[發(fā)明專利]一種光伏發(fā)電功率預(yù)測方法在審
| 申請?zhí)枺?/td> | 201810980552.1 | 申請日: | 2018-08-27 |
| 公開(公告)號: | CN108846527A | 公開(公告)日: | 2018-11-20 |
| 發(fā)明(設(shè)計)人: | 陸海;陳世游;羅恩博;楊洋;蘇適;嚴(yán)玉廷 | 申請(專利權(quán))人: | 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院 |
| 主分類號: | G06Q10/04 | 分類號: | G06Q10/04;G06Q50/06 |
| 代理公司: | 北京弘權(quán)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11363 | 代理人: | 逯長明;許偉群 |
| 地址: | 650217 云南省昆*** | 國省代碼: | 云南;53 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 功率預(yù)測 光伏發(fā)電 氣象因子 維數(shù) 算法 預(yù)測 傳統(tǒng)神經(jīng)網(wǎng)絡(luò) 廣義神經(jīng)網(wǎng)絡(luò) 有效特征提取 非線性逼近 短期預(yù)測 發(fā)電功率 歷史樣本 特征提取 樣本聚類 樣本選取 預(yù)測模型 影響權(quán) 補(bǔ)正 加權(quán) 申請 樣本 采集 優(yōu)化 | ||
1.一種光伏發(fā)電功率預(yù)測方法,其特征在于,包括:
利用7點二階算法前推差分算式剔除初始?xì)v史樣本中的野值點;
利用三次樣條插值方法對所述野值點進(jìn)行補(bǔ)正,得到歷史樣本;
利用模糊聚類與粗糙集理論,對所述歷史樣本進(jìn)行聚類,計算出聚類后各類的類中心和氣象因子影響權(quán)重;
分別計算出待預(yù)測日與所述聚類后各類的類中心之間的包含氣象因子影響權(quán)重的加權(quán)歐式距離,選取加權(quán)歐式距離最小的類作為訓(xùn)練樣本;
對所述訓(xùn)練樣本中的數(shù)據(jù)進(jìn)行預(yù)測模型輸入特征提取,得到特征提取值;
將所述特征提取值輸入到廣義回歸神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練,得到訓(xùn)練后的廣義回歸神經(jīng)網(wǎng)絡(luò)模型;
將從所述待預(yù)測日中提取的特征值輸入到所述訓(xùn)練后的廣義回歸神經(jīng)網(wǎng)絡(luò)模型,得到所述待預(yù)測日的功率預(yù)測值。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,利用模糊聚類與粗糙集理論,對所述歷史樣本進(jìn)行聚類,計算出聚類后各類的類中心和氣象因子影響權(quán)重,包括:
將歷史樣本中所選取的氣象因子作為樣本特征屬性;
利用基于F-統(tǒng)計量方法的模糊聚類分析,對所述樣本特征屬性進(jìn)行最佳模糊聚類,將歷史樣本分成k類,得到某決策屬性的等價集,并計算簇中心記為其中,i=1,2,...k、j=1,2,3,4,t=1,2,...,m;
對所述歷史樣本中依次刪除其中一個氣象因子后,再進(jìn)行基于F-統(tǒng)計量方法的模糊聚類分析,得到去掉某一屬性的等價集;
利用粗糙集原理,計算樣本特征屬性對決策屬性的依賴度并歸一化,得到各所述氣象因子影響權(quán)重。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,將歷史樣本中所選取的氣象因子作為樣本特征屬性,包括:
選取歷史樣本中地表輻照度、溫度、濕度、風(fēng)速四個氣象因子,作為樣本特征屬性。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,分別計算出待預(yù)測日與所述聚類后各類的類中心之間的包含氣象因子影響權(quán)重的加權(quán)歐式距離,包括:
利用相似度計算公式計算待預(yù)測日與所述聚類后各類的類中心之間的包含氣象因子影響權(quán)重的加權(quán)歐式距離di,其中,為t時刻所選取的氣象因子組成的日特征向量,為t時刻歷史樣本進(jìn)行模糊聚類分成的k類簇中心,為氣象因子t時刻對光伏發(fā)電影響權(quán)重。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,對所述訓(xùn)練樣本中的數(shù)據(jù)進(jìn)行預(yù)測模型輸入特征提取,得到特征提取值,包括:
選取所述訓(xùn)練樣本中的上下午時段的輻照度均值、輻照度波動率的均值和極大值、風(fēng)速均值、氣壓均值、濕度均值,作為特征提取值。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,將所述特征提取值輸入到廣義回歸神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練,得到訓(xùn)練后的廣義回歸神經(jīng)網(wǎng)絡(luò)模型;
將提取的上下午時段的輻照度均值、輻照度波動率的均值、極大值,及風(fēng)速均值、氣壓均值、濕度均值作為廣義回歸神經(jīng)網(wǎng)絡(luò)模型輸入,將8:00至18:00間隔30min光伏發(fā)電功率數(shù)值作為所述廣義回歸神經(jīng)網(wǎng)絡(luò)模型的輸出值進(jìn)行模型訓(xùn)練,得到訓(xùn)練后的廣義回歸神經(jīng)網(wǎng)絡(luò)模型。
7.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述上下午時段的輻照度均值的計算公式分別為:
其中,m為上午時段采樣點個數(shù),n為總采樣點個數(shù),分別表示上、下午時段的輻照度均值。
8.根據(jù)權(quán)利要求5所述的方法,其特征在于,所述輻照度波動率的均值和極大值的計算公式分別為:
其中,上午時段有效波動率序列下午時段有效波動率序列l(wèi)、q分別表示上午與下午時段有效波動次數(shù),T=1時各式表示上午時段各指標(biāo),T=2時表示下午時段各指標(biāo)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院,未經(jīng)云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810980552.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測目的的數(shù)據(jù)處理系統(tǒng)或方法;其他類目不包含的專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測目的的處理系統(tǒng)或方法
G06Q10-00 行政;管理
G06Q10-02 .預(yù)定,例如用于門票、服務(wù)或事件的
G06Q10-04 .預(yù)測或優(yōu)化,例如線性規(guī)劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理,例如組織、規(guī)劃、調(diào)度或分配時間、人員或機(jī)器資源;企業(yè)規(guī)劃;組織模型
G06Q10-08 .物流,例如倉儲、裝貨、配送或運輸;存貨或庫存管理,例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化,例如電子郵件或群件的計算機(jī)輔助管理
- 一種光伏電站發(fā)電功率超短期預(yù)測方法
- 低風(fēng)速下的風(fēng)力發(fā)電機(jī)組的功率預(yù)測方法及設(shè)備
- 風(fēng)場風(fēng)電功率預(yù)測方法
- 光伏功率預(yù)測方法和裝置
- 一種風(fēng)電功率預(yù)測偏差確定方法和系統(tǒng)
- 一種風(fēng)功率短期多步預(yù)測方法及裝置
- 一種新能源預(yù)測功率的優(yōu)化方法和系統(tǒng)
- 功率預(yù)測模型建立方法、預(yù)測方法、裝置及電子設(shè)備
- 一種風(fēng)電功率預(yù)測場景生成方法和系統(tǒng)
- 一種多時間尺度的光伏功率預(yù)測方法及系統(tǒng)
- 基于多元線性回歸算法的氣象災(zāi)害預(yù)測方法
- 光伏電池組件溫度的分步預(yù)測方法
- 一種基于相關(guān)性分析和氣象因子聚類的調(diào)溫負(fù)荷定量方法
- 氣象因子與輸電線路山火發(fā)生概率的關(guān)聯(lián)性計算方法
- 一種影響湖泊水質(zhì)的最優(yōu)氣象因子構(gòu)建篩選方法
- 一種作物生育期預(yù)測方法及裝置
- 一種基于二分法的大豆氣象產(chǎn)量預(yù)測方法及系統(tǒng)
- 基于走航監(jiān)測的空氣污染狀況獲取方法
- 氣象污染綜合診斷指數(shù)計算方法、裝置及電子設(shè)備
- 基于多維氣象預(yù)報因子圖卷積的光伏發(fā)電功率預(yù)測方法





