[發明專利]基于空間相關性的區域分布式光伏預測方法及系統

有效

• 申請號: 202011439785.4
• 申請日: 2020-12-10
• 公開（公告）號: CN112508279B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 王士柏;孫樹敏;程艷;王楠;于芃;王玥嬌;張用;李華東;滕瑋;張興友;魏大鈞;李寶;邢家維;關逸飛;郭永超;李慶華;王彥卓;常萬拯;張志豪
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F16/29;G06N3/044;G06N3/0442;G06N3/045;G06N3/084
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本公開提出了基于空間相關性的區域分布式光伏預測方法及系統，包括：對同一地區集中式電站與該地區所有分布式電站進行相關性分析，將地區內與各自集中式電站相關性系數達到閾值的所有分布式電站等效為一虛擬集中式電站；預測得到集中式電站目標日出力，并在此基礎之上，由集中式電站目標日出力通過曲線擬合方式得到虛擬集中式電站的目標日出力；將區域內所有虛擬集中式電站出力求和得到區域內分布式電站出力。通過光伏電站實例數據案例驗證了該方法的有效性。

技術領域

本公開屬于光伏發電技術領域，尤其涉及基于空間相關性的區域分布式光伏預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

近年來光伏行業取得了飛躍式的發展。截至2019年底，全國新增太陽能發電裝機容量為2681萬千瓦，其中并網太陽能比去年增長26.5％。與集中式光伏相比，分布式光伏，尤其是建筑結合率高的分布式光伏更能被配電網接受和喜愛。

隨著分布式光伏的發展，分布式光伏發電系統并入配電網的比重越來越多，它對配電網的優化規劃、電力系統電能質量，智能電網實時性保護都有較大影響。因此，有效的預測分布式出力成為了電網規劃運行的一項必要工作和熱點研究問題。

常用的光伏預測方法有支持向量機、人工神經網絡、馬爾科夫鏈和多元回歸分析等。這類方法依據大量的歷史發電功率與歷史氣象記錄來確保所建模型的準確性。而分布式光伏電站由于建造成本低，監管能力弱，導致其歷史數據不多，甚至缺少；所以，綜上所述的方法很難直接應用在分布式電站出力預測上。

光伏電站輸出功率數據與相同氣象條件下的歷史數據具有相似性，與相鄰電站輸出功率存在空間相關性。因此，可由集中式光伏出力預測推算出與之相近區域內的分布式光伏的出力。在文獻“張伯林,拜潤卿,智勇等.基于空間相關性的分布式光伏超短期預測技術研究[J].陜西電力,2017,45(5):22-26.”中基于分層聚類算法對光伏電站間空間相關關性進行判斷及匹配，得到參考電站與目標電站間的映射關系，由BP神經網絡預測參考電站出力最終通過映射關系得到目標電站的出力。文獻“夏冷風,黎嘉明,趙亮等.考慮光伏電站時空相關性的光伏出力序列生成方法[J].中國電機工程學報,2017,37(7):1983-1999”則是將光伏出力分解為理想歸一化曲線、幅值參數和隨機分量，并提出利用典型日數據的理想出力提取方法，能夠較好的表征多光伏電站間的空間相關性。文獻“Ruiyuan?Zhang,HuiMa,Wen?Hua,et?al.Data-driven?photovoltaic?generation?forecasting?based?on?abayesian?network?with?spatial-temporal?correlation?analysis[J],IEEETransactions?on?Industrial?Informatics,2020,16(3):1635-1644.”對分布式光伏系統的光伏發電數據之間的時空相關性進行了深入研究，提出了一種基于貝葉斯網絡的預測模型。文獻“王志遠,王守相,陳海文等.考慮空間相關性采用LSTM神經網絡的光伏出力短期預測方法[J].電力系統及其自動化學報,(2019-07-22)[2019-07-22].”將與目標電站強相關性的參考光伏序列作為LSTM神經網絡預測模型的輸入部分，再結合目標電站NWP數據與目標電站歷史光伏數據預測分布式電站的出力。文獻“張家安,王琨玥,陳建等.基于空間相關性的分布式光伏出力預測[J],電力建設,2020,41(3):47-53.”依據無遮系數建立指標，聚類天氣，然后通過copula函數建立各類天氣下的預測模型，最終基于集中式光伏出力預測數據預測出分布式光伏出力并得出結論。