[發(fā)明專利]一種基于條件隨機(jī)場(chǎng)模型預(yù)測(cè)短期光伏發(fā)電系統(tǒng)發(fā)電量的系統(tǒng)模型

在審

• 申請(qǐng)?zhí)枺?/td>: 202010691278.3
• 申請(qǐng)日: 2020-07-17
• 公開（公告）號(hào): CN111652449A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 胡炳謙;周浩;顧一峰;韓俊
• 申請(qǐng)（專利權(quán)）人: 上海積成能源科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;H02J3/00;H02J3/38
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.本發(fā)明一種基于條件隨機(jī)場(chǎng)模型預(yù)測(cè)短期光伏發(fā)電系統(tǒng)發(fā)電量的系統(tǒng)模型的特征在于，包括：

步驟1.通過測(cè)量或取得歷史光伏發(fā)電系統(tǒng)發(fā)電量數(shù)據(jù)；

步驟2.根據(jù)步驟1中所取得的光伏發(fā)電系統(tǒng)發(fā)電量數(shù)據(jù)，首先對(duì)歷史光伏發(fā)電系統(tǒng)發(fā)電量數(shù)據(jù)進(jìn)行異常分析，剔除掉極端值：

1） 數(shù)據(jù)值為小時(shí)歷史光伏發(fā)電系統(tǒng)發(fā)電量數(shù)據(jù):

2） 假設(shè)歷史光伏發(fā)電系統(tǒng)發(fā)電量數(shù)據(jù)服從高斯分布:

3） 求出相應(yīng)參數(shù):

4） 如果, 則認(rèn)為該值為極端值。

2.步驟3.根據(jù)步驟2的結(jié)果,去訓(xùn)練條件隨機(jī)場(chǎng)模型；

條件隨機(jī)場(chǎng)模型表示如下: 設(shè)Q是所有可能狀態(tài)的集合，V是所有可能的觀測(cè)集合:

其中, N是可能的狀態(tài)，M是可能的觀測(cè)數(shù)；

在該發(fā)明中, Q為四種狀態(tài)，包括：最大值，最小值，早上七點(diǎn)，和晚上七點(diǎn)；

V定義為五種觀測(cè)值，當(dāng)天最大光伏發(fā)電系統(tǒng)發(fā)電量，當(dāng)天最小光伏發(fā)電系統(tǒng)發(fā)電量，當(dāng)天早上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量，當(dāng)天晚上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量，和當(dāng)天平均光伏發(fā)電系統(tǒng)發(fā)電量；

此外 是長(zhǎng)度為T的狀態(tài)序列，O是對(duì)應(yīng)的觀測(cè)序列:

其中T代表總樣本天數(shù)乘以四；

條件隨機(jī)場(chǎng)表示如下:

,其中，

意義為, 當(dāng)隨機(jī)變量X取值為x的情況下，隨機(jī)變量Y取值y的條件概率；

是定義在概率圖邊上的特征函數(shù)，稱為轉(zhuǎn)移特征，依賴于當(dāng)前和前一個(gè)位置；是定義在結(jié)點(diǎn)上的特征函數(shù)，稱為狀態(tài)特征，依賴于當(dāng)前位置，和是對(duì)應(yīng)的權(quán)值，是規(guī)范化因子；

步驟4.本發(fā)明采用條件隨機(jī)場(chǎng)模型的原理是使用訓(xùn)練數(shù)據(jù)集來估計(jì)條件隨機(jī)場(chǎng)的參數(shù)集，當(dāng)已知了歷史光伏發(fā)電系統(tǒng)發(fā)電量, 既，輸入序列x和輸出序列y，計(jì)算條件概率；

五個(gè)光伏發(fā)電系統(tǒng)發(fā)電量變量（最大光伏發(fā)電系統(tǒng)發(fā)電量，最小光伏發(fā)電系統(tǒng)發(fā)電量，早上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量，晚上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量和平均光伏發(fā)電系統(tǒng)發(fā)電量），使用此變量信息，我們的目標(biāo)是預(yù)測(cè)第二天的的平均光伏發(fā)電系統(tǒng)發(fā)電量；輸入：最大值，最小值，早上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量，晚上七點(diǎn)光伏發(fā)電系統(tǒng)發(fā)電量和平均光伏發(fā)電系統(tǒng)發(fā)電量；輸出：第二天的平均光伏發(fā)電系統(tǒng)發(fā)電量；

首先我們采用向前-向后算法估計(jì)出第二天平均風(fēng)力發(fā)電屬于某種狀態(tài)的可能性: ，為了方便計(jì)算，我們先將條件隨機(jī)場(chǎng)表達(dá)式轉(zhuǎn)換成矩陣形式；

對(duì)觀測(cè)序列的每一個(gè)位置, 由于和在m個(gè)標(biāo)記中取值，可以定義一個(gè)m介矩陣隨機(jī)變量：

而矩陣隨機(jī)變量的元素為:

而:

進(jìn)而條件隨機(jī)場(chǎng)也可以表示為:

(1)對(duì)每一個(gè)指標(biāo),定義前向向量:

(2)遞推公式為：

表示在位置i的標(biāo)記是并且從1到i的前部分標(biāo)記序列的非規(guī)范化概率，可取的值有m個(gè)，所以是m維列向量；

(3)對(duì)每一個(gè)指標(biāo),定義后向向量:

(4)遞推公式為：

表示在位置i的標(biāo)記是并且從i+1到n的后部分標(biāo)記序列的非規(guī)范化概率；

其次，從過去開始使用條件隨機(jī)場(chǎng)的數(shù)據(jù)集中，我們找到那些實(shí)例會(huì)產(chǎn)生相同的“或最接近”可能性值。

3.也就是說我們找到樣本的過去一天行為類似于當(dāng)前的行為，并且假設(shè)第二天的光伏發(fā)電系統(tǒng)發(fā)電量同樣應(yīng)該跟隨過去某天的光伏發(fā)電系統(tǒng)發(fā)電量變化行為。

4.我們使用相同的過去數(shù)據(jù)模式只需計(jì)算當(dāng)天光伏發(fā)電系統(tǒng)發(fā)電量的差額，然后是當(dāng)天的光伏發(fā)電系統(tǒng)發(fā)電量；因此，第二天平均光伏發(fā)電系統(tǒng)發(fā)電量預(yù)測(cè)的具體值，為前一天的平均光伏發(fā)電系統(tǒng)發(fā)電量加上差額，其中差額來自于最大可能性的狀態(tài)。

5.本發(fā)明采用的條件隨機(jī)場(chǎng)模型與隱馬爾可夫模型最大的區(qū)別在于隱馬爾可夫的觀測(cè)值只取決于產(chǎn)生它的狀態(tài)，和前后的狀態(tài)無關(guān)；而條件隨機(jī)場(chǎng)則在隱馬爾可夫的基礎(chǔ)上，考慮了觀測(cè)值與前后狀態(tài)的概率。

6.本發(fā)明通過基于條件隨機(jī)場(chǎng)模型和向前算法來預(yù)測(cè)短期光伏發(fā)電系統(tǒng)發(fā)電量的系統(tǒng)模型,考慮數(shù)據(jù)自變量，為綜合應(yīng)用新能源發(fā)電，保障整體電網(wǎng)用電平穩(wěn)安全，提供了一套得到有效預(yù)測(cè)數(shù)據(jù)的系統(tǒng)。