(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 202210900992.8 (22)申请日 2022.07.28 (71)申请人 广东电网有限责任公司江门供电局 地址 529000 广东省江门市蓬江区建 设二 路152号 申请人 广东电网有限责任公司 (72)发明人 邓瑞麒　陈钢　李波　武建平　 郭亮　柳军停　郑广勇　晏梦璇　 易晋　陈锦洪　何雄辉　郑文杰　 黄定威　黄伟杰　黄晓光　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 杨艺 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06V 20/13(2022.01) G06V 10/764(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 9/48(2006.01) G06F 9/50(2006.01) (54)发明名称 一种海量分布式可再生能源功率预测方法 及相关装置 (57)摘要 本申请公开了一种海量分布式可再生能源 功率预测方法及相关装置， 方法包括： 获取功率 待预测区域所对应的云图图像， 通过识别和分割 技术对云图图像进行识别分类， 得到m个不同种 类的云层并进行标记； 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的功率预测模 型； 根据m个不同种类， 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； 通过功 率预测模型对每个Map任务进行功率预测， 得到m 个功率预测结果； 根据云层变化情况确定m个Map 任务的对应的权重， 利用Reduce函数合并m个功 率预测结果， 得到待预测区域的可再生能源功 率。 本申请的方法提高了海量分布式可再生能源 功率预测的准确度， 且大大缩短功率预测的计算 时间。 权利要求书2页 说明书7页 附图3页 CN 115099526 A 2022.09.23 CN 115099526 A 1.一种海量分布式可 再生能源功率预测方法， 其特 征在于， 包括： 获取功率待预测区域所对应的云图图像， 通过识别和分割技术对所述云图图像进行识 别分类， 得到m个不同种类的云层并进行 标记； 采用深度学习方式建立基于云图的海量分布式可 再生能源的功率预测模型； 根据m个不同种类， 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； 通过所述功率预测模型对每 个所述Map任务进行功率预测， 得到m个功率预测结果； 根据云层变化情况确定m个Map任务的对应的权重， 利用Reduce函数合并m个功率预测 结果， 得到待预测区域的可 再生能源功率。 2.根据权利要求1所述的海量分布式可再生 能源功率预测方法， 其特征在于， 所述根据 m个不同种类， 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， 之后还包 括： 获取m个Map任务分别在服 务器运行时， 占用内存的情况； 将占用内存大小超过服务器的预设内存阈值的Map任务， 再次进行Map任务划分， 并增 加服务器的数量， 从而得到n个Map任务。 3.根据权利要求1所述的海量分布式可再生 能源功率预测方法， 其特征在于， 所述根据 云层变化情况确定m个Map 任务的对应的权重， 利用Reduce函数合并m个功 率预测结果， 得到 待预测区域的可 再生能源功率， 具体包括： 将当前时刻分类得到的云层分类结果与历史云层分类结果进行比对， 确定当前云层种 类在历史云层种类所占比列， 从而确定 m个Map任务的对应的权重， 将m个功 率预测结果剩以 对应的权 重并相加， 得到待预测区域的可 再生能源功率。 4.根据权利要求1所述的海量分布式可再生 能源功率预测方法， 其特征在于， 获取功率 待预测区域所对应的云图图像， 通过识别和分割技术对所述云图图像进 行识别分类， 得到m 个不同种类的云层并进行 标记， 具体包括： 将所述云图 图像作为原 始云图图像输入到GAN模型， 生产大量的新的云图 图像； 将所述原始云图图像和所述新的云图图像输入到分割模型进行分割后， 作为CNN神经 网络的输入， 通过CNN神经网络对云图图像进 行识别分类得到 m个不同种类的云层并进 行标 记。 5.一种海量分布式可 再生能源功率预测系统， 其特 征在于， 包括： 分类单元， 用于获取功率待预测区域所对应的云图图像， 通过识别和分割技术对所述 云图图像进行识别分类， 得到m个不同种类的云层并进行 标记； 建立单元， 用于采用深度学习方式建立基于云图的海量分布式可再生 能源的功率预测 模型； 第一划分单元， 用于根据m个不同种类， 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； 预测单元， 用于通过所述功率预测模型对每个所述Map任务进行功率预测， 得到m个功 率预测结果； 计算单元， 用于根据云层变化情况确定m个Map任务的对应的权重， 利用Reduce函数合 并m个功率预测结果， 得到待预测区域的可 再生能源功率。 6.根据权利要求5所述的海量分布式可再生能源功率预测系统， 其特征在于， 还包括：权　利　要　求　书 1/2 页 2 CN 115099526 A 2第二划分单 元； 所述第二划分单元， 用于获取m个Map任务分别在服务器运行时， 占用内存的情况； 将占 用内存大小超过服务器的预设内存阈值的Map任务， 再次进行Map任务划分， 并增加服务器 的数量， 从而得到n个Map任务。 7.根据权利要求5所述的海量分布式可再生 能源功率预测系统， 其特征在于， 所述计算 单元， 具体用于： 将当前时刻分类得到的云层分类结果与历史云层分类结果进行比对， 确定当前云层种 类在历史云层种类所占比列， 从而确定 m个Map任务的对应的权重， 将m个功 率预测结果剩以 对应的权 重并相加， 得到待预测区域的可 再生能源功率。 8.根据权利要求5所述的海量分布式可再生 能源功率预测系统， 其特征在于， 所述分类 单元， 具体用于： 将所述云图 图像作为原 始云图图像输入到GAN模型， 生产大量的新的云图 图像； 将所述原始云图图像和所述新的云图图像输入到分割模型进行分割后， 作为CNN神经 网络的输入， 通过CNN神经网络对云图图像进 行识别分类得到 m个不同种类的云层并进 行标 记。 9.一种海量分布式可再生能源功率预测设备， 其特征在于， 所述设备包括处理器以及 存储器： 所述存储器用于存 储程序代码， 并将所述 程序代码传输给 所述处理器； 所述处理器用于根据 所述程序代码中的指令执行权利要求1 ‑4任一项所述的海量分布 式可再生能源功率预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储程序代 码， 所述程序代码用于执行权利要求1 ‑4任一项所述的海量分布式可再生能源功率预测方 法。权　利　要　求　书 2/2 页 3 CN 115099526 A 3