(19)中华 人民共和国 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 202111527969.0 (22)申请日 2021.12.14 (71)申请人 上海电气集团股份有限公司 地址 200336 上海市长 宁区兴义路8号3 0层 (72)发明人 余德启　王玲霞　叶冬挺　张博静　 谭江波　 (74)专利代理 机构 上海弼兴律师事务所 31283 代理人 马涛　罗朗 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06T 3/40(2006.01)G06F 119/08(2020.01) (54)发明名称 模型训练方法、 光伏发电功率预测方法及系 统 (57)摘要 本发明公开了一种模 型训练方法、 光伏发电 功率预测方法及系统， 该模型训练方法包括： 获 取训练集， 该训练集包括高分辨率气象预报数据 和历史光伏发电功率数据； 基于高分辨率气象预 报数据和历史光伏发电功率数据结合装袋算法 训练BP神经网络模型， 得到装袋算法深度学习预 测模型。 本发 明基于获取的训练集中的高分辨率 气象预报数据和历史光伏发电功率数据结合装 袋算法训练BP神经网络模型， 得到装袋算法深度 学习预测模 型， 提高了模型预测的准确性和预测 精度。 权利要求书3页 说明书14页 附图8页 CN 114330110 A 2022.04.12 CN 114330110 A 1.一种模型训练方法， 其特 征在于， 所述模型训练方法包括： 获取训练集， 所述训练集包括高分辨 率气象预报数据和历史光伏发电功率数据； 基于所述高分辨率气象预报数据和所述历史光伏发电功率数据结合装袋算法训练BP 神经网络模型， 得到装袋算法深度学习预测模型。 2.如权利要求1所述的模型训练方法， 其特征在于， 所述获取训练集的步骤之前， 所述 模型训练方法还 包括： 获取粗分辨 率气象预报数据和所述历史光伏发电功率数据； 将所述粗分辨率气象预报数据输入中尺度天气预报模型， 在目标区域运行所述中尺度 天气预报模型， 以得到所述高分辨 率气象预报数据； 预处理所述高分辨率气象预报数据和所述历史光伏发电功率数据， 得到预处理后的所 述高分辨 率气象预报数据和所述历史光伏发电功率数据； 按照预设比例切分所述预处理后的高分辨率气象预报数据和历史光伏发电功率数据， 得到训练集和验证集。 3.如权利要求1所述的模型训练方法， 其特征在于， 所述基于所述高分辨率气象预报数 据和所述历史光伏发电功率数据结合装袋算法训练BP神经网络模型， 得到装袋算法深度学 习预测模型的步骤 包括： 获取至少一个BP神经网络模型； 基于所述高分辨率气象预报数据和所述历史光伏发电功率数据训练所述至少一个BP 神经网络模型， 得到训练后的至少一个BP神经网络模型； 利用装袋算法聚合所述训练后的至少一个BP神经网络模型， 得到装袋算法深度 学习预 测模型。 4.如权利要求2所述的模型训练方法， 其特 征在于， 所述模型训练方法还 包括： 基于所述验证集验证所述装袋算法深度学习预测模型， 以得到验证后的装袋算法深度 学习预测模型。 5.如权利要求2所述的模型训练方法， 其特征在于， 所述将所述粗分辨率气象预报数据 输入中尺度天气预报模型， 在目标区域运行所述中尺度天气预报模型， 以得到所述高分辨 率气象预报数据的步骤 包括： 获取所述目标区域和地理数据； 对所述粗分辨率气象预报数据和所述地理数据进行重投影和转坐标处理， 得到重投影 转坐标后的粗分辨 率气象预报数据和地理数据； 对所述重投影转坐标后的粗分辨率气象预报数据和地理数据进行时空插值， 得到插值 后的粗分辨 率气象预报数据和地理数据； 将所述插值后的粗分辨率气象预报数据和地理数据初始化为初始时刻状态和模拟时 刻侧边界状态； 利用所述初始时刻状态和所述模拟时刻侧边界状态在所述目标区域运行所述中尺度 天气预报模型， 以得到所述高分辨 率气象预报数据。 6.如权利要求2所述的模型训练方法， 其特征在于， 所述预处理所述高分辨率气象预报 数据和所述历史光伏发电功 率数据， 得到预处理后的所述高分辨率气象预报数据和所述历 史光伏发电功率数据的步骤 包括：权　利　要　求　书 1/3 页 2 CN 114330110 A 2对所述高分辨率气象预报数据和所述历史光伏发电功率数据进行坏数据剔除、 缺失数 据重构、 数据归一化以及去趋势化处理， 得到预处理后的所述高分辨率气象预报数据和所 述历史光伏发电功率数据。 7.一种模型训练系统， 其特 征在于， 所述模型训练系统包括第一获取模块和训练模块； 所述第一获取模块， 用于获取训练集， 所述训练集包括高分辨率气象预报数据和历史 光伏发电功率数据； 所述训练模块， 用于基于所述高分辨率气象预报数据和所述历史光伏发电功率数据 结 合装袋算法训练BP神经网络模型， 得到装袋算法深度学习预测模型。 8.如权利要求7所述的模型训练系统， 其特征在于， 所述模型训练系统还包括第 二获取 模块、 运行模块、 处 理模块和 切分模块； 所述第二获取模块， 用于获取粗分辨 率气象预报数据和所述历史光伏发电功率数据； 所述运行模块， 用于将所述粗分辨率气象预报数据输入中尺度天气预报模型， 在目标 区域运行所述中尺度天气预报模型， 以得到所述高分辨 率气象预报数据； 所述处理模块， 用于预处理所述高分辨率气象预报数据和所述历史光伏发电功率数 据， 得到预处 理后的所述高分辨 率气象预报数据和所述历史光伏发电功率数据； 所述切分模块， 用于按照预设比例切分所述预处理后的高分辨率气象预报数据和历史 光伏发电功率数据， 得到训练集和验证集。 9.如权利要求7所述的模型训练系统， 其特征在于， 所述训练模块包括第一获取单元、 训练单元和聚合单 元； 所述第一获取 单元， 用于获取至少一个BP神经网络模型； 所述训练单元， 用于基于所述高分辨率气象预报数据和所述历史光伏发电功率数据训 练所述至少一个BP神经网络模型， 得到训练后的至少一个BP神经网络模型； 所述聚合单元， 用于利用装袋算法聚合所述训练后的至少一个BP神经网络模型， 得到 装袋算法深度学习预测模型。 10.如权利要求8所述的模型训练系统， 其特征在于， 所述模型训练系统还包括验证模 块； 所述验证模块， 用于基于所述验证集验证所述装袋算法深度学习预测模型， 以得到验 证后的装袋算法深度学习预测模型。 11.如权利要求8所述的模型训练系统， 其特征在于， 所述运行模块包括第 二获取单元、 第一处理单元、 第二处 理单元、 初始化单 元和运行 单元； 所述第二获取 单元， 用于获取 所述目标区域和地理数据； 所述第一处理单元， 用于对所述粗分辨率气象预报数据和所述地理数据进行重投影和 转坐标处理， 得到重投影转 坐标后的粗分辨 率气象预报数据和地理数据； 所述第二处理单元， 用于对所述重投影转坐标后的粗分辨率气象预报数据和地理数据 进行时空插值， 得到插值后的粗分辨 率气象预报数据和地理数据； 所述初始化单元， 用于将所述插值后的粗分辨率气象预报数据和地理数据初始化为初 始时刻状态和模拟时刻侧边界状态； 所述运行单元， 用于利用所述初始时刻状态和所述模拟时刻侧边界状态在所述目标区 域运行所述中尺度天气预报模型， 以得到所述高分辨 率气象预报数据。权　利　要　求　书 2/3 页 3 CN 114330110 A 3