本技术涉及光伏电力，尤其是涉及到一种光伏发电功率预测方法、装置、计算机设备和可读存储介质。
背景技术：
1、在替代传统能源方面，太阳能以其资源丰富、无污染、免费使用、无需运输等优点成为最受欢迎的方法之一。然而，由于日照和天气的多变性，光伏发电具有间歇性、波动性和随机性，难以控制和测量，进一步危害光伏并网的安全性和稳定性，准确地进行发电预测通常被认为是解决这一问题的有效方法。
2、因此，如何更加准确地进行光伏发电功率的预测成为亟待解决的问题。
技术实现思路
1、有鉴于此，本技术提供了一种光伏发电功率预测方法、装置、计算机设备和可读存储介质，实现了更加准确地进行光伏发电功率的预测。
2、第一方面，本技术实施例提供了一种光伏发电功率预测方法，包括：
3、获取光伏发电系统的光伏监测数据；
4、将所述光伏监测数据输入至已构建的预设聚类网络，以对所述光伏监测数据进行聚类处理，得到数据聚类结果；
5、确定与所述数据聚类结果对应的已构建的预设预测网络，将所述数据聚类结果输入至所述预设预测网络，输出所述光伏发电系统的预测发电功率。
6、根据本技术实施例的上述方法，还可以具有以下附加技术特征：
7、在上述技术方案中，可选地，所述预设聚类网络用于对所述光伏监测数据按照预设聚类维度进行聚类处理；
8、其中，所述预设聚类维度包括以下至少一项：监测时间、地理位置、所述光伏发电系统的相似电站的历史发电数据。
9、在上述任一技术方案中，可选地，所述方法还包括：
10、获取训练数据集，所述训练数据集包括所述光伏发电系统的历史监测数据以及与所述历史监测数据对应的历史功率数据；
11、根据所述训练数据集构建所述预设聚类网络和所述预设预测网络；其中所述预设聚类网络包括自组织特征映射网络，所述预设预测网络包括核极限学习机网络。
12、在上述任一技术方案中，可选地，构建预设预测网络，包括：
13、获取已构建的所述预设聚类网络输出的多个第一聚类结果；
14、基于多个所述第一聚类结果进行数据分区，得到多个数据区域；
15、根据每个所述数据区域分别训练预设预测网络，得到不同所述数据区域对应的多个所述预设预测网络。
16、在上述任一技术方案中，可选地，所述基于多个所述第一聚类结果进行数据分区，得到多个数据区域，包括：
17、对多个所述第一聚类结果进行模糊聚类处理，输出多个第二聚类结果；
18、对多个所述第二聚类结果进行数据分区，得到多个所述数据区域。
19、在上述任一技术方案中，可选地，所述光伏监测数据和/或所述历史监测数据包括气象数据；所述气象数据以下至少一项：辐照度、温度、总云量。
20、在上述任一技术方案中，可选地，所述方法还包括：
21、获取所述光伏发电系统的实际发电功率，并利用所述实际发电功率对所述预设聚类网络和所述预设预测网络进行参数调整。
22、第二方面，本技术实施例提供了一种光伏发电功率预测装置，包括：
23、数据获取模块，用于获取光伏发电系统的光伏监测数据；
24、数据聚类模块，用于将所述光伏监测数据输入至已构建的预设聚类网络，以对所述光伏监测数据进行聚类处理，得到数据聚类结果；
25、预测模块，用于确定与所述数据聚类结果对应的已构建的预设预测网络，将所述数据聚类结果输入至所述预设预测网络，输出所述光伏发电系统的预测发电功率。
26、根据本技术实施例的上述装置，还可以具有以下附加技术特征：
27、在上述技术方案中，可选地，所述预设聚类网络用于对所述光伏监测数据按照预设聚类维度进行聚类处理；
28、其中，所述预设聚类维度包括以下至少一项：监测时间、地理位置、所述光伏发电系统的相似电站的历史发电数据。
29、在上述任一技术方案中，可选地，所述装置还包括模型构建模块，用于：
30、获取训练数据集，所述训练数据集包括所述光伏发电系统的历史监测数据以及与所述历史监测数据对应的历史功率数据；
31、根据所述训练数据集构建所述预设聚类网络和所述预设预测网络；其中所述预设聚类网络包括自组织特征映射网络，所述预设预测网络包括核极限学习机网络。
32、在上述任一技术方案中，可选地，所述模型构建模块，具体用于：
33、获取已构建的所述预设聚类网络输出的多个第一聚类结果；
34、基于多个所述第一聚类结果进行数据分区，得到多个数据区域；
35、根据每个所述数据区域分别训练预设预测网络，得到不同所述数据区域对应的多个所述预设预测网络。
36、在上述任一技术方案中，可选地，所述模型构建模块，具体用于：
37、对多个所述第一聚类结果进行模糊聚类处理，输出多个第二聚类结果；
38、对多个所述第二聚类结果进行数据分区，得到多个所述数据区域。
39、在上述任一技术方案中，可选地，所述光伏监测数据和/或所述历史监测数据包括气象数据；所述气象数据以下至少一项：辐照度、温度、总云量。
40、在上述任一技术方案中，可选地，所述装置还包括：
41、模型调整模块，用于获取所述光伏发电系统的实际发电功率，并利用所述实际发电功率对所述预设聚类网络和所述预设预测网络进行参数调整。
42、第三方面，本技术实施例提供了一种计算机设备，该计算机设备包括处理器和存储器，存储器存储可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
43、第四方面，本技术实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面的方法的步骤。
44、第五方面，本技术实施例提供了一种芯片，该芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面的方法。
45、第六方面，本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面的方法。
46、在本技术实施例中，对光伏发电系统的实时数据进行监测，获取光伏发电系统的光伏监测数据。将获取到的光伏监测数据输入至已构建的预设聚类网络，从而对该光伏监测数据进行聚类处理，实现将高维数据映射到低维空间中，得到该光伏监测数据的数据聚类结果。进一步地，查询与该数据聚类结果的类型对应的预设预测网络，并将该数据聚类结果输入至预设预测网络，输出对光伏发电系统预测的预测发电功率。
47、本技术实施例，提出了一种结合预设聚类网络和预设预测网络的对光伏发电系统的发电功率的混合预测方案，通过预设聚类网络实现对光伏监测数据的聚类，可以很好地划分不同类型的光伏监测数据，以及对不同类型光伏监测数据采用对应的预设预测网络实现发电功率预测，使得预测更加具有针对性，提高了光伏发电短期预测的准确性。
48、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
1.一种光伏发电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，构建预设预测网络，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于多个所述第一聚类结果进行数据分区，得到多个数据区域，包括：
6.根据权利要求3所述的方法，其特征在于，
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：
8.一种光伏发电功率预测装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器存储有在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的光伏发电功率预测方法的步骤。
10.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的光伏发电功率预测方法的步骤。
