[發(fā)明專利]訓練方法、所適用的預測發(fā)電功率的方法及各自系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201610004421.0
• 申請日: 2016-01-05
• 公開（公告）號: CN105701562B
• 公開（公告）日: 2019-12-17
• 發(fā)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(quán)）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

本發(fā)明提供一種訓練方法、所適用的預測發(fā)電功率的方法及各自系統(tǒng)。所述訓練方法包括：獲取根據(jù)歷史實測的光伏電站相關(guān)信息所構(gòu)建的樣本集合；其中，樣本集合中每個樣本包含溫度值、地面輻射值、實際發(fā)電功率值；以及采用網(wǎng)格搜索的方式，更換基于SVM所構(gòu)建的模型中的各常量參數(shù)，并利用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，直至得到模型所訓練出的預測發(fā)電功率值與樣本集合中的實際發(fā)電功率值的誤差最小。所述預測方法包括：獲取預測的不同時刻的溫度值、地面輻射值；以及，將各溫度值、地面輻射值輸入由上述訓練系統(tǒng)所訓練的模型，得到預測的光伏電站在所述不同時刻的發(fā)電功率。本發(fā)明有效解決預測光伏電站的發(fā)電功率準確度低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及光伏電站應用領(lǐng)域，尤其涉及一種訓練方法、所適用的預測發(fā)電功率的方法及各自系統(tǒng)。

背景技術(shù)

太陽能是未來最具競爭力的綠色能源之一。目前，世界各發(fā)達國家十分重視通過發(fā)展光伏發(fā)電產(chǎn)業(yè)進行太陽能資源的開發(fā)利用，光伏發(fā)電是利用半導體材料的光電效應，直接將太陽能轉(zhuǎn)換為電能。由于光伏發(fā)電受天氣變化、季節(jié)變化而具有波動性和間歇性，大規(guī)模光伏電站并網(wǎng)運行會影響電力系統(tǒng)的安全穩(wěn)定經(jīng)濟運行。

因此，需要對光伏電站的輸出功率進行預測，以便電網(wǎng)調(diào)度部門統(tǒng)籌安排常規(guī)電源和光伏發(fā)電的協(xié)調(diào)配合，合理安排電網(wǎng)運行方式，提高電力系統(tǒng)運行的安全性和穩(wěn)定性，獲得更大的經(jīng)濟效益和社會效益。

近幾年來，人們借助統(tǒng)計智能類預測方法、簡單物理模型類預測方法及復雜物理模型類預測方法對光伏發(fā)電進行超短期預測進行了探索，取得了一定的成果，但是上述各方法所預測的平均準確度都比較低。這主要是模型構(gòu)建方面有待提高。因此，需要對現(xiàn)有技術(shù)進行改進。

發(fā)明內(nèi)容

本發(fā)明提供一種訓練方法、所適用的預測發(fā)電功率的方法及各自系統(tǒng)，用于解決現(xiàn)有技術(shù)中預測光伏電站發(fā)電功率的準確度低的問題。

第一方面，提供一種光伏電站模型的訓練方法，包括：獲取根據(jù)歷史實測的光伏電站相關(guān)信息所構(gòu)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(fā)電功率值；以及采用網(wǎng)格搜索的方式，更換基于SVM所構(gòu)建的模型中的各常量參數(shù)，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(fā)電功率值與所述樣本集合中的實際發(fā)電功率值的誤差最小。

第二方面，提供一種預測光伏電站的發(fā)電功率的方法，包括：獲取預測的不同時刻的溫度值、地面輻射值；以及將各所述溫度值、地面輻射值輸入由上述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(fā)電功率。

第三方面，提供一種光伏電站模型的訓練系統(tǒng)，包括：第一獲取模塊，用于獲取根據(jù)歷史實測的光伏電站相關(guān)信息所構(gòu)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(fā)電功率值；訓練模塊，用于采用網(wǎng)格搜索的方式，更換基于SVM所構(gòu)建的模型中的各常量參數(shù)，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(fā)電功率值與所述樣本集合中的實際發(fā)電功率值的誤差最小。

第四方面，提供一種預測光伏電站的發(fā)電功率的系統(tǒng)，包括：第二獲取模塊，用于獲取預測的不同時刻的溫度值、地面輻射值；預測模塊，用于將各所述溫度值、地面輻射值輸入由上述訓練系統(tǒng)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(fā)電功率。

如上所述，本發(fā)明的訓練方法、所適用的預測發(fā)電功率的方法及各自系統(tǒng)，具有以下有益效果：采用網(wǎng)格搜索的方式訓練SVM模型中的常量參數(shù)，能夠快速的同時搜索模型中的多個常量參數(shù)，該多個常量參數(shù)能夠使所設計的模型更均衡，預測精度更高。

另外，將樣本進行等價剔除，有效提高樣本多樣性，并減少重復樣本對模型的冗余訓練；還有，對于等價樣本，采用按預設權(quán)重結(jié)合兩樣本的方式，能夠有效增加各樣本之間的差異，進一步提高訓練效果。