[发明专利]光伏发电的预测方法和装置

权利要求书

1.一种光伏发电的预测方法，其特征在于，包括：

获取当前时段预报的未来预定时段内的天气数据，所述天气数据包括天气类型的量化值；

确定在所述未来预定时段内的晴天条件下光伏发电系统的发电功率；

将所述天气数据和在所述未来预定时段内的晴天条件下所述光伏发电系统的发电功率输入预先确定的非线性自回归NARX神经网络模型，得到在所述未来预定时段所述光伏发电系统的预测发电功率。

2.根据权利要求1所述的预测方法，其特征在于，还包括：

确定在所述未来预定时段所述光伏发电系统的实际发电功率；

确定在所述未来预定时段所述光伏发电系统的实际发电功率与预测发电功率的差值；

根据所述差值更新所述NARX神经网络模型，得到更新后的NARX神经网络模型。

3.根据权利要求1或2所述的预测方法，其特征在于，所述天气类型的量化值是根据以下方法确定的：

将不同的天气类型划分为晴、多云、阴雨三类模糊集合；

利用三角函数和梯形函数对所述三类模糊集合建立隶属度函数；

将所述当前时段预报的所述未来预定时段内的天气类型代入所述隶属度函数，按面积等分法确定反模糊化值；

根据所述反模糊化值确定所述天气类型的量化值。

4.根据权利要求1或2所述的预测方法，其特征在于，所述天气数据包括所述未来预定时段内的温度，所述确定在所述未来预定时段内的晴天条件下所述光伏发电系统的发电功率包括：

根据所述光伏发电系统的光伏组件参数和所述光伏发电系统的光伏阵列的结构配置，确定所述光伏发电系统的等效模型；

确定在所述未来预定时段内的晴天条件下所述光伏发电系统的光伏阵列的辐射；

根据所述未来预定时段内的温度，确定在所述未来预定时段内的晴天条件下所述光伏发电系统的光伏阵列的表面温度；

将所述表面温度和所述辐射输入所述光伏发电系统的等效模型，得到在所述未来预定时段内的晴天条件下所述光伏发电系统的发电功率。

5.根据权利要求1或2所述的预测方法，其特征在于，所述当前时段为t-t_x，所述未来预定时段为t，所述NARX神经网络模型的数学表达式为：

y(t)＝f(u(t-t_x))+ε(t)

其中，向量y(t)为在所述未来预定时段t所述光伏发电系统的预测发电功率向量，向量u(t-t_x)包括所述当前时段t-t_x预报的所述未来预定时段t内的天气数据和在所述当前时段t-t_x确定的所述未来预定时段t内的晴天条件下所述光伏发电系统的发电功率向量，ε(t)为预设值。

6.根据权利要求1或2所述的预测方法，其特征在于，所述NARX神经网络模型是根据以下方法确定的：

确定输出向量训练集合和输入向量训练集合，所述输出向量训练集合包括历史记录的所述光伏发电系统的发电功率，所述输入向量训练集合包括在历史上的晴天条件下所述光伏发电系统的发电功率和历史天气数据；

根据所述输出向量训练集合和所述输入向量训练集合对初始NARX神经网络模型进行训练，得到所述NARX神经网络模型。

7.一种光伏发电的预测装置，其特征在于，包括：

获取单元，用于获取当前时段预报的未来预定时段内的天气数据，所述天气数据包括天气类型的量化值；

第一处理单元，用于确定在所述未来预定时段内的晴天条件下光伏发电系统的发电功率；

所述第一处理单元还用于，将所述获取单元获取的所述天气数据和在所述未来预定时段内的晴天条件下所述光伏发电系统的发电功率输入预先确定的非线性自回归NARX神经网络模型，得到在所述未来预定时段所述光伏发电系统的预测发电功率。