[發明專利]基于形狀參數置信區間的光伏發電預測方法

有效

• 申請號: 201810121744.7
• 申請日: 2018-02-07
• 公開（公告）號: CN108256690B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 葛維春;潘霄;李家玨;張鐵巖;馬少華
• 申請（專利權）人: 國網遼寧省電力有限公司電力科學研究院;國網遼寧省電力有限公司;國網遼寧省電力有限公司經濟技術研究院;沈陽工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 沈陽亞泰專利商標代理有限公司 21107
• 代理人: 史力伏

1.基于形狀參數置信區間的光伏發電預測方法，其特征在于，包括以下步驟：

步驟1、從光伏電廠獲取發電數據，對數據進行清洗，檢查并糾正發電數據文件中的錯誤，檢查數據一致性，處理無效值和缺失值，將無效數據剔除，選取其中一部分數據作為樣本數據，選取另一部分數據作為檢驗數據；

步驟2、對樣本數據進行假設檢驗，通過假設檢驗得到發電數據分布規律，將數據初步分為Beta分布和Weibull分布兩類；

其中Weibull分布對應數據量較少，且對應天氣均為惡劣天氣，因此將符合Weibull分布的發電數據歸為一類，不再進行進一步分類，將Weibull數據類統一處理；并擬合出該類的概率分布模型，計算出其形狀參數，使用核密度函數對形狀參數進行擬合，從而計算出Weibull分布類形狀參數的置信區間；

對符合Beta分布的數據，求出Beta分布的形狀參數a、b；

步驟3、對天氣類型進行打分，建立詞典，該詞典規則為{'中雨'：5，'雷陣雨'：4,'中到大雨'：6,'小到中雨'：4,'中雪'：5,'陣雪'：3,'陣雨'：3,'小到中雪'：4,'陰'：2,'晴'：0,'大雪'：6,'多云'：1，'小雪'：3,'雨夾雪'：4，'霾'：6,'小雨'：3，'霧'：2，'陣雨'：3}；

按照打分進行分類：分數為在0-2分為A類晴好天氣，3-8分為B類陰雨天氣，8分以上為C類惡劣天氣；分類如下：

A類：晴、晴間多云、晴間陰、霧間晴；

B類：多云、陰、多云間陰、霧、陣雨、雷陣雨、雷陣雨伴有冰雹、雨夾雪、小雨、陣雪、小雪、凍雨、小到中雨、小到中雪；

C類：中雨、大雨、暴雨、大暴雨、特大暴雨、中到大雨、大到暴雨、暴雨到大暴雨、中到大雪、大到暴雪、中雪、大雪、暴雪、大暴雨到特大暴雨、沙塵暴、霾；

按照天氣分類將符合Beta分布的發電數據分成三類，對每類進行概率分布擬合；

步驟4、分別對每類發電出力數據進行分析，求出每種天氣下的發電數據模型，使用核密度函數進行擬合，從而求出每類出力模型的置信區間；

步驟5、利用校驗數據進行檢驗，驗證預測準確性。

2.根據權利要求1所述的基于形狀參數置信區間的光伏發電預測方法，其特征在于：所述步驟2中求得Beta分布的形狀參數a、b包括以下幾步：

步驟2-1、根據Beta分布的密度函數的數學表達式為：

式中：x(0≤x≤1)為被統計的隨機變量；a、b(a0,b0)為Beta分布的形狀參數；B(a,b)為以a、b為參數的Beta函數；求得B(a,b)如下式：

步驟2-2、根據Beta分布的性質，利用集合均值和方差來計算Beta分布形狀參數a、b；

由發電量數據Beta函數，求該函數的均值和方差為：

同時，根據Beta分布的性質，Beta分布的期望值和方差可表示為：

對式子(5)、(6)聯立求解，導出利用期望值和方差計算Beta分布形狀參數a、b的方程式：

根據式(7)、(8)的結果，利用式(3)、(4)計算集合的均值和方差，得到Beta分布模型的參數a、b。

3.根據權利要求2所述的基于形狀參數置信區間的光伏發電預測方法，其特征在于：所述步驟4包括以下幾個步驟：

步驟4-1、根據公式(7)、(8)，求出每類發電數據中每天Beta分布的參數a、b；

步驟4-2、使用核密度函數對形狀參數a、b進行擬合，求出a、b參數符合的概率分布模型，

步驟4-3、求出a、b參數的置信區間。

4.根據權利要求1所述的基于形狀參數置信區間的光伏發電預測方法，其特征在于：所述步驟5包括以下步驟：

步驟5-1、將檢驗數據進行Beta分布擬合；

步驟5-2、求出檢驗數據的形狀參數a、b；

步驟5-3、根據天氣情況將檢驗數據對應樣本數據求得的發電數據類，比較檢驗數據的a、b參數是否包含在樣本數據置信區間中，若是，則驗證所求預測模型準確。