[發明專利]基于灰色關聯度的變權重組合光伏出力預測方法

在審

• 申請號: 202010639158.9
• 申請日: 2020-07-06
• 公開（公告）號: CN111798055A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 張興友;張元鵬;李俊恩;袁帥;張用;于芃;魏大鈞;李廣磊;王士柏;滕瑋;程艷;孫樹敏;史潔;程新功
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;國網山東省電力公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06T7/90;G06Q50/06
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 肖繼軍

基于灰色關聯度的變權重組合光伏出力預測方法，利用最小二乘支持向量機模型和徑向基函數神經網絡模型的加權組合預測，先采集不同時刻歷史數據，選取最小二乘支持向量機模型和徑向基函數神經網絡模型作單一模型獨立預測，建立預測序列與參考序列，然后計算單一模型預測序列與實測序列之間灰色關聯度，通過神經網絡訓練，確定預測時段權重矩陣，最后利用灰色關聯度理論組合預測，并利用平均絕對百分比誤差和均方根誤差兩種預測誤差評價LSSVM模型和RBFNN模型以及組合預測模型的精度。本發明達到短期組合預測光伏電場功率的目的，利用了兩種模型的優點，并提高了預測效率和準確性。

技術領域

本發明屬于光伏發電領域，主要涉及一種基于灰色關聯度分析的變權重分布式光伏組合預測建模方法。

背景技術

隨著全球能源危機的加深，各國競相發展新能源，光電大規模應用已是不可更改的大勢，而阻礙其發展的關鍵是光伏出力的不穩定。光伏并網發電系統是不可控源，其發電功率的波動性和隨機性會對電力系統造成一定的沖擊，這使得大規模光伏并網發電成為難題。為減少光伏并網發電系統發電功率的波動性對大電網造成的影響，使光電成為重要的電力供應形式，幫助電網計劃調度，提高功率預測的精度與準確性，建立光伏并網發電預測系統是非常必要的。

在現有技術中，現有技術文件1(趙濱濱；葛磊蛟；王瑩.一種基于ARIMA模型的分布式光伏出力功率預測方法[P].中國專利:CN109388863A,2019-02-26)公開了一種基于差分整合移動平均自回歸模型(ARIMA)模型的光伏出力預測方法，通過對真實電站輸出序列進行特征描述，從而進行預測。并且在此基礎上，將ARIMA模型與支持向量機結合，取得了較好的預測效果，并已申請專利。

現有技術文件2(陳中；宗鵬鵬.一種基于灰色關聯分析的神經網絡光伏發電出力預測方法[P].中國專利:CN104978611A,2015-10-14)公開了一種基于灰色關聯的神經網絡光伏發電出力預測方法，通過對包含天氣信息的樣本灰色關聯度計算并排序，對BP神經網絡進行訓練。在對某電站的短期預測中，顯著提高了突變天氣時的精準度，還避免了預測結果陷入局部最優的缺陷。

現有技術文件3(袁曉玲；郭宇杰；楊店飛；沈桂鵬；劉皓明.基于最優相似日集的光伏電站出力預測方法[P].中國專利:CN104573879A,2015-04-29)公開了一種基于最優相似日集的光伏出力預測方法，將氣象數據歸一化后進行聚類模型進行聚類分析，將最優相似集作為輸入預測輸出功率，簡單易行又具有不錯的準確性。

在實際應用中常見的光伏發電功率預測模型包括：最小二乘支持向量機模型(Least Squares Support Vector Machine，簡稱LSSVM)和徑向基核函數神經網絡模型(Radial Basis Function Neyral Network，簡稱RBFNN)，但由于模型特點不同，都存在自身的局限性和適用條件。LSSVM模型只能擬合光伏電力系統的非線性，而太陽輻射的不確定性往往使得預測效果不佳。RBFNN模型在實際應用中神經元數目較多，導致空間維數過大，計算速度受硬件限制較大，不適用于簡單問題。目前單獨的預測模型與實際偏離大，若被用來指導實際生活，可能導致較大損失，而組合預測模型在一定程度上規避了原有模型缺點，精度也更符合現實需要。其中，變權預測的組合預測方法能適時調整組合權重，解決定權預測適用性差的問題，更好的解決分布式光伏功率預測問題。

發明內容

為了解決現有技術存在的問題，本發明提供了一種光伏發電建模技術領域中利用灰色關聯度分析的光伏電場功率組合預測建模方法?；谧钚《酥С窒蛄繖C和徑向基函數神經網絡預測模型的光伏功率加權組合預測方法，達到短期組合預測光伏電場出力的目的。該發明既最大化的利用了兩種模型的優點，又節省了計算資源，縮短了計算時間從而提高了預測效率。

本發明采用如下的技術方案：

基于灰色關聯度的變權重組合光伏出力預測方法，其特征在于，包括以下步驟：