[發明專利]一種數據驅動的光伏發電功率預測方法和系統

在審

• 申請號: 202110992911.7
• 申請日: 2021-08-27
• 公開（公告）號: CN113705887A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 劉毅;馬正陽;劉凱新;鄭明凱
• 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;H02J3/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

一種數據驅動的光伏發電功率預測方法，包括：1)獲取數據，通過傳感器進行多維天氣特征數據的采集；2)特征重構，主成分分析算法對采集到的多維特征進行分析計算，將最相關的若干特征進行融合重構，獲得新的較少維度的特征數據；3)建立模型，構建線性回歸算法模型，針對主成分分析算法重構得到的天氣特征數據，將其與光伏設備的發電功率建立映射關系，使模型對數據進行擬合；4)訓練并預測，將所獲取的多維天氣特征數據通過主成分分析算法進行重構，并將重構后的特征數據送入線性回歸模型中，使其進行充分地學習擬合，并將擬合數據后的模型用于光伏設備發電功率的預測。本發明還包括一種數據驅動的光伏發電功率預測系統。

技術領域

本發明涉及光伏發電功率預測技術領域，具體為一種數據驅動的光伏發電功率預測方法和系統。

背景技術

進入21世紀以來，隨著人類社會的飛速發展，各國對能源的需求與日俱增。大規模的制造業，需要消耗大量的能源才能維持生產。作為世界工廠，中國對能源需求甚大。但是基于全球變暖的共識以及對環保和可持續發展的追求，我國正逐步降低傳統化石能源的消耗占比，大力發展清潔能源。太陽能是一種取之不盡，用之不竭的清潔能源，對太陽能的收集是通過光伏設備來實現的。然而，太陽能雖然具有清潔無盡的特點，但在光伏設備的發電過程中，會因為當地的天氣條件的變化而影響光伏發電的功率，造成波動。而對于光伏所接入的電網而言，這種波動會對電網的穩定性產生影響，造成電網的不穩定。因此，對光伏設備的發電功率進行準確預測可以有效地保障電網系統的安全性與穩定性，具有重要意義。

目前對光伏發電功率的預測方法大致分為機器學習和深度學習兩類。基于深度學習的方法如長短期記憶網絡算法，通過構建復雜的網絡模型來對光伏設備運行過程中的天氣特征進行建模分析，較為繁瑣，不適合光伏功率預測的實際要求；基于機器學習的方法如決策樹算法，通過樹模型對各個特征進行分析并建模預測，但未考慮特征的繁雜性，尚未對光伏發電功率的影響因素進行降維降噪處理，這導致模型帶有噪聲，會降低模型的預測性能。

主成分分析算法是一種用于數據分析的算法，它可以從多個特征變量中找到對目標影響較大的若干個特征變量，從而達到數據簡化的目的。在完成特征數據的選擇融合后，可采用線性回歸算法對處理后的特征數據進行建模預測。特征數據在通過降維降噪之后可具有更高的實用性，增強了數據質量，可大大提升預測模型的準確率，提升光伏發電功率預測效率。

發明內容

針對現有技術中存在的問題，本發明提供了可提高光伏發電功率預測準確度的一種數據驅動的光伏發電功率預測方法和系統。

本發明的技術方案如下：

一種數據驅動的光伏發電功率預測方法，其特征在于，包括如下步驟：

1)獲取數據：光伏設備因其對太陽能的轉化利用方式，其發電功率受天氣狀況的影響較大。通常來說，每日氣溫(攝氏度)、相對濕度、風速、光照度、總輻射度(瓦/平方米)等因素均有一定的影響。可通過相關傳感器等進行多維天氣特征數據的采集。

2)重構特征：所采集的多維天氣特征數據，因其變量較多易對模型產生干擾，故使用主成分分析算法進行特征重構。主成分分析算法可對多維特征進行分析計算，將最相關的若干特征進行融合重構，獲得新的較少維度的特征數據。

3)建立模型：構建線性回歸算法模型，針對主成分分析算法重構得到的天氣特征數據，將其與光伏設備的發電功率建立映射關系，使模型能夠較好地對數據進行擬合。

4)訓練并預測：將所獲取的多維天氣特征數據通過主成分分析算法進行重構，并將重構后的特征數據送入線性回歸模型中，使其進行充分地學習擬合，并將擬合數據后的模型用于光伏設備發電功率的預測。