[發明專利]一種應用于光伏發電系統的短期發電功率預測方法

有效

• 申請號: 201210516497.3
• 申請日: 2012-12-05
• 公開（公告）號: CN103049798A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 鄭增威;陳垣毅;霍梅梅
• 申請（專利權）人: 浙江大學城市學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 浙江杭州金通專利事務所有限公司 33100
• 代理人: 趙紅英

技術領域

本發明涉及一種應用于光伏發電系統的短期發電功率預測方法，具體的說，涉及一種基于經驗模態分解（Empirical?Mode?Decomposition，簡稱EMD）和遺傳算法-BP神經網絡（Genetic?Algorithm-Back?Propagation?NeuralNetwork，簡稱GA-BPNN）的短期光伏發電預測方法。

背景技術

由于化石燃料的日益枯竭及其所帶來的環境污染問題，世界各國都在不遺余力地發展利用可再生能源。而地球所接受到的太陽能，雖只占太陽表面發出的全部能量的二十億分之一左右，但是這些能量相當于全球所需總能量的3-4萬倍，可謂取之不盡，用之不竭。太陽能和石油、煤炭等礦物燃料不同，不會導致“溫室效應”和全球性氣候變化，也不會造成環境污染。太陽能已經成為世界各國緩解化石燃料資源不足，改善環境的重要戰略之一，已經被列為2l世紀的重要替代能源。而將太陽光直接轉化為電能，即光伏發電是運用最廣泛，最有發展前途的太陽能利用技術。隨著技術的不斷進步和光伏組件成本的逐步降低，光伏發電與傳統能源發電方式相比具有愈來愈顯著的社會效益和經濟效益。我國擁有豐富的太陽能資源，在光伏發電領域也取得了很大的進展，并且實施了《可再生能源法》，為發展光伏發電提供了法律保障。目前，光伏發電已具備大規模商業開發的技術和經濟條件，其在大電網中所占的比例不斷提高。

但是，太陽能受天氣、季節、大氣情況、云層厚度等等多種因素影響再加上各用戶或小區使用的光伏電池種類及其安裝位置隨機，使光伏發電成為屬于波動性和間歇性電源。光伏發電系統相對于大電網是一個不可控源，隨著大量的光伏發電接入電網，勢必會對電力系統的安全、穩定運行以及保證電能質量帶來嚴峻挑戰，從而限制光伏發電的發展規模。同時，由于電能的特殊性，即生產、輸送、分配、消費是同時進行的，電能難以貯存，或者說貯存能力極小而代價高昂。光伏發電應該在滿足系統內負荷需求的情況下，生產多少就使用多少。從發電企業(光伏發電場)的角度來考慮，將來光伏發電一旦參與市場競爭，相比于其它可控的發電方式，光伏發電的間歇性將大大削弱光伏發電的競爭力，而且還會由于供電的不可靠性受到經濟損失。提前對光伏發電功率進行預測，將在很大程度上提高光伏發電的市場競爭力。

綜上可知，對光伏發電的發電功率進行短期預測，將使電力調度部門能夠提前根據發電功率變化及時調整調度計劃，保證電能質量，減少系統的備用容量，降低電力系統運行成本。同時，這也是減輕光伏發電對電網造成不利影響、提高電網中光伏發電比例的一種有效途徑。

發明內容

本發明所要解決的技術問題是：設計開發一種基于經驗模態分解和遺傳算法-BP神經網絡的短期光伏發電功率預測方法，能夠準確的預測光伏發電系統的發電功率，使電力調度部門能夠合理調度發電容量，充分的利用太陽能資源，獲得更多的經濟效益和社會效益。

為了解決上述技術問題，本發明采用以下技術方案：

一種應用于光伏發電系統的短期發電功率預測方法，其特征在于它包括兩個階段：①將原始發電功率信號進行經驗模態分解；②為每個分解分量構建基于遺傳算法的BP神經網絡預測模型；

1）原始發電功率信號進行經驗模態分解：首先使用卡爾曼濾波器消除原始發電功率樣本值中的異常數據并使用互信息理論選擇最小特征子集，將預處理后的發電功率信號使用經驗模態分解得到由低頻到高頻的一系列本征模組成分量信號和一個剩余分量信號；

2）構建BP神經網絡預測模型：針對發電功率信號經過經驗模態分解得到的各個分量自身的規律和特點，分別為其構建基于遺傳算法的BP神經網絡預測模型，并聚合各個分量的預測值得到最終的發電功率預測結果。

給的一個原始信號s(t)，經驗模態分解過程如下：

1）找出s(t)的所有極值點，并用三次樣條插值函數擬合形成原數據的上包絡線s_max(t)；同樣，找出所有的極小值點，并將所有的極小值點通過三次樣條插值函數擬合形成數據的下包絡線s_min(t)；

2）計算上包絡線和下包絡線的平均值m_j(t)=(s_max(t)+s_min(t))/2，提取剩余部分：h_j(t)=s_j(t)-m_j(t)；