[發明專利]一種超短期光伏功率預測方法及系統

在審

• 申請號: 202211326590.8
• 申請日: 2022-10-25
• 公開（公告）號: CN115577752A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 孫亞忠;榮以平;吳艷超;劉佳;張蘇楠;李國亮;鄒貴彬;張凱凱
• 申請（專利權）人: 國網山東省電力公司棗莊供電公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06Q50/06;H02J3/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

本發明公開一種超短期光伏功率預測方法及系統，包括：對光伏電站歷史出力數據進行異常值剔除與均值插補處理；對處理后的光伏電站歷史出力數據進行聚類；對聚類得到的各組光伏功率序列進行分解，得到頻率不同的模態分量，并采用中心頻率法確定模態分量數；對各模態分量采用SVR?LSTM混合模型進行預測，將波動頻率超出閾值的模態分量采用SVR模型進行預測，將剩余的模態分量采用LSTM模型進行預測，將各模態分量的預測結果進行累加重構后得到待測日的光伏功率預測結果。采用改進K均值算法與VMD?SVR?LSTM模型實現超短期光伏功率預測，降低數據波動性的影響，提高了波動天氣下光伏功率的預測精度。

技術領域

本發明涉及光伏發電功率預測技術領域，特別是涉及一種超短期光伏功率預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

光伏電站是間歇式電源，光伏發電的輸出受到多種天氣因素的影響，具有隨機性和波動性。光伏電站的大規模并網影響著電力系統的安全經濟運行，準確預測光伏發電功率是解決高比例光伏發電接入對電網帶來一系列問題的有效措施。

目前，光伏預測方法主要分為間接預測與直接預測兩大類。間接預測需要對發電系統內部進行建模，然后對構建的光電轉換模型進行求解；但是過程復雜且求解困難，適用于新建電站的預測。

直接預測基于歷史數據，簡化預測流程，對光伏發電量直接進行預測，提高了預測速度，常用的方法有支持向量機、隨機森林、人工神經網絡等；人工神經網絡(ANN)理論上能夠擬合任何非線性關系，適合對光伏發電功率進行預測，目前已有多種基于ANN模型的光伏發電功率預測方法。但是，單一的ANN模型魯棒性較差，難以對光伏發電功率的變化規律進行全面描述。

而現有的采用混合模型進行光伏功率預測的方法仍存在模型參數選擇困難、數據預處理不足、預測速度慢等問題。

發明內容

為了解決上述問題，本發明提出了一種超短期光伏功率預測方法及系統，采用改進K均值算法與VMD-SVR-LSTM模型實現超短期光伏功率預測，降低數據波動性的影響，提高了波動天氣下光伏功率的預測精度。

為了實現上述目的，本發明采用如下技術方案：

第一方面，本發明提供一種超短期光伏功率預測方法，包括：

對光伏電站歷史出力數據進行異常值剔除與均值插補處理；

對處理后的光伏電站歷史出力數據進行聚類；

對聚類得到的各組光伏功率序列進行分解，得到頻率不同的模態分量，并采用中心頻率法確定模態分量數；

對各模態分量采用SVR-LSTM混合模型進行預測，將波動頻率超出閾值的模態分量采用SVR模型進行預測，將剩余的模態分量采用LSTM模型進行預測，將各模態分量的預測結果進行累加重構后得到待測日的光伏功率預測結果。

作為可選擇的實施方式，對光伏電站歷史出力數據進行異常值剔除與均值插補處理的過程具體包括：采用箱型圖識別異常值，并將識別到的異常值采用均值插補法進行替換。

作為可選擇的實施方式，采用箱型圖識別異常值的過程包括：對光伏電站歷史出力數據進行排列，由得到的數據序列的四分位數計算上限值和下限值，高于上限值或低于下限值的數據被判定為異常值。

作為可選擇的實施方式，上限值H和下限值L分別為：

H＝Q3+1.5*(Q3-Q1)

L＝Q1-1.5*(Q3-Q1)

其中：Q3為上四分位數，Q1為下四分位數。

作為可選擇的實施方式，異常值前一時刻的數據和異常值后一時刻的數據的均值為替換值。