(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 202111396471.5 (22)申请日 2021.11.23 (71)申请人 中国华能集团清洁能源技 术研究院 有限公司 地址 102209 北京市昌平区北七家镇未来 科技城南区华能人才创新创业基地实 验楼A楼 申请人 盛东如东海上风力发电有限责任公 司　 华能国际电力江苏能源开发有限公 司　 华能国际电力江苏能源开发有限公 司清洁能源分公司 (72)发明人 王鸿策　郭小江　申旭辉　孙财新　 潘霄峰　赵瑞斌　汤海雁　秦猛　 李春华　关何格格　曹庆伟　边防　陈晓路　杭兆峰　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 赵迪 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 光伏发电量的预测方法、 装置、 电子设备和 存储介质 (57)摘要 本申请提出一种光伏发电量的预测方法、 装 置、 电子设备和存储介质， 其中， 该方法包括： 获 取预测日对应的天气数据， 并获取 天气数据与预 测日匹配的历史采样日， 以及将历史采样日的历 史光伏发电量数据输入到至少两个光伏发电量 预测模型中， 以得到各个光伏发电量预测模型对 应的光伏发电量预测数据， 并通过投票融合模型 进行多个光伏发电量预测数据进行投票融合， 以 得到预测日对应的光伏发电量预测数据。 由此， 在预测光伏发电量的过程中， 通过多个光伏发电 量预测模型对光伏发电量进行预测， 并对多个光 伏发电量预测结果进行投票融合， 以得到预测日 对应的光伏发电量预测数据， 提高了光伏发电量 预测数据的准确性。 权利要求书3页 说明书11页 附图6页 CN 114298370 A 2022.04.08 CN 114298370 A 1.一种光伏发电量的预测方法， 其特 征在于， 所述方法包括： 获取预测日以及对应的天气数据； 获取所述天气数据与所述预测日匹配的历史采样日； 获取所述历史采样日的历史光伏发电量数据； 将所述历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中， 以得到各个 所述光伏发电量预测模型对应的光伏发电量预测数据； 将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到投票融合模型 进行投票融合， 以得到所述预测日对应的光伏发电量预测数据。 2.如权利要求1所述的方法， 其特征在于， 所述将各所述所述光伏发电量预测模型对应 的光伏发电量预测数据输入到投票融合模型进 行投票融合， 以得到所述预测日对应的光伏 发电量预测数据， 包括： 通过所述投票融合模型， 对各个所述光伏发电量预测数据两两组合生成多个光伏发电 量数据对； 通过所述投票融合模型， 确定各个所述 光伏发电量数据对的相似度； 通过所述投票融合模型从多个所述光伏发电量数据对中， 选择相似度 大于相似度阈值 的目标光伏发电量预测数据对； 通过所述投票融合模型， 对所述目标光伏发电量预测数据对进行融合， 以得到所述预 测日对应的光伏发电量预测数据。 3.如权利要求1所述的方法， 其特征在于， 在所述目标光伏发电量数据对为多个的情况 下， 所述通过所述投票融合模型， 对所述目标光伏发电量预测数据对进 行融合， 以得到所述 预测日对应的光伏发电量预测数据， 包括： 通过所述投票融合模型从多个所述目标光伏发电量数据对， 选择相似度最大的目标光 伏发电量预测数据对， 并对相似度最大 的目标光伏发电量预测数据对进行融合， 以得到所 述预测日对应的光伏发电量预测数据。 4.如权利要求1所述的方法， 其特征在于， 各个所述光伏发 电量预测模型均包括输入 层、 卷积神经网络CNN层、 长短期记忆人工神经网络LSTM层、 注 意力层和输出层， 所述将所述 历史光伏发电量数据分别输入到至少两个光伏发电量预测模型中， 以得到各个所述光伏发 电量预测模型对应的光伏发电量预测数据， 包括： 针对每个光伏发电量预测模型， 将所述历史光伏发电量数据输入到所述光伏发电量预 测模型的输入层， 通过所述光伏发电量预测模 型的输入层得到所述历史光伏发电量数据对 应的输入向量； 将所述输入向量输入到所述光伏发电量预测模型的CNN层， 并对所述输入向量进行特 征提取， 以得到目标 特征向量； 将所述目标特征向量输入所述光伏发电量预测模型的LSTM层， 以得到所述目标特征向 量对应的输出向量； 将所述目标特征向量对应的输出向量输入到所述光伏发电量预测模型的注意力层中， 以得到所述输出向量对应的注意力权 重； 将所述输出向量以及对应的注意力 权重输入到所述光伏发电量预测模型的输出层， 以 得到所述 光伏发电量预测模型对应的光伏发电量预测数据。权　利　要　求　书 1/3 页 2 CN 114298370 A 25.如权利要求1所述的方法， 其特征在于， 所述获取所述天气数据与 所述预测日匹配的 历史采样日， 包括： 获取在所述预测日之前的多个第一 候选采样日； 针对各个第 一候选采样日， 确定所述预测日的天气数据与所述第 一候选采样日的天气 数据之间的相似度； 从多个第一 候选采样日中， 获取相似度大于预设相似度阈值的多个第二 候选采样日； 按照日期顺序， 对多个所述第二 候选采样日进行排序， 以得到排序结果； 从所述排序结果中选择出 日期靠近所述预测日的前M个第 二候选采样日作为所述历史 采样日， 其中， M为大于零的整数。 6.如权利要求5所述的方法， 其特征在于， 所述确定所述预测日的天气数据与 所述候选 历史采样日的天气数据之间的相似度， 包括： 确定所述预测日的天气数据与所述第一 候选采样日的天气数据之间的灰色 关联度； 确定所述预测日的天气数据与所述第一 候选采样日的天气数据之间的余弦相似度； 根据所述灰色关联度和所述余弦相似度， 确定所述预测日的天气数据与所述第 一候选 采样日的天气数据之间的相似度。 7.一种光伏发电量的预测装置， 其特 征在于， 所述装置包括： 第一获取模块， 用于获取 预测日以及对应的天气数据； 第二获取模块， 用于获取 所述天气数据与所述预测日匹配的历史采样日； 第三获取模块， 用于获取 所述历史采样日的历史光伏发电量数据； 光伏发电量预测模块， 用于将所述历史光伏发电量数据分别输入到至少两个光伏发电 量预测模型中， 以得到各个所述 光伏发电量预测模型对应的光伏发电量预测数据； 确定模块， 用于将各所述所述光伏发电量预测模型对应的光伏发电量预测数据输入到 投票融合模型进行投票融合， 以得到所述预测日对应的光伏发电量预测数据。 8.如权利要求7 所述的装置， 其特 征在于， 所述确定模块， 具体用于： 通过所述投票融合模型， 对各个所述光伏发电量预测数据两两组合生成多个光伏发电 量数据对； 通过所述投票融合模型， 确定各个所述 光伏发电量数据对的相似度； 通过所述投票融合模型从多个所述光伏发电量数据对中， 选择相似度 大于相似度阈值 的目标光伏发电量预测数据对； 通过所述投票融合模型， 对所述目标光伏发电量预测数据对进行融合， 以得到所述预 测日对应的光伏发电量预测数据。 9.如权利要求7所述的装置， 其特征在于， 在所述目标光伏发电量数据对为多个的情况 下， 所述确定模块， 具体用于： 通过所述投票融合模型从多个所述目标光伏发电量数据对， 选择相似度最大的目标光 伏发电量预测数据对， 并对相似度最大 的目标光伏发电量预测数据对进行融合， 以得到所 述预测日对应的光伏发电量预测数据。 10.一种电子设备， 其特 征在于， 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序， 其特征在于， 所 述处理器执行所述程序时实现如权利要求1 ‑6中任一所述的方法。权　利　要　求　书 2/3 页 3 CN 114298370 A 3