设计标准

交互模式

    采用C/S架构，用户端只部署用户端程序，不需要额外部署预测系统，减少用户资源占用，降低用户成本。

安全保障

    通过加密认证的密钥进行点对点的交互模式，更加安全可靠。且服务器端提供 硬件防火墙、访问控制、身份验证、加密等安全措施来保护数据和系统免受恶意攻击。

扩展、更新

    服务端采用模块化设计，有着高可用，易拓展的特性。

    服务端提供接口级支持，服务端升级不影响客户端使用，客户端用户无感知更新。

支持跨平台

    系统支持跨平台运行，支持Linux/Unix、Windows、Mac 等系统，具有很高的移植性。

经济性

    系统以实用作为设计目标，通过互联网技术，并且根据光伏企业现有系统实际情况，设计具体方案，减少不必要投入，降低用户成本。

系统架构

    系统采用C/S架构，基于JDK11、VUE、Redis、MySQL、Spring boot、Sa-Token的光伏发电功率预测系统。采用模块化开发，支持模块级升降级。

网络拓扑图

    光伏发电功率预测系统依托于气象监测数据、气象预测数据、实际光伏功率数据，通过光伏功率预测系统分析处理得到预测数据。

    气象监测仪动态获取实际气象数据，传输至用户端程序。

    用户端程序将采集到的实际光伏功率数据、实际气象数据通过防火墙上传至预测系统服务器。预测系统通过解析实际气象数据和预测气象数据，对其差异进行细化分析，针对未来几日气象数据提供相对更准确的预报精度。

    根据气象数据结合实际光伏功率数据，结合人工智能LTSM数据模型、时序模型运算分析得出预算结果。光伏功率预测系统将预测结果推送至用户端程序，用户端程序再将预测结果、实际气象监测结果推送至电网调度中心。

    为保障系统的安全性，配置防火墙防护以及公私钥认证。客户端与服务端交互时，客户端提供公钥加密数据，服务端进行私钥解密认证，认证失败客户端请求将会被系统拒绝。

硬件配置

服务器

    光伏功率预测系统需要配置2台服务器：用户端服务器与光伏功率预测服务器。

    两台服务器通过Https接口请求，客户端请求预测服务器时，必须通过防火墙验证。两台服务器交互时，客户端需要将认证信息提交至预测服务器，预测服务器通过私钥进行验证此次请求是否合法，对于非法请求进行拒绝，以保证系统的安全性。

    用户端服务器负责采集实际气象数据、实际功率数据传输至预测系统服务器；

    获取光伏功率预测结果，进行展示；

    并将光伏功率预测结果，实际监测结果上传至电网调度中心。

光伏功率预测服务器

    光伏功率预测服务器负责接收实际气象数据、实际功率数据；获取气象预测数据；将实际气象数据、预测气象数据对其差异进行细化分析，得出更精准的气象数据；根据气象数据、实际功率数据通过AI LTSM数据模型、时序模型运算分析得出预算结果；

    将预测结果、预测气象传输到用户端服务器。

气象采集

    气象服务中心将辐射、温度、湿度、风速、风向、气压等数据推送至预测系统服务器。

技术参数

    1. 系统畅通率：≥95%

    2. 系统触发频率：定时上报

    3. 支持IEC102协议，Https协议

数据采集和处理

    温度、湿度、气压、辐射、组件温度采样频率每分钟6次取样，用户端服务器将每分钟内6次采样结果，去掉最大值和最小值的不稳定因素，用余下的4个样本值求出平均值作为采样实际值。

    风速、风向采样频率为每秒钟一次，计算十分钟风速平均值，作为采样实际值。

    实际光伏功率采样频率为每十五分钟一次作为实际采样值。

供电系统

    服务端供电使用服务器机房工业供电

    用户端服务器供电由用户决定采用市供电或光伏电站供电，推荐使用市供电。

网络通讯

    1. 数据上报间隔时间可调

    2. 系统畅通率≥95%

    3. 光伏功率预测系统支持多种通讯接口

        a) 互联网Http协议

    4. 支持RESTful 接口级定制开发

    5. 支持关系型数据库、非关系型数据库交互 （注：MySQL、Redis）

数据接口

    用户端和服务端之间采用RESTful接口进行通交流，采用Https请求和加密钥认证的形式。这种方式可以保证系统之间通信的轻量化，降低用户端和服务端的负载，提高数据传输效率，从而减少带宽占用。

    用户端与电网调度端之间采用IEC-102协议，该协议具有高效性和稳定性，支持点对点通信和广播通信。同时，该协议具有多种数据传输格式，包括二进制、ASCII码和BCD码等，以保障数据传输的安全性。这些特点使得该协议在数据传输方面具有高效、稳定、安全可靠的优点。

技术特点

    光伏发电功率预测系统采用了LSTM时间序列模型和WRF气象模型等多种算法，根据预测时间的不同，将这些算法组合成预测模型。对于每种算法的预测结果，选择适当的权重进行加权平均，以得到最终的预测结果。权重的选择采用等权平均法或最小方差法，以保证预测的准确性和精度。

预测原理

    根据光伏发电场所在地的气候特征和历史数据，采用适当的预测方法来构建特定的预测模型，以进行光伏功率预测。根据预测时间尺度以及实际应用需求的不同，我们可以采用多种不同的方法和模型进行预测。这些方法和模型可以包括时间序列分析、机器学习模型、统计模型等，并且需要对数据进行深入分析和处理，以获得更准确的预测结果。此外，我们还可以根据实际应用的具体情况来选择最合适的预测方法和模型，以提高预测的准确性和可靠性。

预测模型及建模

    光伏发电功率预测系统以物理模型、统计模型或物理统计混合模型为基础，针对不同光伏发电场采用不同的预测模型。对于新建发电场，该系统可以实现预测模型与光伏电站同步投运。这种针对不同情况的多样化模型选择，使得该系统能够更加准确地预测光伏发电功率，并且更好地适应不同光伏电站的需求。

预测要求

    1. 能够预测最小单位为一个的光伏电站

    2. 短期光伏发电功率预测可以预测未来0-24小时、0-48小时和0-72小时之内光伏发电输出功率，时间分辨率为15分钟。

    3. 超短期光伏发电功率预测则能预测未来0h-4h的光伏发电输出功率，时间分辨率不小于15分钟。

数据上传

    光伏发电功率预测系统可以根据调度部门的要求向调度机构上报未来0-24小时、0-48小时和0-72小时的短期光伏发电功率预测曲线，同时还可以提供未来0-168小时的中长期光伏发电功率预测曲线。此外，系统每15分钟上报一次未来4小时的超短期预测曲线，时间分辨率不小于15分钟。这些预测数据可以为调度机构提供更加准确的光伏发电功率信息，以便于做出合理的电力调度和能源管理决策。

系统能力支撑

    1. 光伏发电功率预测系统不受光伏发电场数量的限制，可以适用于不同规模和类型的光伏发电场。

    2. 该系统还具有良好的适应性和灵活性，可以不受光伏发电场机组检修和扩建的影响，即使在机组运行状态发生变化时，也能够进行准确的功率预测。

    3. 该系统的预测模型计算时间小于5分钟。

    4. 单个光伏电站短期预测月均方根误差小于20%。超短期4小时预测值月均方根误差小于15%。

    5. 系统硬件可靠性大于99%。系统软件月可利用率大于99%。

服务端远程更新

    预测模型远程更新：根据气候的季节性变化以及不同区域的相互影响，我们可以及时优化预测模型，并提升预测的准确度，以此来更好地满足用户的需求。

    预测参数远程更新：此外，针对极端天气和风电设备运行状态的变化，我们能够及时发送预测参数，从而确保预测的准确性。

      光伏发电功率预测系统采用了LSTM时间序列模型和WRF气象模型等多种算法，根据预测时间的不同，将这些算法组合成预测模型。对于每种算法的预测结果，选择适当的权重进行加权平均，以得到最终的预测结果。权重的选择采用等权平均法或最小方差法，以保证预测的准确性和精度。

      光伏发电功率预测系统不仅仅是提高电网的安全性、平稳性，于此同时也提高了光伏电站的运营管理效率，灵活管理光伏电站，从而为光伏发电企业带来经济效益。

      光伏发电功率为预测降低电网调度难度，提高电力并网的友好性做出了积极贡献。通过预测数据可以帮助电网调度合理安排发电计划，合理增加或减少光伏发电上网小时数，大大提高了电网消纳能力。减少碳排放的同时，实现了真正意义的降低成本。

      通过对未来光伏发电功率预测，可以提高光伏发电企业的运维管理水平。例如 每月常规检修时，可以根据发电的预测功率预测结果，选择在发电功率较低的时间段，进行检修。在发电功率较好的时间段，增加发电小时数，节能减排的同时提高经济效益。