一种光伏超短期预报方法、装置、电子设备和存储介质与流程

1.本发明涉及新能源发电技术领域，具体涉及一种光伏超短期预报方法、装置、电子设备和存储介质。


背景技术：

2.随着全国新能源装机规模日益增加，新能源发电的间歇性、随机性、波动性对电网稳定性的冲击愈发明显，各省份电力调度对功率预测准确率的要求日趋严格；在光伏发电系统中，系统输出功率很大程度上取决于太阳能电池板所能接收到的太阳辐照量，而太阳辐射量与光伏站所在区域的云量相关，因此，有必要对光伏站所在区域的云团整体特征、移动轨迹的云团遮挡进行预测。
3.然而，现有的针对光伏站所在区域的云量的预测通常单独使用地基云图或者单独使用卫星云图进行云图识别；上述预测方法，地基云图具有更高的时间分辨率，通常在较短的时间间隔内就会更新一次图像，这使得地基云图能够较好的识别云团底部特征，能够捕捉到云体的快速变化和演变；但是，由于地基云图的地理位置的局限性，针对云团移动轨迹预测精度较低；卫星云图可以提供更广泛的地理覆盖范围，包括陆地和海洋，这使得能够在更大范围内进行云体移动预测，并观测到不同区域的云体演变；但是，由于卫星云图时空分辨率的局限性云团，云团遮挡预测较差；因此，单独采用地基云图或卫星云图进行云图识别的方案，不能同时兼顾针对云团移动轨迹的高预测精度和针对云团遮挡的高精度预测。
4.因此，目前亟需提出一种光伏超短期预报方法、装置、电子设备和存储介质，以解决相关技术中存在的单独采用地基云图或卫星云图进行云图识别的方案不能同时兼顾针对云团移动轨迹的高预测精度和针对云团遮挡的高精度预测的技术问题。


技术实现要素：

5.本技术实施例提供一种光伏超短期预报方法、装置、电子设备和存储介质，以解决相关技术中存在的单独采用地基云图或卫星云图进行云图识别的方案不能同时兼顾针对云团移动轨迹的高预测精度和针对云团遮挡的高精度预测的技术问题。
6.根据本技术的第一方面，提供一种光伏超短期预报方法，所述光伏超短期预报方法包括：获取地基云图数据和卫星云图数据；将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
7.可选地，所述光伏超短期预报方法还包括：将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第二遮挡预测结果和遮挡预测
准确度；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第二移动预测结果和移动预测准确度；基于所述第二移动预测结果和所述移动预测准确度对所述第一移动预测结果进行融合；基于所述第二遮挡预测结果和所述遮挡预测准确度对所述第一遮挡预测结果进行融合。
8.可选地，所述方法还包括：所述移动预测准确度与所述第二移动预测结果的融合权重呈正相关；所述遮挡预测准确度与所述第二遮挡预测结果的融合权重呈正相关。
9.可选地，所述光伏超短期预报模型包括云图辐照度订正模块和光伏超短期预报模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云图辐照度订正模块，分别得到地基云图特征订正后辐照度和卫星云图特征订正后辐照度；基于所述地基云图特征订正后辐照度和卫星云图特征订正后辐照度与实际辐照度的偏差进行加权融合，得到辐射预报结果；将所述地基云图特征订正后辐照度和所述卫星云图特征订正后辐照度输入至所述光伏超短期预报模块，得到光伏超短期预报结果；其中，所述光伏超短期预报模块包括多种光伏超短期预报子模块。
10.可选地，所述光伏超短期预报模型包括云阴影分析模块、云动态光强模块和辐射预报模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：基于所述云阴影分析模块计算太阳在预设时长内的辐射预报地点的高度角变化信息和方位角变化信息；将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云阴影分析模块，基于所述高度角变化信息和方位角变化信息计算云阴影的移动轨迹信息和移动时长信息；将所述移动轨迹信息和移动时长信息输入至云动态光强模块中，基于所述云动态光强模块计算云团阴影对地面光强的遮挡影响信息；基于所述遮挡影响信息，采用预先训练好的云团辐射预报模型得到辐射预报结果。
11.可选地，所述地基云图预报模型包括地基云图特征提取模块，地基云图运动趋势确定模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果包括：将所述地基云图数据输入至预先训练好的地基云图预报模型中，基于所述地基云图特征提取模块提取地基云图运动特征和地基云图形态特征；其中，所述地基云图运动特征包括云体的位置、速度、方向，所述地基云图形态特征包括云体的形状、大小；基于所述地基云图运动趋势确定模块、所述地基云图运动特征和所述地基云图形态特征进行预测，得到未来预设时长内的基于地基云图的地基云图运动趋势。
12.可选地，所述卫星云图预报模型包括卫星云图特征提取模块，卫星云图分类模块和卫星云图移动预测模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型进行预测，得到基于地基云图的第一遮挡预测结果包括：将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，基于所述卫星云图特征提取模块提取卫星云图特征，其中，所述卫星云图特征包括与云体的大小、形状、纹理；基于所述卫星云图特征和所述卫星云图分类模块进行云体分类，得到分类结果；基于所述分类结果和所述卫星云图移动预测模块进行卫星云图预测，得到未来预设时长内的基于卫星云图的卫星云图运动趋势。
13.根据本技术的第二方面，提供一种光伏超短期预报装置，所述光伏超短期预报装置包括：数据获取模块，用于获取地基云图数据和卫星云图数据；地基云图预报模块，用于
将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；卫星云图预报模块，将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；移动预测结果计算模块，用于将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；遮挡预测结果计算模块，用于将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；光伏超短期预报模块，用于将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
14.根据本技术的第三方面，提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一项所述的光伏超短期预报方法。
15.根据本技术的第四方面，提供一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如上述任意一项所述的光伏超短期预报方法。
16.本技术实施例提供一种光伏超短期预报方法，所述光伏超短期预报方法包括：获取地基云图数据和卫星云图数据；将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果；本技术的上述技术方案，在进行光伏超短期辐射预报时，一方面，针对云图遮挡预测对进行光伏超短期预报的影响，将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，以考虑地基云图精度较高的遮挡预测；另一方面，针对云图移动预测对进行光伏超短期预报的影响，同时将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，以考虑卫星云图精度较高的移动预测，以解决相关技术中存在的单独采用地基云图或卫星云图进行云图识别的方案不能同时兼顾针对云团移动轨迹的高预测精度和针对云团遮挡的高精度预测的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1为本技术实施例的一种可选的光伏超短期预报方法的流程示意图；图2是根据本技术实施例的一种光伏超短期预报装置的示意图；图3是根据本技术实施例的一种可选的电子设备的结构框图。
具体实施方式
18.为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发
明的具体实施方式，在各图中相同的标号表示结构相同或结构相似但功能相同的部件。
19.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
20.在以下的描述中，将描述本发明的多个不同的方面，然而对于本领域内的普通技术人员而言，可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言，阐述了特定的数目、配置和顺序，但是很明显，在没有这些特定细节的情况下也可以实施本发明。在其他情况下，为了不混淆本发明，对于一些众所周知的特征将不再进行详细阐述。
21.根据本技术的一个方面，提供一种光伏超短期预报方法，图1为本技术实施例的一种可选的光伏超短期预报方法的流程示意图，如图1所示，所述光伏超短期预报方法包括：s100.获取地基云图数据和卫星云图数据。
22.示例性的，所述地基云图数据可以由例如全天空成像仪的地基设备采集；例如，作为示例性的实施例，可以通过所述地基设备以预设时间间隔所述采集地基云图作为所述地基云图数据；其中，所述预设时间间隔可以为5min、10min、15min等；所述卫星云图数据可以由气象网站下载；例如，所述卫星云图数据可以为由中国气象局下载的风云系列气象卫星的观测数据。
23.s200将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果。
24.示例性的，所述地基云图预报模型由历史地基云图数据和历史气象数据训练得到，用于通过输入的地基云图数据预测得到地基云图预报结果；其中，所述地基云图预报结果包括选定固定代表速度下的云团的形状、速度、方向，或选定自适应选择的代表速度下的云团的形状、速度、方向。
25.具体的，在模型训练的过程中，基于所述地基云图预报模型学习所述地基云图数据以及数据的变化趋势与云团的云量、云高、云厚等云团参数的对应关系，进一步的学习所述云团参数与温度、气压、湿度、风速等气象参数的对应关系。示例性的，所述基于所述地基云图预报模型学习所述地基云图数据与云团的云量的对应关系可以通过调整图像轮廓、图像滤波边缘检测中的参数实现；具体的，作为一种可能的实现方式，在训练过程中，将云图转换为灰度图像，然后不断调整检测阈值，直至在某一检测阈值下能够将图像分为云和非云两部分，云的轮廓就是两部分的边界。作为另一种可能的实现方式，还可以采用canny算法检测云图的边缘，不断调整用canny算法的算法参数，直至可以得到图像的轮廓；作为另一种可能的实现方式，还可以采用sobel算子对图像进行边缘检测，识别云量。
26.示例性的，在训练过程中，采用相邻的两幅云图进行匹配，找到相同的云快，确定两者之间的对应关系；利用匹配结果，使用像素匹配法或基于小波变换法或基于相位相关法计算相邻两幅云图中云块的移动速度；其中，所述位移包括水平方向子移动速度和垂直方向子移动速度；最后根据位移场微分等方法根据云块的位移，计算得到云块的速度矢量。
27.在训练过程中，作为一种可能的实现方式，针对地基云图的识别，可以选择固定的速度范围分析，示例性的，可以选择水平速度在10~20米/秒之间的云体进行研究，还可以为水平速度选择方式。作为另一种可能的实现方式，还可以进行自适应速度选择：在本实施方
式中，根据云体的运动特征自适应选择，根据云体的平均速度和速度分布情况，自适应选择速度范围。
28.s300.将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果。
29.在本实施例中，所述卫星云图预报模型可以为预先训练好的深度学习预测模型；所述卫星云图预报模型由历史卫星云图数据训练得到，用于通过输入的当前时刻卫星云图数据预测得到卫星云图预报结果；其中，所述卫星云图预报结果包括选定云团的大小、形状、纹理等云团物理参数和云团的高云、低云、卷云、积云等云团分类参数。
30.在模型训练的过程中，基于所述卫星云图预报模型学习所述卫星云图数据与云团的大小、形状、纹理等云团参数的对应关系，并且基于所述卫星云图预报模型学习所述卫星云图数据与云团的高云、低云、卷云、积云等云团分类参数的对应关系。
31.s400.将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果。
32.光伏站所在区域的云量的预测通常单独使用地基云图或者单独使用卫星云图进行云图识别；针对上述预测方法，卫星云图可以提供更广泛的地理覆盖范围，包括陆地和海洋，这使得能够在更大范围内进行云体移动预测，并观测到不同区域的云体演变；但是，由于卫星云图时空分辨率的局限性云团，云团遮挡预测较差；基于此，在本技术中，针对云图移动预测对进行光伏超短期预报的影响，考虑卫星云图预报结果进行移动预测；基于此，将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果。
33.s500.将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；地基云图具有更高的时间分辨率，通常在较短的时间间隔内就会更新一次图像，这使得地基云图能够较好的识别云团底部特征，能够捕捉到云体的快速变化和演变；基于此，针对云图遮挡预测对进行光伏超短期预报的影响，考虑地基云图预报结果进行移动预测；基于此，将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果。
34.s600.将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
35.在本实施例中，所述光伏超短期预报模型可以为多个算法模块的结合，具体的，所述光伏超短期预报模型可以包括云图辐照度订正模块和超短期预报模块；所述云图辐照度订正模块用于基于第一移动预测结果对地基云图辐照度进行订正，得到地基云图特征订正后辐照度，和基于第一遮挡预测结果对卫星云图辐照度进行订正，得到基于卫星云图订正后的辐照度。所述超短期辐射预报模块包括多种光伏超短期预报子模块，用于根据所述地基云图特征订正后辐照度和所述基于卫星云图订正后的辐照度采用所述多种光伏超短期预报子模块进行光伏超短期预测，得到光伏超短期预测结果。
36.作为示例性的实施例，所述云图辐照度订正模块可以包括云阴影分析模块、云动态光强模块和辐射预报模块，以基于第一移动预测结果和第一遮挡预测结果依次通过云阴影分析模块、云动态光强模块得到地基云图特征订正后辐照度和基于卫星云图订正后的辐
照度。
37.示例性的，所述算法选择单元用于基于输入数据中的地基云图特征订正后的辐照度和卫星云图特征订正后的辐照度各自的准确度进行算法选择。
38.基于此，将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果；示例性的，所述光伏超短期预报结果包括光伏输出功率预测值。
39.通过本技术的上述技术方案，在进行光伏超短期辐射预报时，一方面，针对云图遮挡预测对进行光伏超短期预报的影响，将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，以考虑地基云图精度较高的遮挡预测；另一方面，针对云图移动预测对进行光伏超短期预报的影响，同时将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，以考虑卫星云图精度较高的移动预测，以解决相关技术中存在的单独采用地基云图或卫星云图进行云图识别的方案不能同时兼顾针对云团移动轨迹的高预测精度和针对云团遮挡的高精度预测的技术问题。
40.虽然卫星云图对于云体遮挡的预测方面精度较低、地基云图对于云体移动的预测方面精度较低，但卫星云图数据对于云体遮挡方面的预测仍有影响，且地基云图数据对于云体移动方面的预测仍有影响；为了在进行遮挡预测时考虑为卫星云图对云体遮挡的影响且同时在进行移动预测时考虑地基云图对云体移动的影响，作为示例性的实施例，所述光伏超短期预报方法还包括：将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第二遮挡预测结果和遮挡预测准确度；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第二移动预测结果和移动预测准确度；基于所述第二移动预测结果和所述移动预测准确度对所述第一移动预测结果进行融合；基于所述第二遮挡预测结果和所述遮挡预测准确度对所述第一遮挡预测结果进行融合。
41.在本实施例中，可以基于所述第二移动预测结果和所述移动预测准确度对所述第一移动预测结果进行加权融合，可以基于所述第二遮挡预测结果和所述遮挡预测准确度对所述第二遮挡预测结果进行加权融合，也可以采用其他可选的例如均方根误差、平均绝对误差分析方法进行融合。
42.作为示例性的实施例，所述方法还包括：所述移动预测准确度与所述第二移动预测结果的融合权重呈正相关；所述遮挡预测准确度与所述第二遮挡预测结果的融合权重呈正相关。
43.作为示例性的实施例，所述光伏超短期预报模型包括云图辐照度订正模块和光伏超短期预报模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云图辐照度订正模块，分别得到基于地基云图特征订正后的辐照度和卫星云图特征订正后的辐照度；将所述地基云图特征订正后辐照度和所述卫星云图特征订正后辐照度输入至所述光伏超短期预报模块，得到光伏超短期预报结果；其中，所述光伏超短期预报模块包括多种光伏超短期预报子模块。
44.在本实施例中，所述光伏超短期预报模块包括多种光伏超短期预报子模块，具体的，所述光伏超短期预报模块包括算法选择子模块、机器学习模型子模块和深度学习模型
子模块；所述机器学习模型子模块包括基于历史地基云图数据和历史卫星云图数据预先构建、训练的多种机器学习子模型，具体的，在进行所述机器学习模型子模块的构建、训练时，针对历史地基云图特征订正后辐照度、历史卫星云图特征订正后辐照度及其对应的光伏输出结果数据进行人工特征提取、选择，进而基于特征提取、选择结果将上述数据划分为训练集、验证集以及测试集；采用训练集和验证集构建、并训练包括基于adaboost、bagging、rt、gbrt、brr机器学习算法的多种机器学习子模型，在所述机器学习子模型收敛后，采用测试集计算上述每一机器学习子模型的权重系数。
45.所述深度学习模型子模块包括基于历史地基云图数据和历史卫星云图数据预先构建、训练的多种深度学习子模型，具体的，在进行所述机器学习模型子模块的构建、训练时，针对历史地基云图特征订正后辐照度、历史卫星云图特征订正后辐照度及其对应的光伏输出结果数据进行基础特征提取，进而基于基础特征提取结果将上述数据划分为训练集、验证集以及测试集；采用训练集、验证集构建、并训练包括基于rnn、lstm、cnn深度学习算法的多种深度学习子模型，在所述深度学习子模型收敛后，采用测试集计算上述每一深度学习子模型的融合权重。
46.示例性的，在光伏超短期预报模块训练完成后，获取历史地基云图数据、历史卫星云图数据和历史实测辐照度数据，基于历史地基云图数据和所述光伏超短期预报模型得到历史地基云图特征订正后辐照度，基于历史卫星云图数据和所述光伏超短期预报模型得到历史卫星云图特征订正后辐照度；将所述历史地基云图特征订正后辐照度与所述历史实测辐照度数据进行误差分析，得到地基云图辐照误差e1，将所述历史卫星云图特征订正后辐照度与所述历史实测辐照度数据进行误差分析，得到卫星云图辐照误差e2，基于所述e1和e2确定在将所述地基云图特征订正后辐照度和所述卫星云图特征订正后辐照度输入至所述光伏超短期预报模块，得到的辐射预报结果时的融合权重。
47.示例性的，可以采用均方根误差或平均绝对误差等指标来衡量地基云图辐照误差e1和卫星云图辐照误差e2。
48.示例性的，在计算所述地基云图辐照误差e1和卫星云图辐照误差e2后，将所述地基云图特征订正后辐照度和所述卫星云图特征订正后辐照度输入至所述光伏超短期预报模块，得到的辐射预报结果时，将误差的倒数作为辐射预报结果时的融合权重，即地基云图辐射预报结果权重w1 = e2 / (e1 + e2)，卫星云图辐射预报结果权重w2 = e1 / (e1 + e2)。最后，对两种预测辐照度的预测数据进行加权平均，得到最终的预测结果。
49.为了确定云团对于辐射度的影响，作为示例性的实施例，所云图辐照度订正模块包括云团阴影分析模块和云动态光强模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：基于所述云团阴影分析模块计算太阳在预设时长内的辐射预报地点的高度角变化信息和方位角变化信息；将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云团阴影分析模块，基于所述高度角变化信息和方位角变化信息计算云团阴影的移动轨迹信息和移动时长信息；将所述移动轨迹信息和移动时长信息输入至云动态光强模块中，基于所述云动态光强模块计算云团阴影对地面光强的遮挡影响信息；基于所述遮挡影响信息，采用预先训练好的云团辐射预报模型得到辐射预报结果。
50.在本实施例中，基于所述云团阴影分析模块计算太阳在预设时长内的辐射预报地
点的高度角变化信息和方位角变化信息；将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云团阴影分析模块，通过所述云团阴影分析模块计算云团阴影在地面上的位置和形态，之后基于所述高度角变化信息和方位角变化信息计算云团阴影的移动轨迹信息和移动时长信息。
51.作为可能的实现方式，可以基于历史地基云图数据、历史卫星云图数据、历史太阳高度角数据、历史太阳方位角数据、云团阴影历史移动轨迹数据和云团阴影历史移动时长数据预先构建、训练云团阴影分析模型，在训练过程中学习历史地基云图数据、历史卫星云图数据、历史太阳高度角数据、历史太阳方位角数据与所述云团阴影历史移动轨迹数据和云团阴影历史移动时长数据的对应关系。
52.在本实施例中，将所述移动轨迹信息和移动时长信息输入至云动态光强模块中，基于所述云动态光强模块计算云团阴影对地面光强的遮挡影响信息；具体的，基于物理光学原理，建立光线传输模型，模拟云团阴影对地面光强的影响。作为可能的实现方式，可以采用射线追踪、辐射传输等方法进行模拟；具体的，将地面上的每个点看作是光线的起点，通过模拟光线在大气和云层中的传输和散射过程，计算出云团阴影对地面光强的影响。
53.作为可能的实现方式，可以基于云阴影历史移动轨迹数据、云阴影历史移动时长数据、和历史地面光强数据构建、训练云团遮挡模型，在训练过程中学习所述云阴影历史移动轨迹数据、云阴影历史移动时长数据与所述历史地面光强数据的对应关系。
54.作为示例性的实施例，所述地基云图预报模型包括地基云图特征提取模块，地基云图运动趋势确定模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果包括：将所述地基云图数据输入至预先训练好的地基云图预报模型中，基于所述地基云图特征提取模块提取地基云图运动特征和地基云图形态特征；其中，所述地基云图运动特征包括云体的位置、速度、方向，所述地基云图形态特征包括云体的形状、大小；基于所述地基云图运动趋势确定模块、所述地基云图运动特征和所述地基云图形态特征进行预测，得到未来预设时长内的基于地基云图的地基云图运动趋势。
55.作为示例性的实施例，所述卫星云图预报模型包括卫星云图特征提取模块，卫星云图分类模块和卫星云图移动预测模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型进行预测，得到基于地基云图的第一遮挡预测结果包括：将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，基于所述卫星云图特征提取模块提取卫星云图特征，其中，所述卫星云图特征包括与云体的大小、形状、纹理；基于所述卫星云图特征和所述卫星云图分类模块进行云体分类，得到分类结果；基于所述分类结果和所述卫星云图移动预测模块进行卫星云图预测，得到未来预设时长内的基于卫星云图的卫星云图运动趋势。
56.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如rom（read-only memory，只读存储器）/ram(random access memory，随机存取存储器)、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本技术各个实施例所述的方法。
57.根据本技术实施例的第三方面，还提供一种用于实施上述光伏超短期预报方法的光伏超短期预报装置，图2是根据本技术实施例的一种光伏超短期预报装置的示意图，如图2所示，所述光伏超短期预报装置包括：数据获取模块201，用于获取地基云图数据和卫星云图数据；地基云图预报模块202，用于将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；卫星云图预报模块203，将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；移动预测结果计算模块204，用于将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；遮挡预测结果计算模块205，用于将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；光伏超短期预报模块206，用于将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
58.需要说明的是，该实施例中的数据获取模块201可以用于执行上述步骤s100，该实施例中的地基云图预报模块202可以用于执行上述步骤s200，该实施例中的卫星云图预报模块203可以用于执行上述步骤s300，该实施例中的移动预测结果计算模块204可以用于执行上述步骤s400，该实施例中的遮挡预测结果计算模块205可以用于执行上述步骤s500，该实施例中的遮挡预测结果计算模块206可以用于执行上述步骤s600。
59.此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
60.根据本技术的第四方面，提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，所述存储器，用于存储计算机程序；所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行如上述任一项所述的实施例中的方法。
61.图3是根据本技术实施例的一种可选的电子设备的结构框图，如图3所示，包括处理器302、通信接口304、存储器306和通信总线308，其中，处理器302、通信接口304和存储器306通过通信总线308完成相互间的通信，其中，存储器306，用于存储计算机程序；处理器302，用于执行存储器306上所存放的计算机程序时，实现如下步骤：获取地基云图数据和卫星云图数据；将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到
基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
62.可选地，在本实施例中，上述的通信总线可以是pci (peripheral component interconnect，外设部件互连标准)总线、或eisa (extended industry standard architecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
63.通信接口用于上述电子设备与其他设备之间的通信。
64.存储器可以包括ram，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
65.作为一种示例，如图3所示，上述存储器302中可以但不限于包括上述数据获取模块201、地基云图预报模块202、卫星云图预报模块203、移动预测结果计算模块204、遮挡预测结果计算模块205和光伏超短期预报模块206，还可以包括上述实施例中的其他模块单元，本示例中不再赘述。
66.上述处理器可以是通用处理器，可以包含但不限于：cpu (central processing unit，中央处理器)、np(network processor，网络处理器)等；还可以是dsp (digital signal processing，数字信号处理器)、asic (application specific integrated circuit，专用集成电路)、fpga (field－programmable gate array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
67.可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
68.本领域普通技术人员可以理解，图3所示的结构仅为示意，实施上述实施例中任意一项所述的方法的设备可以是终端设备，该终端设备可以是智能手机（如android手机、ios手机等）、平板电脑、掌上电脑以及移动互联网设备（mobile internet devices，mid）、pad等终端设备。图3其并不对上述电子装置的结构造成限定。例如，终端设备还可包括比图3中所示更多或者更少的组件（如网络接口、显示装置等），或者具有与图3所示的不同的配置。
69.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、rom、ram、磁盘或光盘等。
70.作为示例性的实施例，本技术还提供一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行本实施例中任意一项所述的方法步骤。
71.可选地，在本实施例中，上述存储介质可以用于执行本技术实施例的方法步骤的程序代码。
72.可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
73.可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取地基云图数据和卫星云图数据；
将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。
74.可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。
75.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、rom、ram、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
76.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
77.上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备（可为个人计算机、服务器或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。
78.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
79.在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
80.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
81.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
82.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。
83.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
84.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：
1.一种光伏超短期预报方法，其特征在于，所述光伏超短期预报方法包括：获取地基云图数据和卫星云图数据；将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。2.如权利要求1所述的光伏超短期预报方法，其特征在于，所述光伏超短期预报方法还包括：将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第二遮挡预测结果和遮挡预测准确度；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第二移动预测结果和移动预测准确度；基于所述第二移动预测结果和所述移动预测准确度对所述第一移动预测结果进行融合；基于所述第二遮挡预测结果和所述遮挡预测准确度对所述第一遮挡预测结果进行融合。3.如权利要求2所述的光伏超短期预报方法，其特征在于，所述方法还包括：所述移动预测准确度与所述第二移动预测结果的融合权重呈正相关；所述遮挡预测准确度与所述第二遮挡预测结果的融合权重呈正相关。4.如权利要求1所述的光伏超短期预报方法，其特征在于，所述光伏超短期预报模型包括云图辐照度订正模块和光伏超短期预报模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云图辐照度订正模块，分别得到地基云图特征订正后辐照度和卫星云图特征订正后辐照度；将所述地基云图特征订正后辐照度和所述卫星云图特征订正后辐照度输入至所述光伏超短期预报模块，得到光伏超短期预报结果；其中，所述光伏超短期预报模块包括多种光伏超短期预报子模块。5.如权利要求4所述的光伏超短期预报方法，其特征在于，所云图辐照度订正模块包括云阴影分析模块和云动态光强模块，所述将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果包括：基于所述云阴影分析模块计算太阳在预设时长内的辐射预报地点的高度角变化信息和方位角变化信息；
将所述第一移动预测结果和所述第一遮挡预测结果输入至所述云阴影分析模块，基于所述高度角变化信息和方位角变化信息计算云阴影的移动轨迹信息和移动时长信息；将所述移动轨迹信息和移动时长信息输入至云动态光强模块中，基于所述云动态光强模块计算云团阴影对地面光强的遮挡影响信息；基于所述遮挡影响信息，采用预先训练好的云团辐射预报模型得到辐射预报结果。6.如权利要求1所述的光伏超短期预报方法，其特征在于，所述地基云图预报模型包括地基云图特征提取模块，地基云图运动趋势确定模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果包括：将所述地基云图数据输入至预先训练好的地基云图预报模型中，基于所述地基云图特征提取模块提取地基云图运动特征和地基云图形态特征；其中，所述地基云图运动特征包括云体的位置、速度、方向，所述地基云图形态特征包括云体的形状、大小；基于所述地基云图运动趋势确定模块、所述地基云图运动特征和所述地基云图形态特征进行预测，得到未来预设时长内的基于地基云图的地基云图运动趋势。7.如权利要求1所述的光伏超短期预报方法，其特征在于，所述卫星云图预报模型包括卫星云图特征提取模块，卫星云图分类模块和卫星云图移动预测模块，所述将所述地基云图数据输入至预先训练好的地基云图预报模型进行预测，得到基于地基云图的第一遮挡预测结果包括：将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，基于所述卫星云图特征提取模块提取卫星云图特征，其中，所述卫星云图特征包括与云体的大小、形状、纹理；基于所述卫星云图特征和所述卫星云图分类模块进行云体分类，得到分类结果；基于所述分类结果和所述卫星云图移动预测模块进行卫星云图预测，得到未来预设时长内的基于卫星云图的卫星云图运动趋势。8.一种光伏超短期预报装置，其特征在于，所述光伏超短期预报装置包括：数据获取模块，用于获取地基云图数据和卫星云图数据；地基云图预报模块，用于将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；卫星云图预报模块，将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；移动预测结果计算模块，用于将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；遮挡预测结果计算模块，用于将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；光伏超短期预报模块，用于将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所
述的光伏超短期预报方法。10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1至7中任意一项所述的光伏超短期预报方法。

技术总结
本申请实施例提供一种光伏超短期预报方法、装置、电子设备和存储介质，所述光伏超短期预报方法包括：获取地基云图数据和卫星云图数据；将所述地基云图数据输入至预先训练好的地基云图预报模型中，得到地基云图预报结果；将所述卫星云图数据输入至预先训练好的卫星云图预报模型中，得到卫星云图预报结果；将所述卫星云图预报结果输入至预先训练好的云体移动预测模型进行预测，得到基于卫星云图的第一移动预测结果；将所述地基云图预报结果输入至预先训练好的云体遮挡预测模型进行预测，得到基于地基云图的第一遮挡预测结果；将所述第一移动预测结果和所述第一遮挡预测结果输入至预先训练好的光伏超短期预报模型中，得到光伏超短期预报结果。超短期预报结果。超短期预报结果。


技术研发人员：宋美洋 刘鲁宁 郭炜
受保护的技术使用者：北京东润环能科技股份有限公司
技术研发日：2023.08.16
技术公布日：2023/9/20