本发明涉及电量预测，尤其涉及一种发电量预测方法、装置、设备及存储介质。
背景技术：
1、电力系统是国家建设的重要基础设施之一，它的可靠性和稳定性对于国家能源安全和经济的发展至关重要，电力系统的发电量预测则是实现电力系统可靠运行的重要前提。目前发电量的预测主要是通过负荷侧的用电量也即负荷侧的消耗电量进行预测，然而该方案考虑的因素较为单一，导致发电量预测结果不准确。
技术实现思路
1、本发明提供一种发电量预测方法、装置、设备及存储介质，通过综合考虑电网侧、负荷侧和储能侧，对发电量进行预测，提高了发电量预测结果的准确性。
2、为实现上述目的，本发明实施例提供了一种发电量预测方法，包括：
3、获取历史时间段内的总消耗电量，其中，由n个子历史时间段组成所述历史时间段，n为正整数，所述总消耗电量包括：电网侧消耗电量、负荷侧消耗电量和储能侧消耗电量；
4、基于所述总消耗电量，确定发电侧的发电量时间序列；其中，所述发电量时间序列包括：n个所述子历史时间段及对应每一所述子历史时间段的发电量；
5、将所述发电量时间序列输入至预先训练好的发电量预测模型，得到所述发电侧的发电量；其中，所述发电量预测模型为各类机器学习模型的加权组合，所述加权组合的权重是根据种群优化算法确定的。
6、作为上述方案的改进，所述种群优化算法的目标函数的目标为在所述权重处于预设的取值范围的情况下，最小化所述发电量预测模型的预测误差。
7、作为上述方案的改进，所述获取历史时间段内的总消耗电量，包括：
8、利用电能计算公式计算所述历史时间段内输电线路的电能损失，得到所述电网侧消耗电量；
9、利用预设的关于时间与用户用电量之间的线性关系，计算所述历史时间段内负荷侧各类用户的用电量，将所有所述用电量相加，得到所述负荷侧消耗电量；
10、利用电容储能公式计算储能侧的储能量，得到所述储能侧消耗电量。
11、作为上述方案的改进，所述线性关系的截距为：第一差值除以第二差值的结果；其中，将所述子历史时间段的总数量与第一求和结果的乘积减去所述历史时间段与第二求和结果的乘积得到所述第一差值，将所述子历史时间段的总数量与第三求和结果的乘积减去所述历史时间段的平方得到所述第二差值；对所述子历史时间段与历史用户用电量之间的乘积结果进行求和得到所述第一求和结果，对所述历史用户用电量进行求和得到所述第二求和结果，对所述子历史时间段的平方进行求和得到所述第三求和结果；
12、所述关于时间与用户用电量之间的线性关系的斜率为：平均历史用户用电量减去平均历史时间段与所述截距的乘积的结果。
13、作为上述方案的改进，所述利用电能计算公式计算所述历史时间段内输电线路的电能损失，得到所述电网侧消耗电量，包括：
14、利用电能计算公式计算所述历史时间段内输电线路的电能损失，将所述电能损失作为所述电网侧消耗电量；
15、所述利用电容储能公式计算储能侧的储能量，得到所述储能侧消耗电量，包括：
16、利用电容储能公式计算储能侧的储能量，将所述储能量作为所述储能侧消耗电量。
17、作为上述方案的改进，所述加权组合的权重是根据种群优化算法确定的，包括：
18、初始化种群参数，所述种群中每一个体的位置代表目标函数的一个可行解；
19、更新每一所述个体的位置和速度；
20、根据所述目标函数，计算更新后的所述个体的适应度值；
21、根据每一所述适应度值更新每一所述个体的局部最优位置和所述种群的全局最优位置；
22、判断是否达到最大迭代次数，若是，则输出当前的所述全局最优位置，所述当前的所述全局最优位置为所述权重；否则，则返回至更新每一所述个体的位置和速度的步骤。
23、为实现上述目的，本发明实施例还提供了一种发电量预测装置，包括：
24、总消耗电量获取模块，用于获取历史时间段内的总消耗电量，其中，由n个子历史时间段组成所述历史时间段，n为正整数，所述总消耗电量包括：电网侧消耗电量、负荷侧消耗电量和储能侧消耗电量；
25、发电量时间序列获取模块，用于基于所述总消耗电量，确定发电侧的发电量时间序列；其中，所述发电量时间序列包括：n个所述子历史时间段及对应每一所述子历史时间段的发电量；
26、发电量预测模块，用于将所述发电量时间序列输入至预先训练好的发电量预测模型，得到所述发电侧的发电量；其中，所述发电量预测模型为各类机器学习模型的加权组合，所述加权组合的权重是根据种群优化算法确定的。
27、作为上述方案的改进，所述种群优化算法的目标函数的目标为在所述权重处于预设的取值范围的情况下，最小化所述发电量预测模型的预测误差。
28、为实现上述目的，本发明实施例还提供了一种发电量预测设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述的发电量预测方法。
29、为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述的发电量预测方法。
30、与现有技术相比，本发明实施例提供的一种发电量预测方法、装置、设备及存储介质，通过综合电网侧消耗电量、负荷侧消耗电量和储能侧消耗电量对发电侧的发电量影响，提高发电量预测的准确性，并且由于考虑了其他侧的影响，避免了由于负荷侧用电量波动较大，无法准确预测用电量，导致无法准确预测发电量的现象。此外，本发明实施例还通过使用各类机器学习模型加权组合的发电量预测模型进行发电量的预测，相较单一的机器学习模型得到的发电量更为准确。
1.一种发电量预测方法，其特征在于，包括：
2.如权利要求1所述的发电量预测方法，其特征在于，所述种群优化算法的目标函数的目标为在所述权重处于预设的取值范围的情况下，最小化所述发电量预测模型的预测误差。
3.如权利要求1所述的发电量预测方法，其特征在于，所述获取历史时间段内的总消耗电量，包括：
4.如权利要求3所述的发电量预测方法，其特征在于，所述线性关系的截距为：第一差值除以第二差值的结果；其中，将所述子历史时间段的总数量与第一求和结果的乘积减去所述历史时间段与第二求和结果的乘积得到所述第一差值，将所述子历史时间段的总数量与第三求和结果的乘积减去所述历史时间段的平方得到所述第二差值；对所述子历史时间段与历史用户用电量之间的乘积结果进行求和得到所述第一求和结果，对所述历史用户用电量进行求和得到所述第二求和结果，对所述子历史时间段的平方进行求和得到所述第三求和结果；
5.如权利要求3所述的发电量预测方法，其特征在于，所述利用电能计算公式计算所述历史时间段内输电线路的电能损失，得到所述电网侧消耗电量，包括：
6.如权利要求1所述的发电量预测方法，其特征在于，所述加权组合的权重是根据种群优化算法确定的，包括：
7.一种发电量预测装置，其特征在于，包括：
8.如权利要求7所述的发电量预测装置，其特征在于，所述种群优化算法的目标函数的目标为在所述权重处于预设的取值范围的情况下，最小化所述发电量预测模型的预测误差。
9.一种发电量预测设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～6任一项所述的发电量预测方法。
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包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～6任一项所述的发电量预测方法。
