[發明專利]基于分類和誤差組合預測的太陽能光伏發電量預測方法

在審

• 申請號: 201811570233.X
• 申請日: 2018-12-21
• 公開（公告）號: CN109636054A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 萬虎;楊坤豪;王自豪;洪小玲
• 申請（專利權）人: 電子科技大學;成都易倍得智能技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06K9/62;G06N20/00
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 李蕊;郭艷艷

本發明公開了一種分類和誤差組合預測的太陽能光伏發電量預測方法，包括S1、將預測數據根據時間確定其，根據預測日期的氣象數據和歷史氣象數據采用KNN算法確定其天氣類型；S2、分類后采用相應的組合預測模型，應用MPSO?BP神經網絡和灰色模型GM(1，1)分別進行預測得到各自的預測輸出；S3、應用樣本訓練數據得到的誤差矩陣，求得各自組合預測的權值矩陣；S4、根據權值矩陣將兩部分預測輸出值進行組合，最后得到太陽能光伏發電量。該方法分類后再根據誤差得到每個輸出點的權值，從而得到的預測結果更加可靠，實現對太陽能光伏發電量的可靠預測。

技術領域

本發明屬于太陽能利用技術領域，具體涉及一種基于分類和誤差組合預測的太陽能光伏發電量預測方法。

背景技術

如今，傳統化石燃料能源日益枯竭，同時使用過程中對環境也會造成很大危害。而可再生能源是取之不盡，用之不竭的能源，為了人類社會的可持續發展，世界各國紛紛把目光投向了可再生能源，而太陽能發電則是可再生能源的主要利用方式，是智能電網的主要組成部分。智能電網努力的一個關鍵目標是大幅提高環?？稍偕茉吹睦寐?，而微電網技術又是實現該目標的關鍵技術，但可再生能源發電具有的不可控的特性給我們的微電網能量管理帶來較大的困難，對微電網經濟、安全、穩定的運行造成了嚴重的影響和威脅，因此找到合適的方法提升微電網可靠性和有效性是非常重要的。

當前在微電網能量管理的一些方面所獲得的進步已經非常顯著，但是要實現高效的能源管理，需要準確地預測電網負荷和可再生能源發電?，F有的太陽能發電量的預測方法，主要為統計學法和人工神經網絡方法，統計學法是通過對歷史數據進行統計分析，利用概率論找出其內在的規律并用于預測；而單獨的人工神經網絡方法將樣本數據作為輸入，建立預測模型，來對未來發電量進行預測；以上兩種方法對于規律性和周期性較強的數據信息，能達到較高的預測精度，但太陽能有隨機性、波動性等特點，運用這兩種方法，其預測效果就很不理想，無法滿足現有的能量管理的需要，大大限制了微電網能量管理的效率和可靠性。

因此，尋找一種能夠對太陽能光伏發電進行可靠預測的方法十分重要。

發明內容

針對現有技術中的上述不足，本發明提供的基于分類和誤差組合預測的太陽能光伏發電量預測方法解決了現有的光伏發電量預測方法中，預測效果不理想、無法滿足現有能量管理、限制了微電網能量管理的效率和可靠性的問題。

為了達到上述發明目的，本發明采用的技術方案為：基于分類和誤差組合預測的太陽能光伏發電量預測方法，包括以下步驟：

S1、從氣象站獲取太陽能光伏發電量預測日的氣象數據；

S2、確定該氣象數據所屬季節中的天氣類型，將預測日的氣象數據輸入到該天氣類型下對應的訓練好的MPSO-BP神經網絡中，得到第一太陽能發電量輸出時間序列

同時將預測日的氣象數據輸入到該天氣類型下對應的訓練好的灰色模型GM(1,1)中，得到第二太陽能發電量輸出時間序列

S3、將第一太陽能發電量輸出時間序列與對應的訓練好的MPSO-BP神經網絡中的組合預測矩陣W_BP相乘，得到第一太陽能發電預測量Y_BP；

同時將第二太陽能發電量輸出時間序列與對應的訓練好的灰色模型GM(1,1)中的組合預測矩陣W_GM相乘，得到第二太陽能發電預測量Y_GM；

S4、將第一太陽能發電預測量Y_BP和第二太陽能發電預測量Y_GM相加，得到太陽能光伏發電量預測日的預測發電量Y_P。

進一步地，所述步驟S1中的氣象數據包括最高氣溫值、最低氣溫值、每隔三小時的溫度值、最高溫度與前一日最高溫度的差值、最低溫度與前一日最低溫度的差值、相對濕度和數值化的紫外線強度。