CN119419803A 一种基于视觉识别的复合光伏发电预测方法 （南京宝能智慧能源有限公司）

一种基于视觉识别的复合光伏发电预测方法2构建光伏发电预测模型，通过所述历史发电数据采集光伏场站预测日之前光伏板的环境数据，进行关键特征提基于所述第一预测数据以及影响因子数据，构建复合预测模型，得到获取过去一至三年的历史发电数据，所述历史发电数据包括对所述设备数据、天气预报数据以及历史发电数据进将所述历史发电数据按照时间周期类型以及天气类型，分别划分为不4.如权利要求1或3所述的基于视觉识别的复合光伏发电预测方在光伏板周围设置多个摄像点，定时采集光伏场站光伏板周围根据预测日的天气类型，判断距离预测日最近且天气类型相同的一天作为第一参照将所述预测日的前一天作为第二参照日，提取所述第二参照日的所述天空日照光线数据表示天空光照度，采集各时段所述第一参照3所述光伏板日照光线数据表示光伏板光线度，采集各时段所述第一参照所述光伏板大雪数据表示光伏板大雪覆盖度，采集所述第二参照日所述光伏板脏污数据表示光伏板脏污度，采集所述第二参照日最将所述第一参照日的各时段区域内天空光照度，与所述第一参照将所述第一参照日各时段区域内光伏板光线度与各时段区域内天空光照度进行比较，所述第一修正因子、第二修正因子、第一影响因子以及第二影响基于所述第一预测数据以及影响因子数据，构建复合预测;表示第一修正因子，pv表示第二修8.一种基于视觉识别的复合光伏发电预测系统，用于如权利要求1_7任意所述的基于构建模块，用于构建光伏发电预测模型，通过所述历4所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指执行指令被处理器执行时实现权利要求1至7任意一项所述基于视觉识别的复合光伏发电5[0002]由于光伏发电可以将太阳能直接转化为电力，正在世界上得到了越来越多的应[0004]本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施构建光伏发电预测模型，通过所述历史发电数据对光伏发电预测模型进行训练，[0007]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其6获取过去一至三年的历史发电数据，所述历史发电数据包括场站的实际天气数[0008]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其将所述历史发电数据按照时间周期类型以及天气类型，分别划分为不同的训练[0009]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其[0010]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其[0011]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其7将所述第一参照日各时段区域内光伏板光线度与各时段区域内天空光照度进行[0012]作为本发明所述的基于视觉识别的复合光伏发电预测方法的一种优选方案，其;表示第一修正因子，pv表示第该计算机可执行指令被处理器执行时实现所述基于视觉识别的复合光伏发电预测方法的8[0018]图1为本发明一个实施例所述的基于视觉识别的复合光伏发电预测方法的整体流9[0031]光伏发电预测模型的模型框架包括，LSTM层可以堆叠多层，每层后可以添加[0032]应说明的是，通过LSTM构建光伏发电预测模型，充分考光伏板脏污数据表示光伏板脏污度，采集第二参照日最新的第三光伏板图像数;其中雪覆盖区域为白色（值为1其他区域为黑色（值为0统计二值图像中白色像除以光伏板总面积的像素数量计算光伏板雪;;[0043]将第一参照日各时段区域内光伏板光线度与各时段区域;M表示样本数量，vr表示第一参照日各时段区域内的天空光照度，vaj;;;;;其中，pa表示最近一段时间内的实际发电量，[0050]本发明对光伏电站的历史发电数据进行时间序列分析，使用机器学习算法（如[0051]本发明通过获取多源数据为模型提供了全面的数据基础[0054]本实施例还提供一种电子设备，适用于基于视觉识别的复合光伏发电预测的情[0056]本实