(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 202210589495.0 (22)申请日 2022.05.27 (71)申请人 李波 地址 510000 广东省广州市越秀区梅 花路 75号 (72)发明人 李波　 (74)专利代理 机构 深圳博敖专利代理事务所 (普通合伙) 44884 专利代理师 姚宗培 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 20/13(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于MapReduce和云图的海量 分布式可 再生能源功率预测方法 (57)摘要 本发明公开了一种基于MapReduce和云图的 海量分布式可再生能源功率预测方法， 包括云图 的预处理： 找到需功率预测区域所对应的云图图 像， 应用云图识别和分割技术对云图中不同种类 的云层进行识别、 分类、 标号； 采用深度学习方 式， 建立基于云图的海量分布式可再生能源功率 预测模型； Map任务的划分； Map任务的执行； Reduce任务执行。 本发明在MapReduce并行编程 框架下， 通过建立基于云图信息的分布式可再生 能源功率预测模 型， 对区域内的海量分布式可再 生能源进行功率预测， 该方法能够增加海量分布 式可再生能源功率预测的准确度， 大大缩短功率 预测的计算时间， 提高效率。 权利要求书1页 说明书6页 附图3页 CN 115186865 A 2022.10.14 CN 115186865 A 1.一种基于MapReduce和云图的海量分布式可再生能源功率预测方法， 其特征在于： 包 括以下步骤： S01： 云图的预处理： 找到需功率预测区域所对应的云图图像， 应用云图识别和分割技 术对云图中不同种类的云层进行识别、 分类、 标号； S02： 采用深度学习方式， 建立基于云图的海量分布式可 再生能源功率预测模型； S03： Map任务的划分； S04： Map任务的执行： 运用功率预测模型， 对每个Map任务进行功率预测， 并将预测结果 存入云端； S05： Reduce任务执 行。 2.根据权利要求1所述的一种基于MapReduce和云图的海量分布式可再生能源功率预 测方法， 其特征在于： 在步骤S01中， 对云图进行预处理时， 采用卷积神经网络的方法， 因云 图数据量不够大， 此处利用GAN模型， 在已获得的云图数据基础上生成更多的云图数据集， 将数据一同输入CNN网络中进行特征提取， 训练得到云图划分与识别模型。 利用该模型， 将 云图划分为 不同的区域， 并将这些区域对应到不同的云层种类。 3.根据权利要求1所述的一种基于MapReduce和云图的海量分布式可再生能源功率预 测方法， 其特征在于： 在步骤S01 中， 对云层种类进 行标号时， 将晴空、 多云、 阴天、 雨天、 风五 种类别的云层分别标号 为A、 B、 C、 D、 E 。 4.根据权利要求1所述的一种基于MapReduce和云图的海量分布式可再生能源功率预 测方法， 其特 征在于： 在步骤S0 3中， 所述Map任务的划分包括： 将海量分布式可 再生能源根据当下云层种类的不同划分为多个Map任务； 观测各Map任务执行时服务器运行情况， 将服务器内存 的75％设定阈值， 若该Map数据 量超过阈值， 则将任务再次分解成多个Map任务， 增 加服务器的数量。 5.根据权利要求1所述的一种基于MapReduce和云图的海量分布式可再生能源功率预 测方法， 其特征在于： 在步骤S03中， 所述Map任务的划分过程中， 首先根据S01中m种不同的 云层种类， 将云层所属的多个分布式可再生能源功率预测划分为m个Map任务， 为了避免因 预测区域内云层种类单一或数据量相差较大而使 该Map任务在执行时服务器占用过大， 对m 个Map任务中超 出服务器阈值75％的任务进行再次划分， 并增加服务器的数量。 最 终划分得 到n个Map任务。 6.根据权利要求1所述的一种基于MapReduce和云图的海量分布式可再生能源功率预 测方法， 其特征在于： 在步骤S05中， 所述Reduce任务执行包括记录此前1h内每10min的云层 区域变化情况， 并以此为依据， 将Map任务结果分别乘以相应的权值， 利用Reduce函数合并 不同区域的海量分布式可再生能源功 率预测结果， 得到该区域1h内的海量分布式可再生能 源功率预测值。权　利　要　求　书 1/1 页 2 CN 115186865 A 2一种基于MapReduce和云图的海量分布式可再生能源功率 预 测方法 技术领域 [0001]本发明属于海量数据处理技术领域， 具体涉及一种基于MapReduce和云 图的海量 分布式可 再生能源功率预测方法。 背景技术 [0002]随着世界能源需求量的持续增长,全球范围内的能源危机日益险峻,加之传统能 源对环境造成的污染不断突显,可 再生能源得到 了大力发展。 [0003]电力系统功率预测的结果关系到电力部门生产计划的指定以及调度运行情 况。 尤 其是可再生能源的功 率情况与天气、 温度、 湿度等自然 条件因素关联密切， 具有较强的非线 性关系， 并且传统的功 率预测方式应用于可再生能源时误差较大。 并且， 由于受到太阳辐射 和天气等因素 的影响， 海量分布式可再生能源的输出功率具有波动性和间歇性， 大规模新 能源并网运行会影响电力系统的安全、 稳定、 经济运行。 对海量分布式可再生能源输出功 率 进行预测， 有利于电力系统调 度部门统筹安排常规电源和海量分布式可再生能源发电的配 合， 合理调整调度计划， 保证电网的安全稳定运行， 并充分利用可再生能源， 发挥海量分布 式可再生能源发电的社会效益和经济效益。 因此， 对海量分布式可再生能源输出功率进行 准确预测十 分重要。 如何高效快速准确地进 行海量分布式可再生能源功 率预测是大数据背 景下功率预测的关键问题。 [0004]针对提高海量分布式可再生能源功率预测准确度及提高功率预测计算效率这一 要求， 本发明提出了一种基于 MapReduce和云图的海量分布式可 再生能源功率预测方法。 发明内容 [0005]本发明的目的在于提供一种基于MapReduce和云图的海量分布式可再生能源功率 预测方法， 以解决上述背景技 术中提出的问题。 [0006]为实现上述目的， 本 发明提供如下技术方案： 一种基于MapReduce和云图的海量分 布式可再生能源功率预测方法， 包括以下步骤： [0007]S01： 云图的预处理： 找到需功率预测区域所对应的云 图图像， 应用云图识别和分 割技术对云图中不同种类的云层进行识别、 分类、 标号； [0008]S02： 采用深度学习方式， 建立基于云图的海量分布式可 再生能源功率预测模型； [0009]S03： Map任务的划分； [0010]S04： Map任务的执行： 运用功率预测模型， 对每个Map任务进行功率预测， 并将预测 结果存入云端； [0011]S05： Reduce任务执 行。 [0012]优选的是， 在步骤S0 1中， 对云图进行预处理时， 采用卷积神经 网络的方法， 因云图 数据量不够大， 此处利用GAN模型， 在已获得的云图数据基础上生成更多的云图数据集， 将 数据一同输入CNN网络中进行特征提取， 训练得到云图划分与识别模型。 利用该模型， 将云说　明　书 1/6 页 3 CN 115186865 A 3