[發(fā)明專利]一種分布式光伏輸出功率短期預(yù)測模型建模方法

有效

• 申請?zhí)枺?/td>: 201510147668.3
• 申請日: 2015-04-01
• 公開（公告）號: CN104732296A
• 公開（公告）日: 2015-06-24
• 發(fā)明（設(shè)計）人: 陳建國;劉文霞;肖永;杜翠;文賢馗;徐曉波;林呈輝;趙立進(jìn);徐長寶;桂軍國
• 申請（專利權(quán)）人: 貴州電力試驗研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 貴陽中新專利商標(biāo)事務(wù)所 52100
• 代理人: 商小川

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)技術(shù)領(lǐng)域，尤其涉及一種分布式光伏輸出功率短期預(yù)測模型建模方法。

背景技術(shù)

能源和環(huán)境問題促使以光伏為代表的清潔能源獲得了廣泛關(guān)注。由于光照和光伏發(fā)電的自身特性，使得光伏發(fā)電呈現(xiàn)波動性和間歇性的特點(diǎn)。光伏大規(guī)模并網(wǎng)后會對電網(wǎng)的安全、經(jīng)濟(jì)和可靠運(yùn)行產(chǎn)生多方面影響，因此必須獲得光伏出力的短期預(yù)測數(shù)值，對其進(jìn)行主動控制，達(dá)到優(yōu)化調(diào)度。

采用統(tǒng)計法對短期光伏出力進(jìn)行預(yù)測時，多依賴于光伏電站所在位置的歷史光照數(shù)據(jù)。傳統(tǒng)方法是基于影響因子與光伏出力間緊密的關(guān)聯(lián)特性，從而通過訓(xùn)練預(yù)測。然而在光伏規(guī)模化并網(wǎng)后，在每個光伏安裝點(diǎn)裝設(shè)氣象量測裝置會導(dǎo)致投資過大，只能使多個光伏裝置采用同一點(diǎn)量測值，因此光伏出力與氣象量測點(diǎn)采集數(shù)據(jù)耦合性勢必有所弱化，傳統(tǒng)預(yù)測方法的精度不足，適用性降低。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題：提供一種分布式光伏輸出功率短期預(yù)測模型建模方法，以解決現(xiàn)有技術(shù)采用傳統(tǒng)統(tǒng)計法對短期光伏出力進(jìn)行預(yù)測，適用性低，預(yù)測精度低等問題。

本發(fā)明技術(shù)方案：

一種分布式光伏輸出功率短期預(yù)測模型建模方法，它包括下述步驟：

步驟1、從電力機(jī)構(gòu)獲取光伏歷史出力歷史數(shù)據(jù)，從氣象監(jiān)測點(diǎn)獲取光伏出力采樣時刻對應(yīng)的氣象因素數(shù)據(jù)，它包括光照強(qiáng)度、溫度和風(fēng)速數(shù)據(jù)，進(jìn)行歸一化處理；

步驟2、利用皮爾遜相關(guān)系數(shù)分析法分析歸一化處理后的數(shù)據(jù)，得到光伏出力與光照強(qiáng)度、溫度和風(fēng)速數(shù)據(jù)之間的相關(guān)系數(shù)；

步驟3、將相關(guān)系數(shù)不小于0.5的氣象因素數(shù)據(jù)通過灰色關(guān)聯(lián)度分析法進(jìn)行分析，確定待預(yù)測日的相似日；

步驟4、將相似日的光伏出力數(shù)據(jù)和相關(guān)系數(shù)不小于0.5的氣象因素數(shù)據(jù)作為模型的輸入條件構(gòu)建????????????????????????????????????????????????支持向量回歸機(jī)預(yù)測模型；

步驟5、通過兩階段確定支持向量回歸機(jī)預(yù)測模型參數(shù)，得到完整的分布式光伏輸出功率短期預(yù)測模型。

步驟5所述的通過兩階段確定支持向量回歸機(jī)預(yù)測模型參數(shù)指的是確定懲罰系數(shù)C、不敏感參數(shù)和核參數(shù)p的數(shù)值，它包括下述步驟：a、使用全局網(wǎng)格搜索法，按照步長為0.001--1增加懲罰系數(shù)C、不敏感參數(shù)和核參數(shù)p的數(shù)值，確定不敏感參數(shù)的值、懲罰系數(shù)C和核參數(shù)p的變化范圍，通過參數(shù)自適應(yīng)調(diào)整的差分進(jìn)化算法確定懲罰系數(shù)C和核參數(shù)p的數(shù)值。

本發(fā)明的有益效果：

本發(fā)明建立的分布式光伏輸出功率短期預(yù)測模型，通過灰色關(guān)聯(lián)度分析法（Grey?Analysis，GRA），選取了與待預(yù)測日有較強(qiáng)相關(guān)性的相似日訓(xùn)練數(shù)據(jù)作為訓(xùn)練樣本；采用具有良好小樣本泛化能力的預(yù)測模型，構(gòu)建了基于相似日的預(yù)測模型，提高了樣本間的相似性，提高了預(yù)測精度，使用該模型，可以減少訓(xùn)練樣本的選取，擴(kuò)大適用范圍，并采用全局網(wǎng)格搜索（Grid?Search，GS）與參數(shù)自適應(yīng)調(diào)整的差分進(jìn)化算法（Self-adaptive?Differential?Evolution，SADE）相結(jié)合的方法對進(jìn)行參數(shù)調(diào)整，提高了參數(shù)選擇的準(zhǔn)確性，減少了訓(xùn)練時間，在實(shí)際工作中有較強(qiáng)的實(shí)用價值，形成針對影響因子弱耦合問題的GRA-GS/SADE-SVR短期光伏出力預(yù)測模型，解決了現(xiàn)有技術(shù)采用傳統(tǒng)統(tǒng)計法對短期光伏出力進(jìn)行預(yù)測，適用性低，預(yù)測精度低等問題。

附圖說明：

圖1?本發(fā)明實(shí)施例分布式光伏連續(xù)四天出力情況示意圖；

圖2為本發(fā)明實(shí)施例中隨參數(shù)變化的均方根誤差示意圖；

圖3為本發(fā)明實(shí)施例中均方根誤差隨參數(shù)C和p的變化情況示意圖；

圖4為本發(fā)明實(shí)施例中BP神經(jīng)網(wǎng)絡(luò)預(yù)測值、采用本發(fā)明模型預(yù)測值與真實(shí)值的比較示意圖；

圖5為本發(fā)明實(shí)施例中BP網(wǎng)絡(luò)神經(jīng)預(yù)測值、采用本發(fā)明模型預(yù)測值與真實(shí)值的局部比較示意圖；

圖6為本發(fā)明實(shí)施例中BP網(wǎng)絡(luò)神經(jīng)預(yù)測值、采用本發(fā)明模型預(yù)測值與真實(shí)值的絕對誤差曲線示意圖。

具體實(shí)施方式

一種分布式光伏輸出功率短期預(yù)測模型建模方法，它包括下述步驟：

步驟1、從電力機(jī)構(gòu)選取光伏出力歷史數(shù)據(jù)，從氣象監(jiān)測點(diǎn)獲取光伏出力采樣時刻對應(yīng)的氣象因素數(shù)據(jù)，它包括光照強(qiáng)度、溫度和風(fēng)速數(shù)據(jù)，進(jìn)行歸一化處理；