[發明專利]一種光伏發電功率多時間尺度預測方法

在審

• 申請號: 201711499383.1
• 申請日: 2017-12-30
• 公開（公告）號: CN108205717A
• 公開（公告）日: 2018-06-26
• 發明（設計）人: 俞娜燕;李向超;費科;孫國強;梁智
• 申請（專利權）人: 國網江蘇省電力公司無錫供電公司;無錫揚晟科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 無錫市大為專利商標事務所(普通合伙) 32104
• 代理人: 曹祖良

1.一種光伏發電功率多時間尺度預測方法，其特征在于，所述光伏發電功率多時間尺度預測方法包括：

獲取光伏發電功率預測所需的基本數據，其中所述基本數據包括季節類型、天氣類型、溫度、風速和歷史光伏發電功率；

將相同季節的歷史光伏發電功率按照天氣類型進行分類；

對同一天氣類型下的光伏發電功率數據建立特征集合；

根據所述特征集合建立深度脊波網絡光伏發電功率預測模型；

通過所述建立深度脊波網絡光伏發電功率預測模型獲取光伏法發電功率多時間尺度預測結果。

2.根據權利要求1所述的光伏發電功率多時間尺度預測方法，其特征在于，所述將相同季節的歷史光伏發電功率按照天氣類型進行分類包括將相同季節的歷史光伏發電功率按照天氣類型分為晴天、多云天、陰天和雨天四種類型。

3.根據權利要求1所述的光伏發電功率多時間尺度預測方法，其特征在于，所述特征集合為影響光伏發電功率大小的氣象因素集合，其中所述氣象因素包括日整點溫度、日最高溫度、日平均溫度、日最低溫度和日整點風速。

4.根據權利要求3所述的光伏發電功率多時間尺度預測方法，其特征在于，所述對同一天氣類型下的光伏發電功率數據建立特征集合包括：

構建每日氣象特征向量；

選取與待預測日的相似日集合；

采用模糊均值聚類法對同一天氣類型下的光伏發電功率數據確定相似日集合。

5.根據權利要求4所述的光伏發電功率多時間尺度預測方法，其特征在于，所述模糊均值聚類法包括模糊C-均值聚類法，所述采用模糊均值聚類法對同一天氣類型下的光伏發電功率數據確定相似日集合包括：

采用日整點溫度、日最高溫度、日平均溫度、日最低溫度及日整點風速作為描述日類型的特征屬性，構建每日氣象特征向量；

對氣象特征向量數據進行歸一化，其中歸一化公式為：

其中，表示歸一化后的數據值，x(i)表示原始數據，x_max表示原始數據的最大值，x_min表示原始數據的最小值；

確定模糊C-均值聚類法的初始參數；

計算隸屬度矩陣U^(l)：

其中，表示第k個樣品x_k屬于第i類的隸屬度，l表示迭代步數，表示第l步迭代第i個聚類中心；

修正第l+1步的聚類中心V^(l+1)：

對于給定的隸屬度終止容限ε＞0，當時，停止迭代，否則l＝l+1，且轉到計算隸屬度矩陣的步驟。

6.根據權利要求1所述的光伏發電功率多時間尺度預測方法，其特征在于，所述根據所述特征集合建立深度脊波網絡光伏發電功率預測模型包括選取預測模型輸入變量，建立深度脊波網絡光伏發電功率預測模型，其中當所述光伏發電功率提前1小時預測時，所述輸入變量包括前一時刻光伏功率值、前兩時刻光伏功率值、前三時刻光伏功率值、前四時刻光伏功率值、待預測時刻溫度值、前一時刻溫度值、前兩時刻溫度值、前三時刻溫度值、待預測時刻風速值、前一時刻風速值、前兩時刻風速值和前三時刻風速值。

7.根據權利要求1所述的光伏發電功率多時間尺度預測方法，其特征在于，所述光伏發電功率多時間尺度預測方法還包括在通過所述建立深度脊波網絡光伏發電功率預測模型獲取光伏法發電功率多時間尺度預測結果的步驟后進行的：采用平均絕對值百分比誤差和均方根誤差評價模型的預測精度。

8.根據權利要求7所述的光伏發電功率多時間尺度預測方法，其特征在于，所述深度脊波網絡由多層脊波神經網絡逐層堆疊構成。