射、 风速、 风向或 温度中的至少一种。 6.如权利要求1所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述第一数据处理模块包括一一匹配天气预报数据信息的相同结构的第一卷积网络 模型， 天气预报数据信息经所述第一数据 处理模块处理得到各自特征后， 通过维度信息进 行融合， 得到整个天气预报预测值支路的预报数据特 征。 7.如权利要求6所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述第三数据处理模块包括一一匹配历史气象数据的相同结构的第 二卷积网络模型， 历史气象数据经所述第三数据处理模块处理得到各自特征后， 通过维度信息进行融合， 得 到历史数据特 征。 8.如权利要求7 所述的基于多模态融合的光伏 功率预测系统， 其特 征在于， 所述第一卷积网络模型及第二卷积网络模型均为一维卷积网络， 其分别包括： 卷积层 和激活层。权　利　要　求　书 1/1 页 2 CN 115456235 A 2一种基于多模 态融合的光 伏功率预测系统 技术领域 [0001]本申请涉及 光伏发电技术领域， 尤其涉及 一种基于多模态融合的光伏功率预测系 统。 背景技术 [0002]随着化石能源的缺乏和环境污染等问题在全球范围内的日益突出， 因此发展可再 生能源并使其利用率最大化引起了国内外专家和学者的广泛重视。 由于太阳辐照和其他环 境因素的波动性、 随机性和非线性等特点， 光伏发电系统的输出功率随时间动态地改变， 其 变化不仅会影响并接的电力系统的稳定性还会给光伏发电系统的投资者增加利益风险。 因 此对光伏 功率进行 预测显得非常重要。 [0003]近年来， 光伏发电工程规模已在我国呈现着逐渐扩大的趋势。 随着并网的光伏系 统数量的快速增长， 其对电网的威胁正在 凸现。 特别地， 在短时间内， 电力系统调度运行因 光伏发电呈现出这些不确定性和间歇性特点而引发的困扰会越来越明显。 为了解决这些问 题， 需要采用准确可靠的光伏预测技术来降低运行成本， 减小电力系统的不确定性。 而对光 电功率的准确预测， 不仅是解决光电消纳这一问题的重要手段， 也会增强光电在电力 市场 中的竞争力， 提高上网电价。 对发电企业来说， 光电功率的精准预测有助于发电企业合理安 排大型检修活动、 减少浪费， 提高经济效益。 对发电功率进 行短期或长期预测是解决该问题 的主要途径。 对于并网的新能源电站， 要求必须配备功率预测系统， 预测精度需满足一定要 求。 [0004]目前国内外已提出了多种光伏功率预测算法， 主要分为两种， 一种是统计方法， 另 一种是物理方法。 统计方法是建立在大量的历史数据基础上， 运用数理统计的思想， 包括经 典数学理论和人工智能等方法进行预测。 统计方法不需要详细的物理信息， 但是如果光伏 电站的历史数据不够完备， 会影响预测的精度。 有 人用基于马尔科夫链的直接预测法， 直接 对光伏电站的历史功率数据 统计建模， 从而预测出光伏电站出力值。 还有人对影响光伏输 出功率的多种气象因素， 如太阳辐照、 温度、 云量等进行分析， 并建立了基于BP神经网络算 法的光伏发电功 率预测的统计模型， 进而对光伏电站未来一 天24h输出功 率进行预测。 物理 预测方法则是将 太阳辐照、 温度、 风速等气象数据作为物理模 型的预测输入， 利用求解物理 方程的方式进 行光伏发电预测。 物理方法的优点是不需要 大量的光伏发电系统历史运行数 据， 但是却需要考虑光伏组件详细的地理位置信息和光电转换效率 等。 [0005]尽管研究者提出了很多光电功率预测模型， 并在实验室条件和现场试验中获得了 成功， 但目前为止， 能够实现商业化并能实现工业应用的预测系统还非常少。 仍需要对光电 电功率预测做进一 步的研究， 提高模型的精度和稳定性。 发明内容 [0006]为克服上述缺点， 本申请的目的在于提供一种基于多模态融合的光伏功率预测系 统， 以有效提高预测准确度和稳定性。说　明　书 1/6 页 3 CN 115456235 A 3