本发明涉及计算机处理，尤其涉及一种发电功率预测方法、装置、设备及介质。
背景技术：
1、近年来，随着新能源的推广，新能源发电在电力系统中所占比例也日益增加。然而，在大气动力学的影响下，风、光的稀疏密度、波动性和间歇性等特征所引发的频率不可控、电压波动和谐波等问题，会导致发电的不确定性和电网运维成本的增加，影响电力系统安全性和稳定性，因此，为了应对这种不确定性，需要对新能源电站的发电功率进行预测，以确保能源的安全和稳定。
2、目前，对新能源电站的发电功率进行预测的方式通常是基于未来时间段内的天气参数与发电功率之间的映射关系，预测未来时间段内的发电功率。但是对于分布式新能源电站来说，电站的地理位置较分散，部署的监测天气的设备不完善，难以准确的采集到当地的天气参数，存在功率预测准确性差的问题。
技术实现思路
1、本发明提供了一种发电功率预测方法、装置、设备及介质，以实现达到提高发电功率预测准确性的技术效果。
2、根据本发明的一方面，提供了一种发电功率预测方法，该方法包括：
3、获取待测发电站所属区域在待预测时长内的天气数据；
4、将所述天气数据输入至预先训练好的功率波动模式识别模型中，得到预测功率波动模式；其中，所述功率波动模式识别模型是基于历史发电功率数据和与所述历史发电功率数据相对应的功率波动模式标签训练得到的；所述功率波动模式标签是基于所述历史发电功率数据在至少两个功率波动评价指标下的功率波动属性确定的；所述历史发电功率数据中包括输出功率数据和天气数据；
5、将所述天气数据输入至与所述预测功率波动模式相对应的功率预测模型中，得到所述待测发电站在所述待预测时长内的发电功率预测数据；其中，不同的功率预测模型是基于不同功率波动模式所对应的历史发电功率数据的样本特征矩阵和时变邻接矩阵训练得到的。
6、根据本发明的另一方面，提供了一种发电功率预测装置，该装置包括：
7、天气数据获取模块，用于获取待测发电站所属区域在待预测时长内的天气数据；
8、功率波动模式确定模块，用于将所述天气数据输入至预先训练好的功率波动模式识别模型中，得到预测功率波动模式；其中，所述功率波动模式识别模型是基于历史发电功率数据和与所述历史发电功率数据相对应的功率波动模式标签训练得到的；所述功率波动模式标签是基于所述历史发电功率数据在至少两个功率波动评价指标下的功率波动属性确定的；所述历史发电功率数据中包括输出功率数据和天气数据；
9、发电功率预测数据确定模块，用于将所述天气数据输入至与所述预测功率波动模式相对应的功率预测模型中，得到所述待测发电站在所述待预测时长内的发电功率预测数据；其中，不同的功率预测模型是基于不同功率波动模式所对应的历史发电功率数据的样本特征矩阵和时变邻接矩阵训练得到的。
10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的发电功率预测方法。
14、根据本发明的另一方面，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本发明任一实施例所述的发电功率预测方法。
15、本发明实施例的技术方案，通过获取待测发电站所属区域在待预测时长内的天气数据；将天气数据输入至预先训练好的功率波动模式识别模型中，得到预测功率波动模式；将天气数据输入至与预测功率波动模式相对应的功率预测模型中，得到待测发电站在待预测时长内的发电功率预测数据，解决了现有技术中通过天气参数和发电功率之前的映射关系，预测发电功率，导致功率预测准确性差的问题，实现了通过基于至少两个功率波动评价指标评价历史发电功率数据的功率波动属性，根据不同的功率波动属性为历史发电功率数据确定功率波动模式标签，提高功率波动模式评估的准确性，进而，基于历史发电功率数据及其对应的功率波动模式标签训练得到的功率波动模式识别模型，确定与天气数据相对应的预测功率波动模式，使得预测功率波动模式能够真实反映待预测时长内的功率波动，有效的应对电站功率的波动性和不确定性，进而，通过与预测功率波动模式相对应的功率预测模型根据天气数据，确定发电功率预测数据，提高功率预测的准确性，以通过预测的发电功率进行能源调度，从而保障能源供应可靠性。
16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种发电功率预测方法，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，还包括：
3.根据权利要求2所述的方法，其特征在于，所述确定所述历史发电功率数据在每个功率波动评价指标下的功率波动属性，包括：
4.根据权利要求2所述的方法，其特征在于，所述确定所述历史发电功率数据在每个功率波动评价指标下的功率波动属性，包括：
5.根据权利要求2所述的方法，其特征在于，所述待训练模型包括功率预测模型，所述基于每个历史发电功率数据和与其对应的功率波动模式标签，对待训练模型进行训练，以得到训练好的模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述空间层级包括第一聚类发电层级，所述基于同一功率波动模式标签对应的所有历史发电功率数据，分别确定至少三个空间层级所对应的样本数据集，包括：
7.根据权利要求5所述的方法，其特征在于，所述空间层级包括第二分类发电层级，所述基于同一功率波动模式标签对应的所有历史发电功率数据，分别确定至少三个空间层级所对应的样本数据集，包括：
8.一种发电功率预测装置，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中任一项所述的发电功率预测方法。
