[發明專利]一種用于分布式光伏發電系統短期出力的預測方法

有效

• 申請號: 201911057947.5
• 申請日: 2019-11-01
• 公開（公告）號: CN111008728B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 程卓;曾偉東;楊文鋒;廖威;舒舟
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/0442;G06N3/0464;G06N3/08;G06Q50/06
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 熊賢卿

本發明提供一種用于分布式光伏發電系統短期出力的預測方法，其包括步驟：步驟S1：采集分布式光伏發電系統的歷史出力數據、大氣溫度數據以及太陽輻照數據，并進行數據歸一化預處理；步驟S2：使用多模型單變量的預測方法，建立基于極限學習機(ELM)的第一預測模型，進行待測日的初步預測；步驟S3：使用單模型多變量的預測方法，建立基于長短期記憶(LSTM)深度學習網絡的第二預測模型，結合歷史數據對第一預測模型的結果進行修正，并得到最終的光伏出力預測結果。實施本發明，可以提高預測精度和適應性。

技術領域

本發明屬于能源功率預測領域，更具體地，涉及一種用于分布式光伏發電系統短期出力的預測方法。

背景技術

隨著全球化石能源地不斷消耗，開發新能源、提高可再生能源的利用效率成為了解決能源緊缺、環境污染等問題的一項重要手段。在眾多新能源中，太陽能光伏發電由于其具有清潔、高效等諸多優異性能而得到廣泛應用，并在近年來得到飛速發展。

而隨著智能電網的發展，建設大規模的分布式光伏發電系統成為了一種充分消納太陽能資源、緩解電網調峰壓力的重要方案。分布式光伏發電系統是指采用光伏組件，將太陽能直接轉換為電能的發電系統。分布式光伏發電系統一般布置在電力用戶附近，往往直接與配電網相連，連同配電網一起向周邊用戶供電。相比較于集中式光伏電站，分布式光伏發電系統的裝機規模與輸出功率更小，地理位置更分散，例如，建在城市建筑物屋頂的光伏發電項目。

但是，由于光伏發電具有波動性和間歇性，分布式光伏發電系統的并網運行增加了電力系統的調度難度，因此，對分布式光伏發電系統的出力進行準確預測將有利于調度部門合理規劃常規能源發電廠與各分布式光伏發電系統之間的協調配合，提高電網運行的安全性和穩定性。

在現有技術中，對于短期光伏出力的預測方法有諸如人工神經網絡、支持向量機等方法，然而，現有技術存在的不足之處在于，使用單一的預測方法往往容易導致預測結果不穩定，預測精度不佳；另外，在天氣情況變化較大時，這些方法存在預測準確性不足的情形。

發明內容

本發明所要解決的技術問題在于，提供一種分布式光伏發電系統短期出力預測方法，采用組合深度學習網絡，可以提高對分布式光伏發電系統短期出力的預測精度以及在各種天氣條件下模型的適應程度。

為解決上述技術問題，本發明所采用的技術方案為，提供一種用于分布式光伏發電系統短期出力的預測方法，其特征在于，包括如下步驟：

步驟S1：采集分布式光伏發電系統的歷史出力數據、大氣溫度數據以及太陽輻照數據，并進行數據歸一化預處理；

步驟S2：使用多模型單變量的預測方法，建立基于極限學習機(ELM)的第一預測模型，進行待測日的初步預測；

步驟S3：使用單模型多變量的預測方法，建立基于長短期記憶(LSTM)深度學習網絡的第二預測模型，結合歷史數據對第一預測模型的結果進行修正，并得到最終的光伏出力預測結果。

優選地，所述步驟S1中具體包括：

步驟S10，通過安裝在分布式光伏發電系統中的功率測量裝置、溫度計以及輻照計，選取待測日前一天至前N天時間范圍內的歷史數據，以每天M個采樣點的采樣率采集該分布式光伏發電系統的輸出功率數據、溫度數據以及輻照強度數據；

步驟S11，按照公式分別對輸出功率數據、溫度數據以及輻照強度數據進行歸一化；

其中，P(j)和為歸一化前后j時刻的數據，j＝1,2,…,M；P_min和P_max為數據的最小值和最大值。

優選地，所述步驟S2具體包括：

步驟S20，使用多模型單變量的預測方法建立第一預測模型；