(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 202211158200.0 (22)申请日 2022.09.22 (71)申请人 广东电网有限责任公司江门供电局 地址 529000 广东省江门市蓬江区建 设二 路152号 申请人 广东电网有限责任公司 (72)发明人 陈钢　邓瑞麒　武建平　李波　 郑广勇　郭亮　晏梦璇　柳军停　 易晋　黄伟杰　郑文杰　卢伟钿　 黄定威　陈锦洪　张锦添　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 许庆胜 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06V 10/32(2022.01) G06V 10/40(2022.01) G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种光伏功率预测方法、 装置、 设备和存储 介质 (57)摘要 本申请公开了一种光伏功率预测方法、 装 置、 设备和存储介质， 获取当前的数值天气信息 以及当前之前预置时间段内的第一历史功率数 据； 采用集成经验模态分解方法对第一历史功率 数据进行分解， 得到多个平稳分量； 将当前的数 值天气信息和各平稳分量输入到预置光伏功率 预测模型进行光伏功率预测， 得到光伏功率初步 预测结果； 提取地基云图的静态特征和动态特 征； 将静态特征和动态特征输入到预置误差修正 模型中进行功率误差预测， 得到功率误差预测结 果； 通过功率误差预测结果对光伏功率初步预测 结果进行修正， 得到最终光伏功率预测结果， 改 善了现有的光伏功率预测方法存在的预测准确 性低的技 术问题。 权利要求书2页 说明书11页 附图3页 CN 115545287 A 2022.12.30 CN 115545287 A 1.一种光伏 功率预测方法， 其特 征在于， 包括： 获取当前的数值天气信息以及当前之前 预置时间段内的第一历史功率数据； 采用集成经验 模态分解方法对所述第一历史功率数据进行分解， 得到多个平稳分量； 将当前的所述数值天气信息和各所述平稳分量输入到预置光伏功率预测模型进行光 伏功率预测， 得到光伏 功率初步预测结果； 采用图像处理方法提取地基云图的静态特征， 并采用轨迹追踪方法识别所述地基云图 中云团的位置， 得到动态特 征； 将所述静态特征和所述动态特征输入到预置误差修正模型中进行功率误差预测， 得到 功率误差预测结果； 通过所述功率误差预测结果对所述光伏功率初步预测结果进行修正， 得到最终光伏功 率预测结果。 2.根据权利要求1所述的光伏功率预测方法， 其特征在于， 所述采用集成经验模态分解 方法对所述第一历史功率数据进行分解， 得到多个平稳分量， 包括： S1、 对所述第一历史功率数据进行归一 化处理； S2、 在归一 化后的第一历史功率数据中加入正太分布的白噪声， 得到新功率数据； S3、 采用经验 模态分解法对所述 新功率数据进行分解， 得到当前分解的本征模式分量； S4、 重复步骤S2和S3若干次， 每次加入新的白噪声， 得到若干 本征模式分量； S5、 对每次分解得到的本征模式分量进行集 合平均处 理， 得到多个平稳分量。 3.根据权利要求1所述的光伏功率预测方法， 其特征在于， 所述预置光伏功率预测模型 的训练过程 为： 获取历史数值天气信息和第二历史功率数据； 采用集成经验 模态分解方法对所述历史功率数据进行分解， 得到多个平稳分量； 通过所述历史数值天气信息和所述第二历史功率数据的多个平稳分量对BiLSTM网络 进行训练， 得到功率预测值； 通过所述功率预测值和对应的功率真实值更新所述BiLSTM网络的网络参数， 得到训练 好的BiLSTM网络， 将训练好的Bi LSTM网络作为预置光伏 功率预测模型。 4.根据权利要求3所述的光伏功率预测方法， 其特征在于， 所述预置误差修正模型的训 练过程为： 获取所述历史数值天气信息对应的历史地基云图； 采用图像处理方法提取所述历史地基云图的静态特征， 并采用轨迹追踪方法识别所述 历史地基云图中云团的位置， 得到动态特 征； 以所述历史地基云图的静态特征和动态特征为输入数据， 以所述历史数值天气信 息对 应的所述功率预测值和对应的功率真实值的功率误差为训练目标对LightGBM网络进行训 练， 得到预置误差修 正模型。 5.根据权利要求1所述的光伏功率预测方法， 其特征在于， 所述静态特征包括云图纹理 特征和云层厚度特 征； 所述采用图像处 理方法提取地基云图的静态特 征， 包括： 对地基云图进行 灰度化处 理， 得到灰度地基云图； 对所述灰度地基云图进行图像增强， 得到增强后地基云图； 采用局部二 值模式提取 所述增强后地基云图中的纹 理特征， 得到云图纹 理特征；权　利　要　求　书 1/2 页 2 CN 115545287 A 2将所述地基云图从RGB空间颜色模型转化到HSV空间颜色模型， 并在HSV空间颜色模型 中使用V分量确定云层厚度， 得到云层厚度特 征。 6.根据权利要求1所述的光伏功率预测方法， 其特征在于， 所述采用轨迹追踪方法识别 所述地基云图中云团的位置， 得到动态特 征， 包括： 通过二值化提取地基云图中的云团区域； 提取所述云团区域的方向梯度直方图特 征； 将所述方向梯度直方图特征输入到核相关滤波目标跟踪模型中进行目标跟踪， 得到所 述地基云图中云团的运动矢量； 根据所述运动矢量预测未来 时刻的地基云图中云团的运动矢量， 从而得到所述地基云 图的动态特 征。 7.根据权利要求6所述的光伏功率预测方法， 其特征在于， 所述提取所述云团区域的方 向梯度直方图特 征， 包括： 对所述所述云团区域进行灰度化处理， 并采用Gamma校正法对灰度后的所述云团区域 进行归一 化处理， 得到归一 化云图； 计算所述归一 化云图中每 个像素的梯度； 将所述归一 化云图划分为多个 像素单元， 并统计 每个像素单元的梯度直方图； 将多个像素单元组成一个像素块， 将各所述像素块的梯度直方图进行串联， 得到所述 云团区域的方向梯度直方图特 征。 8.一种光伏 功率预测装置， 其特 征在于， 包括： 获取单元， 用于获取当前的数值天气信 息以及当前之前预置时间段内的第 一历史功率 数据； 分解单元， 用于采用集成经验模态分解方法对所述第一历史功率数据进行分解， 得到 多个平稳分量； 光伏功率预测单元， 用于将当前的所述数值天气信 息和各所述平稳分量输入到预置光 伏功率预测模型进行光伏 功率预测， 得到光伏 功率初步预测结果； 特征提取单元， 用于采用图像处理方法提取地基云图的静态特征， 并采用轨迹追踪方 法识别所述 地基云图中云团的位置， 得到动态特 征； 功率误差预测单元， 用于将所述静态特征和所述动态特征输入到预置误差修正模型中 进行功率 误差预测， 得到功率 误差预测结果； 修正单元， 用于通过所述功率误差预测结果对所述光伏功率初步预测结果进行修正， 得到最终光伏 功率预测结果。 9.一种光伏 功率预测设备， 其特 征在于， 所述设备包括处 理器以及存 储器； 所述存储器用于存 储程序代码， 并将所述 程序代码传输给 所述处理器； 所述处理器用于根据 所述程序代码中的指令执行权利要求1 ‑7任一项所述的光伏功率 预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储程序代 码， 所述程序代码被处 理器执行时实现权利要求1 ‑7任一项所述的光伏 功率预测方法。权　利　要　求　书 2/2 页 3 CN 115545287 A 3