(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 202211279638.4 (22)申请日 2022.10.19 (71)申请人 国网四川省电力公司经济技 术研究 院 地址 610000 四川省成 都市中国 （四川） 自 由贸易试验区成都市高新区蜀绣西路 366号 申请人 国网四川省电力公司 　 四川省新型电力系统研究院有限公 司 (72)发明人 李婷　明自强　范荣全　韩宇奇　 胥威汀　陈玮　曾文慧　罗毅　 朱觅　刘继春　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 专利代理师 唐邦英(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种多因素下集中式光伏电站内的光伏板 部署优化方法 (57)摘要 本发明公开了一种多因素下集中式光伏电 站内的光伏板部署优化方法， 包括依据光伏电站 内的地理特征， 将光伏电站内划分为多个地形区 域； 基于双重注意力机制LSTM模型， 量化地形区 域内的气象因素与光伏出力的关联关系； 基于地 形区域内的气象因素与光伏出力的关联关系， 对 光伏电站内光伏板进行部署。 本申请在划分光伏 电站内的不同地形时， 利用多种地形特征， 将各 个子区域合理划分为数个地形并在建模量化每 一个地形内的气象因素与光伏出力关联关系中， 量化气象因素对光伏出力的作用， 得到较为准确 的考虑各个地形微气象特征的光伏预期出力值， 使得光伏板部署最大化利用了现有土地和光伏 资源， 提高了光伏出力的效率。 权利要求书3页 说明书14页 附图4页 CN 115496294 A 2022.12.20 CN 115496294 A 1.一种多因素 下集中式光伏电站内的光伏板 部署优化方法， 其特 征在于， 包括： S1、 依据光伏电站内的地理特征， 将光伏电站内划分为多个地形区域； 其中， 所述地理 特征包括年日照时数、 平均海拔、 坡向、 坡度、 区域中心与汇集站的距离以及区域中心相对 汇集站的方向； S2、 基于双重注意力机制LSTM模型， 量化所述地形区域内的气象因素与光伏出力的关 联关系； S3、 基于所述地形区域内的气象因素与光伏出力的关联关系， 对光伏电站内光伏板进 行部署。 2.根据权利要求1所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 依据光伏电站内的地理特征， 将光伏电站内分化为多个地形区域， 具体方法如 下： S11、 基于区域的形状、 面积， 从地理位置上将光伏电站内的规划区域划分为K个子区 域； S12、 定义第i个子区域的地理特 征并建立 地理特征信息集 合 其中， 下标i1～i6分别 表示第i个子区域的年日照时数、 平均海拔、 坡向、 坡度、 与汇集站的距离和相对汇集站的方向； S13、 基于模糊C均值聚类算法， 将K个子区域分别归类到不同地理特征的地形中， 得到 多个地形区域。 3.根据权利要求1所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 基于双重注意力机制LSTM模型， 量化地形区域内的气象因素与光伏出力的关联 关系的方法， 具体方法包括： S21、 对多个主要气象因素和光伏出力进行归一化处理， 并构造含多个主要气象因素的 时序特征序列 其中， 为第t时刻的上述k个气象特征集， 为第m个相关气象变量在T 个时刻上的数值 集； S22、 构建双重注意力机制LSTM模型， 通过双重注意力机制LSTM模型对多个主要气象因 素进行分析， 得到t+1时刻光伏出力。 4.根据权利要求3所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 双重注意力机制LSTM模型在输入侧设置有特征注意力机制， 在解码输出侧设置 有时间注意力机制。 5.根据权利要求4所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 构建双重注意力机制LSTM模型， 对多个主 要气象因素进行分析的方法包括： S221、 通过特征注意力机制， 对t时刻的气象特征进行计算， 得到不同气象因素贡献率 的关联特征； S222、 将不同气象因素贡献率的关联特征输入双重注意力机制LSTM模型中的LSTM网 络， 得到隐层状态权 重； S223、 通过时序注意力机制， 对隐层状态权重进行计算， 得到t时刻与时序状态特征有 关的综合信息；权　利　要　求　书 1/3 页 2 CN 115496294 A 2S224、 将t时刻与时序状态特 征有关的综合信息 输入LSTM网络， 得到t+1时刻光伏出力。 6.根据权利要求5所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 通过 特征注意力机制， 对t时刻的气象特 征进行计算的方法包括： S2211、 将t时刻相关气象特 征输入到注意力机制， 得到注意力权 重向量et： 上式中， 为第t时刻各个气象特征所对应的注意力权重系数组合， Ve、 We、 Ue为注意力机制权 重矩阵， be为相应偏置项； S2212、 将t时刻各个气象特征所对应的注意力权重系数组合进行归一化处理， 得到特 征注意力权 重值 其中， 特征注意力权 重值 为： 上式中， 为特征注意力权重， 为第m个相关气象变量 的特征注意力权 重值； S2213、 将特征注意力权重值 与对应的气象特征值 相乘得到考虑不同气象因素 贡献率大小的关联 特征 上式中， 为气象因素贡献率大小的关联 特征。 7.根据权利要求5所述的一种多因素下集中式光伏电站内的光伏板部署优化方法， 其 特征在于， 通过时序注意力机制， 对隐层状态权 重进行计算的方法包括： S2231、 基于历史时序的隐层状态， 对输入序列 时间窗口长度进行计算， 得到当前时刻 时间注意力权 重系数： 上式中， 为隐层状态， lt为当前t时刻时间注意力权重系数， Vd和Wd为 时间注意力机制的相应权 重， Ud为偏置项； S2232、 将第t时刻各个气象特征所对应的时间注意力权重系数进行归一化处理， 得到 时间注意力权 重： 上式中， 为时间注意力权 重； S2233、 基于历史各时刻信息的贡献率， 得到t时刻与时序状态特 征有关的综合信息： 权　利　要　求　书 2/3 页 3 CN 115496294 A 3