(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 202111576701.6 (22)申请日 2021.12.2 2 (71)申请人 宁夏中科嘉 业新能源研究院 （有限 公司） 地址 750000 宁夏回族自治区银川市金凤 区宁安大街490号银川IBI育成 中心二 期11号楼301室 (72)发明人 张林森　孙学书　田永华　姬存东　 吴亚男　李立　李维萍　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 代理人 逯长明　许伟群 (51)Int.Cl. G06N 3/00(2006.01) G06Q 10/04(2012.01)G06Q 50/06(2012.01) (54)发明名称 一种适用于光伏电站发电量预测方法 (57)摘要 本发明公开了一种适用于光伏电站发电量 预测方法， 本发 明的目的是针对光伏板的积灰率 计算问题， 提供一种复合模型的深度学习计算模 型。 首先， 将从天气数据网站 爬取到的天气预报、 PM值、 月份系数和历史发电量等信息进行综合处 理， 通过特征工程处理数据并提取出合适的BP 模 型的输入数据。 然后， 将预测数据输入神经网络， 输出清洗后电量预测值； 同时通过特征工程处理 数据并提取出合适的DBSCAN模型的输入数据。 之 后依据电站发电量的异常判断， 选择合适的模型 计算积灰率。 权利要求书2页 说明书6页 附图2页 CN 114282637 A 2022.04.05 CN 114282637 A 1.一种适用于光伏电站发电量预测方法， 其特 征在于包括如下步骤： 初始化： 首先， 我们设置最大迭代次数， 目标函数的自变量个数， 粒子的最大速度， 位置 信息为整个搜索空间， 我们在速度区间和搜索空间上随机初始化速度和 位置， 设置粒子群 规模为M， 每 个粒子随机初始化 一个飞翔速度； 更新速度和位置公式： 粒子i在第k次迭代中第d维的速度； 粒子i在第k次迭代中第d维的当前位置； 粒子i＝1,2,...,M； M表示种群大小； ω： 惯性权重； c1和c2表示学习因子， 合适的c1和c2既可加快收敛速度又不易陷入局部 最优； rand1和rand2是介于[0,1]之间的随机数； 表示粒子i在第d维的个 体极值点的位置； 表示整个粒子群在第d维的全局极值 点的位置； 终止条件： 达 到设定迭代次数； 代数之间的差值满足最小界限； x为LSTM单元的输入向量； h为单元格输出向量； f、 i、 o分别表示遗忘门、 输入门和输出 门； C表示单元状态； 下标t表示时刻； σ 、 tanh分别为sigmoid、 tanh激活函数； W和b分别表示 权重和偏差矩阵。 2.根据权利要求1所述的一种适用于光伏电站发电量预测方法， 其特征在于， 所述预测 方法还包括： 基于复合模型的光伏电站积灰率计算方法的步骤： 步骤1、 数据获取： 从天气预报网站爬取天气预报信息存到 MySQL数据库； 步骤2、 从网站爬取 逐小时的PM预报信息； 步骤3、 数据处 理： (1)对不同渠道获取的数据进行处 理： Step1： 设置粒子群参数迭代次数G＝50， 种群大小P＝50， 惯性权重w＝0.5， 学习因子c1 ＝c2＝0.5； Step2： 设置粒子编码， 如天气类型有L个， 则设置粒子编码为长度 为L的向量， 每一值表 示对应天气类型的系数； Step3： 设置目标函数， 根据天气类型以及对应的粒子编码， 即可将中文形式的天气类 型转换为数值型 的天气系 数， 通过行政地区将天气信息与日发电量数据拼接， 计算抄表电 量与天气系 数的皮尔逊相关系 数， 该相关系 数为该粒子的目标值， 因为天气系数与发电量 的相关系数越大说明粒子所表示天气类型的系数越准确； Step4： 更新粒子位置， 计算粒子的目标函数值； Step5： 算法迭代次数达 到最大次数G则终止算法， 否则返回step4； (2)月份数据处理： 月份对电站发电量的影响也不可忽视， 需要对日期进行分词处理分权　利　要　求　书 1/2 页 2 CN 114282637 A 2出月份， 同样按照上述 算法求解月份系数； (3)异常日发电量数据处理： 在电量采集的过程中存在采集到异常电量， 需要将数据进 行判断； (4)预测清洗后电量： 采用深度学习模型BP预测清洗后发电量， 预测输入为天气1、 天气 2、 最高温度、 最低温度、 月份系数、 PM12、 风力1、 风力2， 输出为清洗后发电量； 需要对每个特 征属性进行归一 化处理； 如公式所示： 式中x*表示归一化后的值， x表示当前数据值， xmin表示数据最小值， xmax表示数据最大 值； (5)DBSCAN： 采用层次聚类对过去的天气数据进行聚类， 根据不 同的天气聚出70类， 然 后对电站 清洗之后所属的天气进行归类， 分别求出每种天气类型 下的积灰率。权　利　要　求　书 2/2 页 3 CN 114282637 A 3