[發(fā)明專利]一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711075481.2
• 申請日: 2017-11-06
• 公開（公告）號: CN108053048A
• 公開（公告）日: 2018-05-18
• 發(fā)明（設(shè)計(jì)）人: 赫衛(wèi)國;曹瀟;郭亞娟;許曉慧;陳錦銘;姚虹春;汪春;華光輝;江星星;劉海璇;陳然;張祥文;邱騰飛;夏俊榮;葉榮波;梁碩;胡汝偉;孔愛良;孫檬檬;栗峰;周昶;梁志峰
• 申請（專利權(quán)）人: 中國電力科學(xué)研究院有限公司;國家電網(wǎng)公司;國網(wǎng)江蘇省電力公司電力科學(xué)研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京安博達(dá)知識產(chǎn)權(quán)代理有限公司 11271
• 代理人: 徐國文

本發(fā)明涉及一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法及系統(tǒng)，所述方法包括：利用預(yù)先建立的ARIMA時(shí)間序列模型獲取預(yù)測日的氣象數(shù)據(jù)；根據(jù)所述預(yù)測日的氣象數(shù)據(jù)，利用預(yù)先建立的SVR回歸模型預(yù)測所述預(yù)測日的光伏電站的輸出功率；其中，所述ARIMA時(shí)間序列模型根據(jù)歷史氣象數(shù)據(jù)獲取，所述SVR回歸模型根據(jù)歷史氣象數(shù)據(jù)及其對應(yīng)的光伏電站的輸出功率獲取；以初始化后的歷史氣象數(shù)據(jù)為自變量，以初始化后的歷史氣象數(shù)據(jù)對應(yīng)的光伏電站輸出功率為因變量訓(xùn)練用于預(yù)測光伏電站輸出功率的SVR回歸模型。本發(fā)明的技術(shù)方案利用與光伏電站輸出功率相關(guān)度較大的氣象數(shù)據(jù)通過SVR回歸模型預(yù)測輸出功率，獲得高精確度的預(yù)測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電力系統(tǒng)自動(dòng)化技術(shù)領(lǐng)域的光伏電站功率預(yù)測領(lǐng)域，具體涉及一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法及系統(tǒng)。

背景技術(shù)

以火電和石油等不可再生的傳統(tǒng)能源消耗為主的能源供給方式逐漸難以滿足日益增長的能源需求，發(fā)展新能源特別是太陽能替代化石能源是目前的一種有效解決途徑；作為太陽能利用的重要形式的光伏發(fā)電，近年來得到了迅速發(fā)展。

現(xiàn)有的光伏功率預(yù)測算法基本上包括直接預(yù)測和間接預(yù)測。現(xiàn)有的直接預(yù)測包括茆美琴等人用集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)將光伏出力曲線分解為多個(gè)平穩(wěn)分量，據(jù)此建立了多個(gè)支持向量機(jī)(SVM)回歸模型。BESSA RJ等人利用矢量自回歸模型(VAR)和梯度下降法建立了微網(wǎng)分布式光伏出力概率預(yù)測模型。黃磊等人利用構(gòu)造的不同時(shí)間尺度的光伏功率均值序列和支持向量回歸(SVR)建立了光伏功率局部預(yù)測模型。陳昌松等人建立了RBF神經(jīng)網(wǎng)絡(luò)模型，以氣象數(shù)據(jù)或氣象指數(shù)作為模型輸入進(jìn)行功率預(yù)測。已有的間接預(yù)測包括，YangDZ等人去除輻照度時(shí)間序列的趨勢來實(shí)現(xiàn)時(shí)間平穩(wěn)，用前向克里金法建立了輻照度預(yù)測模型實(shí)現(xiàn)光伏出力的預(yù)測。Chen SX等學(xué)者提出了一種基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的太陽輻照強(qiáng)度預(yù)報(bào)方法。朱想等學(xué)者提出了先建立晴天條件下功率預(yù)測模型，再利用數(shù)值天氣預(yù)報(bào)和地基云圖進(jìn)行輻照度校正的功率預(yù)測的方法。陳志寶等前人提出了RBF神經(jīng)網(wǎng)絡(luò)的輻照強(qiáng)度預(yù)測方法，來預(yù)測超短期光伏功率。

現(xiàn)有的預(yù)測模型的輸入主要來源于氣象部門的數(shù)值天氣預(yù)報(bào)，關(guān)聯(lián)度較大的數(shù)據(jù)如輻照強(qiáng)度等獲取困難且數(shù)據(jù)周期較長。同時(shí)，氣象部門的預(yù)報(bào)數(shù)據(jù)也不能完全反應(yīng)光伏電站所在地的氣象狀況。這些問題阻礙了光伏功率預(yù)測向工程應(yīng)用的轉(zhuǎn)化，難以實(shí)現(xiàn)超短期功率預(yù)測；在實(shí)際應(yīng)用中，受到的影響一是光伏預(yù)測過于依賴氣象預(yù)報(bào)，而氣象預(yù)報(bào)卻難以實(shí)時(shí)提供輻照強(qiáng)度、氣溫等有效信息；二是光伏電站的氣象監(jiān)測數(shù)據(jù)未能得到充分挖掘；此外當(dāng)前的光伏電站功率預(yù)測的周期過長，實(shí)時(shí)性不高，準(zhǔn)確性不盡人意。基于上述問題，亟需提供一種合理的高精確度的伏電站超短期功率預(yù)測方法。

發(fā)明內(nèi)容

本發(fā)明提供一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法及系統(tǒng)，其目的是能夠?qū)崿F(xiàn)高精度高穩(wěn)定性的光伏電站功率預(yù)測。

本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：

一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法及系統(tǒng)，其改進(jìn)之處在于，包括：

一種單步漸進(jìn)式光伏電站超短期功率預(yù)測方法，其特征在于，所述方法包括以下步驟：

利用預(yù)先建立的ARIMA時(shí)間序列模型獲取預(yù)測日的氣象數(shù)據(jù)；

根據(jù)所述預(yù)測日的氣象數(shù)據(jù)，利用預(yù)先建立的SVR回歸模型預(yù)測所述預(yù)測日的光伏電站的輸出功率；

其中，所述ARIMA時(shí)間序列模型根據(jù)歷史氣象數(shù)據(jù)獲取，所述SVR回歸模型根據(jù)歷史氣象數(shù)據(jù)及其對應(yīng)的光伏電站的輸出功率獲取。

優(yōu)選地，所述利用預(yù)先建立的ARIMA時(shí)間序列模型獲取預(yù)測日的氣象數(shù)據(jù)之前，包括：

根據(jù)氣象數(shù)據(jù)與其對應(yīng)的光伏電站輸出功率的Pearson相關(guān)系數(shù)選取歷史氣象數(shù)據(jù)中的氣象數(shù)據(jù)。