[發明專利]基于改進MKPLS的光伏發電功率短期滾動預測方法

有效

• 申請號: 202110644827.6
• 申請日: 2021-06-09
• 公開（公告）號: CN113361782B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 吳麒;張文安;黃大建;王林青;黃柳柳;張寶強
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/06
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于改進MKPLS的光伏發電功率短期滾動預測方法，首先，獲取影響發電功率的多源因素歷史數據集作為解釋變量數據集，并將對應的發電功率歷史數據集作為因變量數據集，通過基于自適應噪聲的完備經驗模態分解與排列熵相結合的方法實現歷史數據集的閾值濾波，實現高頻噪聲的有效去除和有用信息的保留；其次，通過閾值濾波解釋變量數據集與因變量數據集的相關系數矩陣，實現特征提取；然后，引入多尺度下的高斯核函數將輸入空間映射到高維特征空間，并建立因變量關于解釋變量的非線性預測模型；最后，通過引入滑動窗口策略實時更新預測模型的多尺度高斯核函數，并最終實現光伏發電功率短期滾動預測。本發明易于實現、計算量小和自適應能力強。

技術領域

本發明應用于光伏發電功率預測領域，涉及一種基于改進多尺度核函數偏最小二乘(MKPLS)的光伏發電功率短期滾動預測方法。

背景技術

近年來，以新能源為主體的新型電力系統得到了大規模的發展和應用，如光伏發電系統。通過光伏發電并網和逐步提升光伏發電的占比，將有效優化現有能源結構、促進國家節能減排，助力實現“碳達峰、碳中和”的目標。然而，光伏發電系統的功率存在間歇性、波動性和隨機性的特點，會嚴重影響電網的安全穩定運行，增加光伏發電大規模并網的難度。因此，如何實現光伏發電功率的準確預測已成為目前備受關注的研究內容，其對于電力系統調度計劃的合理制定和電力系統的經濟穩定運行具有重大意義。

根據預測時長的區別，光伏的發電功率預測主要分為中長期預測和短期預測。其中，短期預測的預測時長一般在48小時之內，用于配合電力調度部門規劃調度用電及合理安排備用容量。通常，光伏發電功率會受到來自多方面因素的影響，包括太陽輻照強度、所在地氣象狀況以及光伏發電系統自身狀況等。其中，所在地氣象狀況是影響光伏發電功率短期預測的關鍵因素，其造成的發電功率短期波動和隨機變換會嚴重影響短期預測的精度。此外，這些影響因素之間往往存在多重共線性，并且與光伏發電功率呈現出非線性關系，也增加了光伏發電功率短期預測的難度。

目前，光伏發電功率的短期預測主要依賴于預測模型的建立，包括物理模型、統計模型和人工智能模型。其中，物理模型由于模型復雜、計算量大和抗干擾性差等缺陷，已經無法滿足光伏發電功率短期預測的精度需求。傳統的統計模型主要是基于線性模型，無法反映光伏發電功率和氣象狀況間的非線性關系，導致局部預測不夠精確。人工智能模型雖然能較好的實現非線性擬合，但是需要大量的歷史數據作為支撐。此外，大部分現有的預測模型仍然采用固定的模型參數，模型的預測精度會隨著時間的推移逐漸降低，從而失去模型預測的意義。

發明內容

為了解決現有光伏發電功率短期預測方法存在非線性擬合效果差、需要歷史數據樣本大和無法滾動預測的技術缺陷，本發明提出了一種適用于小樣本下的基于改進多尺度核函數偏最小二乘(MKPLS)的光伏發電功率短期滾動預測方法。

本發明解決其技術問題所采用的技術方案是：

一種基于改進多尺度核函數偏最小二乘(MKPLS)的光伏發電功率短期滾動預測方法，所述方法包括以下步驟：

1)獲取的數據包括歷史發電功率數據集Y和影響發電功率的相關數據集X＝{X₁,X₂,X₃}，包括光伏發電站所在地氣象狀況數據集X₁、太陽輻射強度數據集X₂和發電系統自身狀況數據集X₃，歷史發電功率數據集Y的長度為L，數據集X的狀態個數為N；

2)進行數據預處理：首先，刪除由于機械原因和人為原因所導致的異常數據，提高數據的可用性，其次，采用基于自適應噪聲的完備總體經驗模態分解(CEEMD)方法結合檢測時間序列隨機排列熵(PE)的方法對數據集去噪，提高數據的可靠性；記經過數據處理后的解釋變量數據集為因變量數據集