光伏出力的预测方法及其装置与流程

1.本发明涉及光伏技术领域，尤其涉及光伏出力的预测方法及其装置。


背景技术：

2.随着全球化石能源的日益枯竭和和环境污染问题日益严重，人们对清洁、可再生能源的需求急剧增加。这一背景下，光伏发电凭借其独特的优势得到广泛关注。然而，光伏发电会受到气象环境、组件状态等多方面的影响，使得光伏出力呈现出随机性、波动性和间断性等特点，这对电网的安全、经济和优质运行带来了严峻挑战。因此，研究有效的光伏电站出力预测方法，对光伏系统发电量进行准确预测，有助于适时调整供电计划，提高系统安全、稳定运行能力，提升光伏电站运营的经济效益。


技术实现要素：

3.有鉴于此，本发明的主要目的在于提供一种光伏出力的预测方法及其装置。
4.为达到上述目的，本发明的技术方案是这样实现的：一种用于光伏设备的光伏出力的预测方法，包括以下步骤：获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差es和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+ps*es+pcc*e
p
，其中，ps为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。
5.作为本发明实施例的一种改进，所述“得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2”具体包括：
6.得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
7.之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；
8.根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片段，其中风向变化一阶差分数值不大于90
°
；
9.将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹
配，得到最优相似片段；
10.利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为di。
11.作为本发明实施例的一种改进，所述“基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：
12.基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。
13.作为本发明实施例的一种改进，所述“基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model”具体包括：基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。
14.作为本发明实施例的一种改进，所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。
15.本发明实施例还提供了一种用于光伏设备的光伏出力的预测装置，包括以下模块：
16.信息获取模块，用于获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；
17.pvlib模型创建模块，用于创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；
18.处理模块，用于基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
19.预测模块，用于对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差es和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+ps*es+pcc*e
p
，其中，ps为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。
20.作为本发明实施例的一种改进，所述处理模块还用于：
21.得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
22.之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；
23.根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片
段，其中风向变化一阶差分数值不大于90
°
；
24.将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹配，得到最优相似片段；
25.利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为di。
26.作为本发明实施例的一种改进，所述“基于所述历史光伏出力数据和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：
27.基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。
28.作为本发明实施例的一种改进，所述创建pvlib模型还用于：基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。
29.作为本发明实施例的一种改进，所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。
30.本发明实施例所提供的光伏出力的预测方法及其装置具有以下优点：本发明实施例公开了一种光伏出力的预测方法及其装置，预测方法包括以下步骤：获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；创建pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值；得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；基于error1和error2，得到时间相依性误差es和空间相依性误差e
p
；所述目标光伏设备出力值的最终预测值＝p
model
+ps*es+pcc*e
p
。从而能够对光伏出力进行精确的预测。
附图说明
31.图1为本发明实施例提供的用于光伏设备的光伏出力的预测方法的流程示意图。
具体实施方式
32.以下将结合附图所示的实施方式对本发明进行详细描述。但该实施方式并不限制本发明，本领域的普通技术人员根据该实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
33.以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，
从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
34.本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
35.本发明实施例一提供了一种用于光伏设备的光伏出力的预测方法，如图1所示，包括以下步骤：
36.步骤101：获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；
37.该目标光伏设备上设置有光伏面板，该光伏面板可以将所接收到的太阳能转换成电能并输出。
38.该光伏设备的参数可以包括：光伏设备的经纬度、光伏阵列参数、逆变器参数、安装参数和地理信息等相关信息。其中，光伏阵列参数包含单块光伏板面积、最大电流、电压和串联单元格数量等信息，逆变器参数包含交流电压、直流电压、输出直流、交流功率等信息。安装参数包含了设备的安装倾角、方位角、安装光伏板的串联数目和并联数目以及支架类型等信息。地理信息包含了设备所在地点的经纬度、时区和海拔等信息。可以理解的是，每个参数都对应到一个确定参数值。
39.在实际可以将上述的各个参数分别整理成csv(comma-separated values，逗号分隔值格式的文件)格式表格。在发明人的实际实验中，发现有些数据(例如，历史天气数据等)是缺失的，此时发明人通过爬虫程序根据相关信息从美国sandia实验室网站爬取相应的数据进行补充。随后完整数据将被保存在设备本地存储，方便后续读取。
40.这里，过去的历史中，也曾经利用该预测方法对该目标光伏设备的出力值进行过预测，于是就有历史预测出力值，但在过去的历史中，也会实时的统计该目标光伏设备的实际出力值，于是就有了历史真实出力值，可以理解的是，对于同一个时间点而言，其历史真实出力值一般不等于历史预测出力值。
41.可选的，历史真实出力值可以为该目标光伏设备在过去一年中的历史真实出力值，历史预测出力值可以为该目标光伏设备在过去一年中的历史预测出力值，该历史天气数据可以为该目标光伏设备在过去一年中的天气数据。
42.步骤102：创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；
43.这里，pvlib模型是一个物理模型，其主要是通过仿真现实中光伏的运作来进行预
测的，其创建过程可以为：通过光伏配置参数和温度模块仿真出光伏阵列，然后加入仿真的逆变器模块，形成pvsystem模块，最后加入地理、安装参数形成modelchain，得以模拟出一个虚拟的光伏场站，再接收到天气预报信息后，由此预测出光伏出力。
44.这里，预设未来时间段是指从现在开始，到将来某个预设时间点之间的时间段。
45.步骤103：基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
46.这里，邻居光伏设备可以理解为，在地理位置上与目标光伏设备之间的距离在某个区间的光伏设备(例如，45km≤距离≤60km)。
47.这里，可以首先得到目标光伏设备在该预设历史时间段中的历史预测出力值est1，可以理解的是，也已经获取了目标光伏设备在该预设历史时间段中的历史实际出力值，于是，历史预测出力值est1与历史实际出力值之间的差值就可以认为是历史预测误差值error1。可以首先得到邻居光伏设备在该预设历史时间段中的历史预测出力值est2，可以理解的是，也已经获取了邻居光伏设备在该预设历史时间段中的历史实际出力值，于是，历史预测出力值est2与历史实际出力值之间的差值就可以认为是历史预测误差值error2。
48.步骤104：对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差es和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+ps*es+pcc*e
p
，其中，ps为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。
49.这里，pcc是可以经过相关性试验分析，例如，pcc为0.01267/km，或者0.5885/km。
50.可选的，采用pcc(pearson correlation coefficient，皮尔逊相关系数)度量天气相关性。
51.本实施例中，所述“得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2”具体包括：
52.得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
53.之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；
54.根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片段，其中风向变化一阶差分数值不大于90
°
；
55.将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹配，得到最优相似片段；
56.利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为di。
57.本实施例中，所述“基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：
58.基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。
59.这里，平均绝对误差(mae，mean absolute error)函数可以定义为：error)函数可以定义为：其中，num为数据集的样本数量，h
t
和ji分别为i时刻的各个预测任务的真实值和预测值。来评判pvlib模型是否达到最佳预测效果，即当历史预测和历史发电之间的mae最优。
60.本实施例中，所述“基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model”具体包括：
61.基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。
62.本实施例中，所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。
63.本发明实施例二提供了一种用于光伏设备的光伏出力的预测装置，包括以下模块：
64.信息获取模块，用于获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；
65.pvlib模型创建模块，用于创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；
66.处理模块，用于基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
67.预测模块，用于对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差es和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+ps*es+pcc*e
p
，其中，ps为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。
68.本实施例中，所述处理模块还用于：得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；
69.之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；
70.根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片段，其中风向变化一阶差分数值不大于90
°
；
71.将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹
配，得到最优相似片段；
72.利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为di。
73.本实施例中，所述“基于所述历史光伏出力数据和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。
74.本实施例中，所述创建pvlib模型还用于：基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。
75.本实施例中，所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。
76.应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
77.上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

技术特征：
1.一种用于光伏设备的光伏出力的预测方法，其特征在于，包括以下步骤：获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差e
s
和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+p
s
*e
s
+pcc*e
p
，其中，p
s
为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。2.根据权利要求1所述的预测方法，其特征在于，所述“得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2”具体包括：得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片段，其中风向变化一阶差分数值不大于90
°
；将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹配，得到最优相似片段；利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为d
i
。3.根据权利要求1所述的预测方法，其特征在于，所述“基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。4.根据权利要求1所述的预测方法，其特征在于，所述“基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model”具体包括：基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。
5.根据权利要求4所述的预测方法，其特征在于：所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。6.一种用于光伏设备的光伏出力的预测装置，其特征在于，包括以下模块：信息获取模块，用于获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；pvlib模型创建模块，用于创建pvlib模型，基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理；基于所述pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值p
model
；处理模块，用于基于所述目标光伏设备在预设历史时间段的天气数据data1、所述目标光伏设备的若干邻居光伏设备在预设历史时间段的天气数据data2、以及所述pvlib模型，得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；预测模块，用于对历史预测误差值error1，以及每个邻居光伏设备的历史预测误差值error2，进行空间相关性分析和天气相关性分析，得到时间相依性误差e
s
和空间相依性误差e
p
；所述目标光伏设备在预设未来时间段中的出力值的最终预测值＝p
model
+p
s
*e
s
+pcc*e
p
，其中，p
s
为斯皮尔曼相关性系数，pcc为天气数据data3的皮尔逊相关系数，data3＝data1∪data2。7.根据权利要求6所述的预测装置，其特征在于，所述处理模块还用于：得到所述目标光伏设备在预设历史时间段中的历史预测误差值error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值error2；之后，使用最小二乘滤波法，将天气数据data3过滤处理，使天气中的辐照度数据曲线平滑化；根据风向变化值将所述目标光伏设备的预设未来时间段的辐照度划分为若干片段，其中风向变化一阶差分数值不大于90
°
；将划分后的天气辐照度片段与每个邻居光伏设备的天气辐照度进行相似片段匹配，得到最优相似片段；利用最优相似片段所对应邻居光伏设备的的预测误差来修正目标光伏设备的未来预测出力值p
model
；其中，n为天气数据data3长度，对天气数据data3进行升排序以及降排序得到的两个新数据集，然后对两个新数据集的相应位置元素相减得到一个排行差分集合d中的第i个元素即为d
i
。8.根据权利要求6所述的预测装置，其特征在于，所述“基于所述历史光伏出力数据和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行优化处理”具体包括：基于所述历史真实出力值、历史预测出力值和历史天气数据，对所述pvlib模型中的温度模块和光伏蒙尘模块进行调参处理，使得pvlib模型对应的平均绝对误差值越小。9.根据权利要求6所述的预测装置，其特征在于，所述创建pvlib模型还用于：基于目标光伏设备的若干参数值、在预设未来时间段的天气预报数据和所述pvlib模型，得到所述目标光伏设备的预设未来时间段中的未来预测出力值p
model
。10.根据权利要求9所述的预测装置，其特征在于：
所述预设未来时间段为未来24小时，所述预设历史时间段为过去24小时。

技术总结
本发明公开了一种光伏出力的预测方法及其装置，预测方法包括以下步骤：获取目标光伏设备的若干参数值，获取所述目标光伏设备的历史真实出力值、历史预测出力值和历史天气数据；创建pvlib模型，得到所述目标光伏设备在预设未来时间段中的未来预测出力值；得到所述目标光伏设备在预设历史时间段中的历史预测误差值Error1，每个邻居光伏设备在预设历史时间段的的历史预测误差值Error2；基于Error1和Error2，得到时间相依性误差E


技术研发人员：丁昊 杨凡伊
受保护的技术使用者：安徽固太新能源有限公司
技术研发日：2023.05.30
技术公布日：2023/8/31