本发明涉及数据处理，尤其涉及一种光伏功率集成预测模型的确定方法、装置、设备以及介质。
背景技术：
1、我国光伏装机占比不断提高，光伏发电在能源领域占据越来越重要的地位。然而，光伏发电受到辐照度、太阳高度角等多种因素的影响，光伏发电具有较强的不确定性与波动性，大规模的光伏接入对电网的安全稳定运行带来了极大挑战。准确的光伏功率预测是应对上述挑战的有效手段。
2、目前，现有光伏功率预测方法主要依据辐照度预报结果构建预测模型进行光伏功率预测，然而光伏场站功率预测时间尺度场景种类多，不同时间尺度条件下光伏场站功率预测模型性能差异较大，采用单一预测模型进行光伏功率预测精度较低，难以满足电力系统调度应用需求。
技术实现思路
1、本发明实施例提供了一种光伏功率集成预测模型的确定方法、装置、设备以及介质，以实现光伏场站不同时间尺度场景下的自适应功率预测，提升光伏功率预测的精度。
2、第一方面，本发明实施例提供了一种光伏功率集成预测模型的确定方法，该方法包括：
3、基于目标光伏场站对应的历史数值天气预报以及历史功率，确定多个类型的样本集；其中，不同类型的所述样本集用于训练不同时间尺度的功率预测模型，所述不同时间尺度包括：小时时间尺度、日时间尺度和周以上时间尺度；
4、对各所述样本集，基于当前样本集和灰狼优化算法对模型结构不同的多个功率预测模型进行超参数调优，得到与所述当前样本集关联的多个待训练功率预测模型；
5、基于所述当前样本集训练各所述待训练功率预测模型，得到与所述当前样本集对应的多个候选功率预测模型，并基于各所述候选功率预测模型对应的模型评估准确率，从与所述多个候选功率预测模型中确定预设数量的目标功率预测模型；
6、基于各所述样本集对应的各所述目标功率预测模型，确定与所述目标光伏场站对应的光伏功率集成预测模型。
7、第二方面，本发明实施例还提供了一种光伏功率集成预测模型的确定装置，该装置包括：
8、样本集确定模块，用于基于目标光伏场站对应的历史数值天气预报以及历史功率，确定多个类型的样本集；其中，不同类型的所述样本集用于训练不同时间尺度的功率预测模型，所述不同时间尺度包括：小时时间尺度、日时间尺度和周以上时间尺度；
9、模型超参数调优模块，用于对各所述样本集，基于当前样本集和灰狼优化算法对模型结构不同的多个功率预测模型进行超参数调优，得到与所述当前样本集关联的多个待训练功率预测模型；
10、模型训练模块，用于基于所述当前样本集训练各所述待训练功率预测模型，得到与所述当前样本集对应的多个候选功率预测模型，并基于各所述候选功率预测模型对应的模型评估准确率，从与所述多个候选功率预测模型中确定预设数量的目标功率预测模型；
11、集成模型确定模块，用于基于各所述样本集对应的各所述目标功率预测模型，确定与所述目标光伏场站对应的光伏功率集成预测模型。
12、第三方面，本发明实施例还提供了一种电子设备，电子设备包括：
13、一个或多个处理器；
14、存储装置，用于存储一个或多个程序，
15、当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本发明实施例任一的光伏功率集成预测模型的确定方法。
16、第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一的光伏功率集成预测模型的确定方法。
17、本发明实施例的技术方案，通过基于目标光伏场站对应的历史数值天气预报以及历史功率，确定多个类型的样本集，其中，不同类型的样本集用于训练不同时间尺度的功率预测模型，不同时间尺度包括：小时时间尺度、日时间尺度和周以上时间尺度，从而，对各样本集，基于当前样本集和灰狼优化算法对模型结构不同的多个功率预测模型进行超参数调优，得到与当前样本集关联的多个待训练功率预测模型，进而，基于当前样本集训练各待训练功率预测模型，得到与当前样本集对应的多个候选功率预测模型，并基于各候选功率预测模型对应的模型评估准确率，从与多个候选功率预测模型中确定预设数量的目标功率预测模型，进一步的，基于各样本集对应的各目标功率预测模型，确定与目标光伏场站对应的光伏功率集成预测模型。本发明的技术方案，所得到的光伏功率集成预测模型实现了光伏场站不同时间尺度场景下的自适应功率预测，提升了光伏功率预测的精度。
1.一种光伏功率集成预测模型的确定方法，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，所述多个类型的样本集包括：与小时时间尺度对应的第一样本集、与日时间尺度对应的第二样本集、与周以上时间尺度对应的第三样本集，所述基于目标光伏场站对应的历史数值天气预报以及历史功率，确定多个类型的样本集，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于当前样本集和灰狼优化算法对模型结构不同的多个功率预测模型进行超参数调优，得到与所述当前样本集关联的多个待训练功率预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述当前样本集和灰狼优化算法，确定所述功率预测模型对应的最优超参数指标取值，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述当前样本集、所述初始化参数和所述各个灰狼对应的灰狼初始值，采用灰狼优化算法循环迭代确定狼群中最优灰狼，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于各所述候选功率预测模型对应的模型评估准确率，从与所述多个候选功率预测模型中确定预设数量的目标功率预测模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种光伏功率集成预测模型的确定装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的光伏功率集成预测模型的确定方法。
