[發明專利]一種基于B樣條分位數回歸的光電概率密度預測方法

有效

• 申請號: 201910852925.1
• 申請日: 2019-09-10
• 公開（公告）號: CN110555566B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 何耀耀;范慧玲;陳悅;張婉瑩;王云
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/18
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種基于B樣條分位數回歸的光電概率密度預測方法，其步驟包括：1采集光電數據，對其進行歸一化處理，并且把歷史光電數據劃分為訓練集和測試集；2構建B樣條分位數模型，并利用訓練集數據計算B樣條分位數回歸模型的參數；3將測試集數據代入B樣條分位數模型中得到不同分位點下的預測值，并運用核密度估計實現光電概率密度預測。本發明能提高光伏發電的預測精度，全面度量預測結果的不確定性，從而為光伏發電安全穩定的并入電網提供了可靠的依據。

技術領域

本發明涉及光電功率技術領域，主要涉及一種基于B樣條分位數回歸的光電概率密度預測方法。

背景技術

由于環境污染問題和能源緊缺問題日益嚴重，可再生清潔能源的應用被廣為關注。全球能源系統在不斷變化，相比于會造成空氣污染，不可再生能源的傳統石油、煤炭資源，可再生能源在電力市場已成為首選技術，而光伏發電是重要的可再生能源發電方法之一。光伏發電是利用太陽能資源進行發電，其優點是太陽能資源豐富、太陽能受地域影響較小、具有清潔性和安全性。然而，光伏發電還具有夜間不發電、陰雨天發電量少等缺點，由于光伏發電具有隨機性和不穩定性，大量的光伏發電系統并入電網運行，會影響光伏發電質量和電力系統的安全穩定運行。可靠準確的光電預測不僅可以有效的輔助決策，還對維持電網穩定有著重要的作用。因此，如何獲得更為可靠精確的光電預測結果依舊是光伏發電預測領域的重點和難點問題。

光伏發電預測方法主要分為直接法和間接法兩大類。直接法是直接預測光伏發電系統的輸出功率的統計方法，其中，時間序列法、人工神經網絡法、支持向量機等方法的研究較為常見。間接預測方法首先對太陽輻射進行預測，然后根據光伏發電系統的模型得到輸出功率。目前，很多光伏發電研究者研究了光伏發電預測方法，不斷提高了光電功率的預測精度，但是，提高光伏發電預測精度的研究仍然具有較大的提升空間。

此外，傳統的光伏發電預測方法大多數只能給出光伏發電的點預測結果或者區間預測結果，并不可以很好的度量光伏發電的不確定性。并且光伏發電的預測通常會受到天氣等因素的影響，并且夜間不發電，因此，獲得的點預測結果和區間預測結果的可靠性較低，光伏發電預測方法依舊有可以研究的空間。

發明內容

本發明是為了解決上述現有預測方法的不足之處，提出一種基于B樣條分位數回歸的光電概率密度預測方法，以期能提高光伏發電的預測精度，全面度量預測結果的不確定性，從而為光伏發電安全穩定的并入電網提供了可靠的依據。

為達到上述目的，本發明采用的技術方案為：

本發明一種基于B樣條分位數回歸的光電概率密度預測方法的特點按如下步驟進行：

步驟1、采集光電歷史數據集R＝(r₁,r₂,…,r_i,…,r_N)，其中，r_i為所述光電歷史數據集R中第i個時刻點的光電功率數據，1≤i≤N，N為所述光電歷史數據集R的數據總數；

步驟2、根據所述光電歷史數據集R中前K個時刻點的光電功率數據，利用滾動排列法預測第K+1個時刻點的光電功率數據，得到n×(K+1)維矩陣(X,Y)，其中， X＝(x¹,x²,...,x^k,...,x^K)是輸入變量，x^k是第k個輸入變量，且是第k個輸入變量x^k的第j個樣本，Y＝(y₁,y₂,...,y_j,...,y_n)^T是輸出變量，y_j是輸出變量Y 的第j個樣本，1≤k≤K，1≤j≤n；

步驟3、將所述n×(K+1)維矩陣(X,Y)劃分為訓練集(X_train,Y_train)和測試集(X_test,Y_test)；