[發明專利]一種基于混合模型的超短期太陽輻射預測方法及其裝置

有效

• 申請號: 201710042017.7
• 申請日: 2017-01-20
• 公開（公告）號: CN106815659B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 張雪松;朱想;趙波;周海;崔方
• 申請（專利權）人: 國網浙江省電力公司電力科學研究院;國家電網公司;國網浙江省電力公司;中國電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種基于混合模型的超短期太陽輻射預測方法及其裝置，包括周期性獲取觀測站點的采集的太陽輻射觀測樣本；依據太陽輻射觀測樣本以及太陽輻射?晴空指數關系式得到晴空指數時間序列；對晴空指數時間序列進行小波變換處理，得到變換后的晴空輻射序列；將晴空輻射序列分別輸入預設的線性預測模型、第一支持向量機模型以及神經網絡模型內，得到三個輸入序列；將三個輸出序列進行疊加后輸入第二支持向量機模型；將第二支持向量機模型的輸出結果作為預測的晴空指數時間序列帶入太陽輻射?晴空指數關系式內，得到預測的太陽輻射值。本發明通過多種預測模型混合預測的方式，減弱單一預測模型的預測誤差對整體預設精度造成的影響。

技術領域

本發明涉及光伏發電技術領域，特別是涉及一種基于混合模型的超短期太陽輻射預測方法及其裝置。

背景技術

受近些年國家在光伏發電方面的政策激勵影響，大規模光伏電站接入陸續接入電網，由于光伏發電輸出功率具有隨機性和波動性，對電網安全穩定和經濟運行造成影響。故需要對光伏電站的輸出功率進行準確預測，從而統籌安排常規電源和光伏發電的協調配合，使得光伏資源得到充分的利用。

而光伏發電系統的輸出功率很大程度上決定于光伏面板所能接收到的太陽輻射量，太陽輻射量容易受到天氣因素的影響，具有間歇性、波動性和隨機性的缺點，使得其輸出功率不穩定且難以預測。

目前，在太陽輻射預測方面，使用比較廣泛為線性模型和非線性預測模型中的支持向量機和神經網絡兩類模型。其中，對于線性模型，當預測時間較長時，數據之間的相關性減弱，線性模型將難以實現準確預測；而支持向量機的核函數選取對運行結果影響很大，神經網絡存在著最優網絡結構難以確定的問題，且二者在模型訓練時都可能出現過擬合現象。

因此，如何提供一種能夠減少單一模型的預測誤差對整體預測精度的影響的基于混合模型的超短期太陽輻射預測方法及其裝置是本領域技術人員目前需要解決的問題。

發明內容

本發明的目的是提供一種基于混合模型的超短期太陽輻射預測方法及其裝置，通過多種預測模型混合預測的方式，減弱單一預測模型的預測誤差對整體預設精度造成的影響。

為解決上述技術問題，本發明提供了一種基于混合模型的超短期太陽輻射預測方法，包括：

周期性獲取觀測站點的采集的太陽輻射觀測樣本；

依據所述太陽輻射觀測樣本以及太陽輻射-晴空指數關系式得到晴空指數時間序列；

對所述晴空指數時間序列進行小波變換處理，得到變換后的晴空輻射序列；

將所述晴空輻射序列分別輸入預設的線性預測模型、第一支持向量機模型以及神經網絡模型內，得到三個輸入序列；

將三個所述輸出序列進行疊加后輸入第二支持向量機模型；

將所述第二支持向量機模型的輸出結果作為預測的晴空指數時間序列帶入所述太陽輻射-晴空指數關系式內，得到預測的太陽輻射值。

優選地，所述對所述晴空指數時間序列進行小波變換處理，得到變換后的晴空輻射序列的過程具體為：

分別依據wavedec函數對所述晴空指數時間序列進行多個尺度的一維小波分解，得到多層小波序列；

分別依據預先設置的各層小波低頻系數以及小波重構函數對各層所述小波序列進行重構，得到重構每層所述小波序列后得到的重構序列；

其中，所述小波重構函數為：

其中，f(n)是所述小波序列；W_f(j,k)為所述小波序列對應的重構序列；ψ_j,k為所述小波序列對應的小波低頻系數；