本发明属于分布式光伏集群功率预测领域，具体说是一种考虑了基于多源信息预报数据融合并结合动态聚类的分布式光伏集群功率短期预测方法。
背景技术：
1、由于当前分布式光伏单站容量相对较小，并网电压等级较低，距离与用户负荷较近，光伏功率就近消纳，单站出力波动对配电网影响较小，但分布式光伏数量众多且地理分布较为分散，接入电网后，其区域整体出力的波动性与间接性将影响地区电力系统的安全与经济运行，为帮助调度运行，降低并网冲击，同时提高分布式光伏电站运营效率以及光伏发电的消纳能力，需依靠准确的区域光伏集群出力预测。
2、中国专利cn201910183210.1公开了一种基于统计升尺度的光伏发电集群功率预测方法及装置，该方法通过相关系数满足预设阈值的光伏发电站作为候选电站，并在候选电站中根据原始数据进行集群代表电站和权重系数确定，然后将代表电站功率进行预测并通过权重系数推出集群总功率。该方案选用统计升尺度法进行集群功率预测，不对集群惊醒分群处理，一定程度上简化了预测复杂度提高了预测效率，但是代表电站的选取会存在一定的偏差，而且权重系数也难免会造成反推集群功率过程出现过大偏差，因此需进一步考虑集群划分方案，进一步提高预测精度。中国专利cn202111646119.2公开了一种基于集群划分和数据增强的整县分布式光伏预测方法，该方法利用基于密度抗噪聚类算法(density-based spatial clustering of applications with noise，dbscan)通过区域光伏电站出力数据进行集群划分，并利用k紧邻搜索将遗产站点进行最近集群划分；然后通过改进的gan的动态博弈过程训练过程学习到原始数据分布，然后生成相应分布的数据，补充了整县光伏历史数据库，最后通过深度卷积神经网络进行集群功率预测，并得到整县区域光伏集群功率。该种方法通过历史数据对集群进行了静态划分，然而历史数据并不能很好的与未来时刻的功率进行契合，就会造成未来时刻的分群不精准，因此需要进一步改变集群划分方案。中国专利cn202210815371.x公开了一种基于时空相关和源荷互补的分布式光伏动态集群划分方法，该方法通过光伏电站二位节点空间坐标距离进行初始集群划分，然后结合源荷互补关系进行不同功率区间划分，从而实现分布式光伏电源动态集群划分。该方案通过地理节点位置和源荷互补关系进行融合动态划分集群，但考虑到功率预测问题需进一步修正其数据来源。
技术实现思路
1、基于上述研究现状可以看出，当前分布式光伏集群光功率预测主要受限于集群预测具体策略、分群处理方案和数据来源问题，因此为进一步提升分布式光伏集群功率预测精度，就需要针对以上各问题进行针对性修正。
2、针对现有技术中存在的缺陷，本发明的目的在于提供一种基于多源信息预报的分布式光伏集群功率短期预测方法，包括下述步骤：
3、对预测日的当地公共天气预报文字信息进行数字编码；
4、通过改进自编码器对本地区nwp预报数据以及进行数字编码后的当地公共天气预报文字信息进行特征提取；
5、利用自组织映射网络聚类，根据预测日的多源异构预报数据融合后的特征来实现集群的动态划分；
6、利用1dcnn对分布式光伏集群总功率进行预测。
7、在上述方案的基础上，所述对预测日的当地公共天气预报文字信息进行数字编码具体为：
8、选取每个电站每月各时刻最大值作为理想晴天光伏功率出力曲线，单个电站每日的相对晴天系数计算公式如下：
9、
10、式中，wj为每月第j个时刻地最大出力，pij为对应月份第i天第j时刻地功率，uij为第i天第j时刻地晴天系数；ui是第i天的相对晴天系数，n为白天光伏出力时刻总数，所述白天光伏出力时刻总数是除去夜间光伏出力为零点后剩余时刻数，us为所有电站公共天气预报为晴天的晴天系数平均值；
11、将所有电站同一种单一天气类型的相对晴天系数求取均值；
12、统一天气类型编码。
13、在上述方案的基础上，所述统一天气类型编码使用三维向量来代表预测日公共天气预报类型。
14、在上述方案的基础上，所述自编码器为双输入结构；
15、所述通过改进自编码器对本地区nwp预报数据以及进行数字编码后的当地公共天气预报文字信息进行特征提取具体为：
16、将nwp水平辐照度预报数据作为输入进行数据维度压缩；
17、通过数据拼接将公共天气预报编码数据与nwp压缩数据进行拼接，拼接层公式到特征提取层公式：
18、y＝w·concat[h，s]+b；
19、式中h为nwp辐照度压缩值，s为公共天气预报编码数据，concat为concatenate拼接操作，w、b为权重偏置；
20、通过特征提取层进行特征提取和压缩，其输出特征为对应天辐照度实测数据；
21、采用leaky_relu激活函数；
22、模型训练后，取出模型编码器部分；
23、对预测日进行特征的压缩提取，将提取的特征用于动态聚类操作。
24、在上述方案的基础上，所述利用自组织映射网络聚类，根据预测日的多源异构预报数据融合后的特征来实现集群的动态划分具体为：
25、将输入层和竞争层的神经元权值设定为较小的随机数；
26、进行神经网络的初始化；
27、对于输入向量做归一化处理；
28、计算输入层输入向量与竞争层权值间的欧式距离，距离最小的神经元获胜，记为胜出神经元，计算公式如下：
29、
30、||x-wc||＝min{dj}；
31、式中，xi为输入层第i个神经元的输入向量，wij为输入层第i个神经元与竞争层第j个神经元之间的权值；
32、基于胜出神经元，根据邻域半径确定胜出邻域，对邻域的神经元进行权值调整，权值调整公式如下：
33、wij(t+1)＝wij(t)+η(t)hc,t(t)(xi-wij(t))
34、式中，η(t)为学习率，hc,j(t)为邻域函数，公式如下：
35、
36、式中，dcj神经元c和邻域内的第j个被激活神经元的距离，r为邻域半径；
37、判定训练次数是否达到初始设定训练次数，不满足则返回至所述欧式距离的计算。
38、在上述方案的基础上，所述利用1dcnn对分布式光伏集群总功率进行预测具体分为卷积层处理、池化层处理、全连接层处理；
39、所述卷积层处理：利用卷积核对输入序列信号进行卷积运算，进行特征提取，输出结果计算方法如下：
40、
41、式中是第i层的第t个卷积结果；是第i层第j个卷积核权值；是第i层第t个输入，f(x)采用relu函数作为激活函数：
42、f(x)＝max(0,x)
43、所述池化层处理：对卷积后的序列继续进行特征提取，选取最大池化，每个输出单元表示为：
44、
45、式中yi是第i层输出，是第i层第k个输入；
46、所述全连接层处理：将从池化层出来的特征变量进行特征分类和拟合，送到输出层；
47、利用1dcnn将同一个集群内存在的nwp辐照度特征作为输入，将所代表区域分布式光伏总出力作为输出，将集群预测结果加和，得到区域整体分布式光伏的出力预测结果。
48、在上述方案的基础上，所述改进自编码器包括第一输入层、拼接层、第二隐藏层、第三隐藏层、输出层；
49、所述拼接层由第一隐藏层和第二输入层组成。
50、在上述方案的基础上，提供一种电子设备，包括数字编码单元，特征提取单元，数据运算单元；
51、所述数字编码单元用于对预测日的当地公共天气预报文字信息进行数字编码；
52、所述特征提取单元用于通过改进自编码器对本地区nwp预报数据以及进行数字编码后的当地公共天气预报文字信息进行特征提取；
53、所述数据运算单元用于利用自组织映射网络聚类，根据预测日的多源异构预报数据融合后的特征来实现集群的动态划分以及利用1dcnn对分布式光伏集群总功率进行预测。
54、在上述方案的基础上，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
55、在上述方案的基础上，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
56、本发明的有益效果：
57、本发明针对当前分布式光伏集群功率预测精度难提升的问题，提出一种考虑了基于多源信息预报数据融合并结合动态聚类的分布式光伏集群功率短期预测方法。依次在当前分布式光伏集群光功率预测所面临的预测策略不可靠、分群方案不精确和数据来源单一等方面进行了改进和提升。
58、本发明将天气预报文字信息提取，融合nwp气象数据，然后通过改进自编码器进行多源异构预报信息特征提取，并利用som自组织神经网络进行分布式光伏电站的动态集群划分，以nwp水平辐照度和1dcnn网络对集群进行功率预测，利用集群累加获取区域整体短期功率预测结果，与固定集群预测结果、单站累加预测结果相比较，本发明所提出方法具有更高的预测精度，同时本方法可以对另一种分布式光伏选取代表电站来进行区域集群预测的方法提供一些参考。
1.一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述对预测日的当地公共天气预报文字信息进行数字编码具体为：
3.根据权利要求2所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述统一天气类型编码使用三维向量来代表预测日公共天气预报类型。
4.根据权利要求1所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述自编码器为双输入结构；
5.根据权利要求1所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述利用自组织映射网络聚类，根据预测日的多源异构预报数据融合后的特征来实现集群的动态划分具体为：
6.根据权利要求1所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述利用1dcnn对分布式光伏集群总功率进行预测具体分为卷积层处理、池化层处理、全连接层处理；
7.根据权利要求1至6中任意一项所述的一种基于多源信息预报的分布式光伏集群功率短期预测方法，其特征在于，所述改进自编码器包括第一输入层、拼接层、第二隐藏层、第三隐藏层、输出层；
8.一种电子设备，包括数字编码单元，特征提取单元，数据运算单元，其特征在于，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
