(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 202211066788.7 (22)申请日 2022.09.01 (71)申请人 安徽固太新能源 有限公司 地址 242299 安徽省宣城市广德经济开发 区太极大道790号 (72)发明人 洪星　汪宁宁　杨帆　朱冲　 洪佳音　陈超　何辉　 (74)专利代理 机构 苏州威世朋知识产权代理事 务所(普通 合伙) 32235 专利代理师 陈如建 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 光伏发电量的预测方法、 装置、 电子设备及 存储介质 (57)摘要 本发明提供一种光伏发电量的预测方法、 装 置、 电子设备及存储介质， 该预测方法包括以下 步骤： 获取多个历史日期与目标日期之间的天气 相似度因子、 日期差距因子和星期差距因子， 之 后， 基于三个因子计算历史日期与目标日期之间 的相似性， 获取最相似的多个历史日期， 多个历 史日期的光伏发电量的平均值即为目标日期的 光伏发电量的预测值。 综上所述， 该预测方法能 够精确的预测光伏电站的发电量。 权利要求书3页 说明书6页 附图1页 CN 115249093 A 2022.10.28 CN 115249093 A 1.一种光伏发电量的预测方法， 其特 征在于， 包括以下步骤： 获取N个历史日期datei与目标日期dest之间的天气相似度因子ζi， 获取N个历史日期 datei与目标日期dest之间的日期差距因子δi， 获取N个历史日期datei与目标日期dest之间 的星期差距因子γi， 所述天气相似度因子ζi包含有M个时间点Time1、 Time2、 ...、 TimeM对应 的因子ζi(1)、 ζi(2)、 ...、 ζi(M)， 其中， N、 M和i是正整数， 且i ＝1， 2， ...， N； 生成矩阵 其中， j是正整 数， j＝1， 2， ...， M+2； 矩阵Y的第1行、 第2行、 ...、 第M行的指标分别为Time1、 Time2、 ...、 TimeM， 矩阵Y的第M+1行的指标为日期差距因子， 矩阵Y的第M+1行的指标为星期差距因子； 对矩阵Y进行归一化处理， 历 史日期datei与目标日期dest相似性 Cj＝Sj×Rj， rij为矩阵Y第i行的指标和第j行的指标之间的相关系数； 以从大到小的次序、 从相似性F1、 F2、 ...、 FM中选择Num个最大的相似性， 获取Num个相似 性一一对应的Num个历史日期， 所述Num个历史日期一一对应的光伏发电量的平均值即为目 标日期dest的光伏发电量的预测值。 2.根据权利要 求1所述的预测方法， 其特征在于， 所述 “获取N个历史日期datei与目标日 期dest之间的天气相似度因子ζi”具体包括： 获取历史日期datei在时间点Time1、 Time2、 ...、 TimeM一一对应的天气类型数据xi(1)、 xi(2)、 ...、 xi(M)； 获取目标日期dest在时间点Time1、 Time2、 ...、 TimeM一一对应的天气类型 数据x0(1)、 x0(2)、 ...、 x0(M)； 其中， 天气类型数据均为自然数， 且不同的天气类型对应的不 同的自然数； 每个天气相似度因子ζi包含有M个时间点Timek对应的因子 其中， k是正整数， 0 <ρ <1， k＝1,2， ...， M。 3.根据权利要 求1所述的预测方法， 其特征在于， 所述 “获取N个历史日期datei与目标日 期dest之间的日期差距因子 δi”具体包括： 每个历史日期datei与目标日期dest之间的日期差距因子 其中， mod是取余函数， int是取整函数， 1<β1, β2, β3<1， N1,N2和N3是常数， Δi为历史日期datei与目标日期dest之间的相隔天数， 当历 史日期datei与目标日期dest均是重大节日时， Pi＝1， 否则， Pi＝0。 4.根据权利要 求1所述的预测方法， 其特征在于， 所述 “获取N个历史日期datei与目标日 期dest之间的星期差距因子γi”具体包括： 每个历史日期datei与目标日期dest之间的星期差距因子γi＝1‑|wi‑w0|， 其中， 星期类 型星期一， 星期二， 星期三， 星期四， 星期五， 星期六和星期日分别对应到一个实数， wi为历 史日期datei所处的星期类型对应的实数， w0为目标日期dest所处的星期类型对应的实数。权　利　要　求　书 1/3 页 2 CN 115249093 A 25.根据权利要求 4所述的预测方法， 其特 征在于： 星期一对应到0.1， 星期二至星期四对应到0.2， 星期五对应到0.3， 周六对应到0.7， 星 期日对应到1。 6.根据权利要求1所述的预测方法， 其特征在于， 所述 “对矩阵Y进行归一化处理 ”具体 包括： 生成矩阵 其中， 之 后， 对于矩阵Y中的每 个yi,j＝y′i,j。 7.根据权利要求1所述的预测方法， 其特征在于， 所述 “对矩阵Y进行归一化处理 ”具体 包括： 生成矩阵 其中， 之 后， 对于矩阵Y中的每 个yi,j＝y′i,j。 8.一种光伏发电量的预测装置， 其特 征在于， 包括以下模块： 信息获取模块， 用于获取N个历史 日期datei与目标日期dest之间的天气相似度因子ζi， 获取N个历 史日期datei与目标日期dest之间的日期差距因子δi， 获取N个历 史日期datei与 目标日期dest之间的星期差距因子γi， 所述天气相似度因子ζi包含有M个时间点Time1、 Time2、 ...、 TimeM对应的因子ζi(1)、 ζi(2)、 ...、 ζi(M)， 其中， N、 M和i是正整数， 且i＝1， 2， ...， N； 矩阵生成模块， 用于生成矩阵 其中， j 是正整数， j＝1， 2， ...， M+2； 矩阵Y的第1行、 第2行、 ...、 第M行的指标分别为Time1、 Time2、 ...、 TimeM， 矩阵Y的第 M+1行的指标为日期差距因子， 矩阵Y的第 M+1行的指标为星期 差距因子； 矩阵处理模块， 用于对矩阵Y进行归一化处理， 历史日期datei与目标日期dest相似性 Cj＝Sj×Rj， rij为矩阵Y第i行的指标和第j行的指标之间的相关系 数； 预测模块， 用于以从大到小的次序、 从相似性F1、 F2、 ...、 FM中选择Num个最大的相似性， 获取Num个相似性一一对应的Num个历史日期， 所述Num个历史日期一一对应的光伏发电量 的平均值即为目标日期dest的光伏发电量的预测值。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储可执行指令； 处理器， 用于执行所述存储器中存储的可执行指令时， 实现权利要求1至7任一项所述权　利　要　求　书 2/3 页 3 CN 115249093 A 3