[发明专利]光伏发电的预测方法和装置

说明书

本发明实施例提供了一种光伏发电的预测方法和装置。该预测方法包括：获取当前时段预报的未来预定时段内的天气数据；确定在未来预定时段内的晴天条件下光伏发电系统的发电功率；将天气数据和在未来预定时段内的晴天条件下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，得到在未来预定时段光伏发电系统的预测发电功率。本发明实施例中，通过根据当前时段预报的未来预定时段内的天气数据以及光伏发电系统在未来预定时段内的晴天条件下的发电功率，采用非线性自回归模型对光伏发电系统在未来预定时段内的发电功率进行预测，能够提高预测的精度。

技术领域

本发明涉及光伏发电技术领域，尤其涉及光伏发电的预测方法和装置。

背景技术

近年来，越来越多的光伏发电系统接入电网运行，然而其发电功率的随机性和间歇性对电力系统经济、安全和可靠运行产生的负面影响也日渐突出。因此，迫切需要对光伏系统发电量进行准确预测，进而采取相应的技术措施抑制或补偿光伏发电功率波动。

发明内容

本发明提供了一种光伏发电的预测方法和装置，能够提高预测精度。

第一方面，提供了一种光伏发电的预测方法，包括：获取当前时段预报的未来预定时段内的天气数据；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；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。

本发明中，通过根据当前时段预报的未来预定时段内的天气数据以及光伏发电系统在未来预定时段内的晴天条件下的发电功率，采用非线性自回归模型对光伏发电系统在未来预定时段内的发电功率进行预测，能够提高预测的精度。

可选地，所述当前时段预报的未来预定时段内的天气数据可以包括温度和天气类型的量化值。

通过将公众气象服务平台获得的常见气象要素的预报值进行量化，输入非线性自回归模型对光伏发电系统的发电功率进行预测，能够进一步提高预测的精度。

结合第一方面，在第一方面的第一种可能的实现方式中，还包括：确定在所述未来预定时段内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。

其中，可选地，根据所述差值采用误差反传算法更新所述NARX神经网络模型。

本发明采用系统参数的自适应更新策略，随着系统运行时间增长，预测精度会逐步提高。

结合第一方面或第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述天气数据包括天气类型的量化值，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，所述反模糊化值与所述天线类型的量化值具有对应关系；根据所述反模糊化值确定所述天气类型的量化值。

结合第一方面或第一方面的第一种或第二种可能的实现方式，在第一方面的第三种可能的实现方式中，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。