[發明專利]基于自回歸滑動平均模型的光伏發電功率超短期預測方法

在審

• 申請號: 201410163598.6
• 申請日: 2014-04-22
• 公開（公告）號: CN103927601A
• 公開（公告）日: 2014-07-16
• 發明（設計）人: 汪寧渤;路亮;劉光途;王定美;呂清泉
• 申請（專利權）人: 國家電網公司;國網甘肅省電力公司;甘肅省電力公司風電技術中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 宋敏

1.一種基于自回歸滑動平均模型的光伏發電功率超短期預測方法，其特征在于，包括輸入數據得到自回歸滑動平均模型參數；

輸入光伏發電功率預測所需輸入數據到根據上述自回歸滑動平均模型的參數確定的自回歸滑動平均模型中得到預測結果。

2.根據權利要求1所述的基于自回歸滑動平均模型的光伏發電功率超短期預測方法，其特征在于，所述輸入數據得到自回歸滑動平均模型參數包括，步驟101、輸入模型訓練基礎數據；

步驟102、模型定階；

步驟103、采用矩估計方法對定階的ARMA(p,q)模型參數進行估計。

3.根據權利要求2所述的基于自回歸滑動平均模型的光伏發電功率超短期預測方法，其特征在于，所述步驟101輸入模型訓練基礎數據，輸入數據包括，光伏電站基礎信息、歷史輻照度數據、歷史功率數據和地理信息系統數據。

4.根據權利要求3所述的基于自回歸滑動平均模型的光伏發電功率超短期預測方法，其特征在于，所述步驟102模型定階：

采用殘差方差圖法進行模型定階，具體為設x_t為需要估計的項，x_t-1,x_t-2,...,x_t-n為已知歷史功率序列，對于ARMA(p,q)模型，模型定階即確定模型中參數p和q的值；

用系列階數逐漸遞增的模型擬合原始序列，每次都計算殘差平方和然后畫出階數和的圖形，當階數由小增大時，會顯著下降，達到真實階數后的值會逐漸趨于平緩，甚至反而增大，

擬合誤差的平方和/(實際觀測值個數-模型參數個數)，

實際觀測值個數指擬合模型時實際使用的觀察值項數，對于具有N個觀察值的序列，擬合AR(p)模型，則實際使用的觀察值最多為N-p，模型參數個數指所建立的模型中實際包含的參數個數，對于含有均值的模型，模型參數個數為模型階數加1，對于N個觀測值的序列，ARMA模型的殘差估計式為：

其中，Q為擬合誤差的平方和函數，和θ_j(1≤j≤q)是模型系數，N是觀測序列長度，是模型參數中的常數項。

5.根據權利要求4所述的基于自回歸滑動平均模型的光伏發電功率超短期預測方法，其特征在于，所述步驟103采用矩估計方法對定階的ARMA(p,q)模型參數進行估計具體步驟為：

將光伏電站歷史功率數據利用數據序列x₁,x₂,...,x_t表示，其樣本自協方差定義為

γ^k=1nΣt=k+1nxtxt-k,]]>

其中，k＝0,1,2,...,n-1，x_t和x_t-k均為數據序列x₁,x₂,...,x_t中的數值；

則γ^0=1nΣt=1nxt2]]>

則歷史功率數據樣本自相關函數為：

ρ^k=γ^kγ^0=1nΣt=k+1nxtxt-k1nΣt=1nxt2=Σt=k+1nxtxt-kΣt=1nxt2,]]>

其中，k＝0,1,2,...,n-1；

AR部分的矩估計為，

令

則協方差函數為

用的估計代替γ_k，

可得參數

對MA(q)模型系數θ₁,θ₂,...,θ_q采用矩估計有

γ0(yt)=(1+θ12+θ22+...+θq2)σa2]]>直到

γk(yt)=(-θk+θ1θk+1+...+θq-kθq)σa2]]>

其中k＝1,2,...,m，

以上m+1個方程非線性方程，采用迭代法進行求解即得到自回歸滑動平均模型參數。