[發明專利]訓練方法、所適用的預測發電功率的方法及各自系統

有效

• 申請號: 201610004421.0
• 申請日: 2016-01-05
• 公開（公告）號: CN105701562B
• 公開（公告）日: 2019-12-17
• 發明（設計）人: 顧書玉;張進偉;張春曉;馮汝偉;朱忠華;劉艷
• 申請（專利權）人: 上海思源弘瑞自動化有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆;胡彬

1.一種光伏電站模型的訓練方法，其特征在于，包括：

獲取根據歷史實測的光伏電站相關信息所構建的樣本集合；其中，所述樣本集合中每個樣本包含溫度值、地面輻射值、實際發電功率值；

采用網格搜索的方式，更換基于SVM所構建的模型中的各常量參數，并利用所述樣本集合中的各溫度值和地面輻射值對所述模型進行預測訓練，直至得到所述模型所訓練出的預測發電功率值與所述樣本集合中的實際發電功率值的誤差最小；

所述采用網格搜索更換基于SVM所構建的模型中的各常量參數的方式包括：

2-1)在預設的線性區間內，遍歷的選擇基于SVM所構建的模型中的各常量參數，并利用每次所選擇的常量參數構建基于SVM所構建的模型；

2-2)利用所述樣本集合中的各溫度值和地面輻射值對當前所構建的模型進行預測訓練，并計算利用當前模型預測的發電功率值與所述樣本集合中的實際發電功率值的誤差；

2-3)選取各誤差中最小值所對應的常量參數；

在確定了誤差最小的模型所對應的常量參數后，還包括：

2-4)在以所選取的常量參數在網格中的位置為中心的預設范圍內，按照預設步長進一步遍歷各常量參數，并利用所選擇的各常量參數構建基于SVM所構建的模型；

2-5)利用所述樣本集合中的各溫度值和地面輻射值對當前構建的模型進行預測訓練，并計算利用當前模型預測的發電功率值與所述樣本集合中的實際發電功率值的誤差；

2-6)再次選取所確定的所有誤差中最小值所對應的常量參數；當所選取的誤差最小值仍為步驟2-3)中所選擇的誤差，則調整2-4)中的步長和預設范圍，再次執行步驟2-4)至2-6)；

所述獲取根據歷史實測的光伏電站相關信息所構建的樣本集合的方式包括：

選取光伏電站所記錄的符合預設條件的歷史實測的包含溫度值、地面輻射值和實際發電功率值的光伏電站相關信息；

從所選取的歷史實測的光伏電站相關信息中，剔除可被等價替換的光伏電站相關信息，并得到樣本集合；

將所得到的樣本集合中各溫度值、地面輻射值和實際發電功率值分別進行歸一化處理，得到模型訓練所需要的樣本集合。

2.根據權利要求1所述的光伏電站模型的訓練方法，其特征在于，所述從所選取的歷史實測的光伏電站相關信息中，剔除可被等價替換的光伏電站相關信息，并得到樣本集合的方式包括：

遍歷的比較歷史實測的兩個光伏電站相關信息中的溫度值和地面輻射值是否分別滿足預設的等價條件；

若是，則將根據該兩個光伏電站相關信息中的兩實際發電功率值的加權處理，更換其中一個實際發電功率值，并將更換后的光伏電站相關信息作為樣本，丟棄另一個光伏電站相關信息；

若否，則將其中一個光伏電站相關信息作為樣本。

3.根據權利要求1所述的光伏電站模型的訓練方法，其特征在于，在每次計算誤差之后，還包括：

按照預設的訓練時長門限、和/或誤差上限，進行提前結束訓練判斷的步驟。

4.一種預測光伏電站的發電功率的方法，其特征在于，包括：

獲取預測的不同時刻的溫度值、地面輻射值；

將各所述溫度值、地面輻射值輸入由權利要求1-3中任一所述的訓練方法所訓練的模型，得到預測的所述光伏電站在所述不同時刻的發電功率。

5.根據權利要求4所述的預測光伏電站的發電功率的方法，其特征在于，在獲取預測的不同時刻的溫度值、地面輻射值的步驟之后，還包括：

根據預測日之前的若干日的實測各地面輻射值、和當時預報的各地面輻射值的比較結果，對所獲取的預測日的各地面輻射值進行過濾優化；

將經過過濾優化后的各地面輻射值和對應的溫度值輸入所述模型，以得到預測的各發電功率值。

6.根據權利要求5所述的預測光伏電站的發電功率的方法，其特征在于，在得到預測的各發電功率后，還包括：

利用與所述預測日之前的天氣情況近似的各歷史實測發電功率，對所得到的預測的各發電功率進行修正。