[發(fā)明專利]一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法

在審

• 申請?zhí)枺?/td>: 201710526959.2
• 申請日: 2017-06-30
• 公開（公告）號: CN107169683A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設計）人: 李芬;宋啟軍;李春陽;劉迪;趙晉斌
• 申請（專利權）人: 上海電力學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 上海科盛知識產(chǎn)權代理有限公司31225
• 代理人: 宣慧蘭

1.一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，該方法的步驟包括：

S1、利用包含離預測時段最近的歷史數(shù)據(jù)建立多種單一預測模型，求出各個單一預測模型對預測樣本點的擬合值；

S2、通過灰色關聯(lián)分析法計算各個單一預測模型在每個預測樣本點的權重系數(shù)；

S3、利用步驟S1和步驟S2分別得到的各個單一預測模型對每個預測樣本點的擬合值和對應的權重系數(shù)訓練擬合得到BPNN網(wǎng)絡模型；

S4、通過預測時段最新氣象要素預測值得到各個單一預測模型的單一功率預測值，然后利用步驟S3得到的BPNN網(wǎng)絡模型計算出各個單一預測模型在預測時段的時變權重系數(shù)，利用得到的單一功率預測值和時變權重系數(shù)計算出預測時段的功率預測值；

S5、循環(huán)步驟S1～S4，不斷更新預測時段的功率預測值。

2.根據(jù)權利要求1所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述步驟S1具體包括：

S11、獲取光伏電站離預測時段最近的歷史氣象要素數(shù)據(jù)和歷史光伏輸出功率數(shù)據(jù)作為樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括訓練樣本和預測樣本；

S12、利用步驟S11得到的訓練樣本數(shù)據(jù)，通過最小化訓練誤差進行訓練擬合，建立多種單一預測模型，求出各個單一預測模型對預測樣本的擬合值。

3.根據(jù)權利要求1所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述步驟S2具體包括：通過灰色關聯(lián)分析法計算各個單一預測模型在預測樣本點處的擬合值與觀測值間的灰色關聯(lián)系數(shù)，將得到的灰色關聯(lián)系數(shù)作為對應單一預測模型的權重系數(shù)。

4.根據(jù)權利要求1所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述步驟S3具體包括：將步驟S1得到的各個單一預測模型對每個預測樣本點的擬合值作為輸入，將步驟S2得到的各個單一預測模型對應的權重系數(shù)作為輸出，訓練得到BPNN網(wǎng)絡模型。

5.根據(jù)權利要求2所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述步驟S4具體包括：

S41、獲取預測時段最新的氣象要素預測值；

S42、利用步驟S41得到的最新氣象要素預測值計算出各個單一預測模型對預測時段的單一功率預測值；

S43、將步驟S42得到的單一功率預測值輸入步驟S3得到的BPNN網(wǎng)絡模型中，得到各個單一預測模型在預測時段的時變權重系數(shù)；

S44、對于每個預測時段，將各個單一預測模型得到的單一功率預測值乘以對應的時變權重系數(shù)后再全部疊加，得到該預測時段的功率預測值。

6.根據(jù)權利要求1所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述多種單一預測模型包括：支持向量機模型、灰色關聯(lián)分析結合支持向量機模型以及主成分分析結合支持向量機模型。

7.根據(jù)權利要求5所述的一種變權重系數(shù)的并網(wǎng)光伏電站短期功率組合預測方法，其特征在于，所述氣象要素包括：小時水平面上太陽總輻射、小時地外水平面總輻射、日照時數(shù)、小時平均氣溫、小時最高氣溫、小時最低氣溫、相對濕度、本站氣壓和風速。