[发明专利]一种光伏电站发电量预测的方法

说明书

技术领域

本发明涉及一种光伏电站发电量预测的方法，属于光伏电站发电技术领域。

背景技术

光伏电站的日输出功率具有随机波动特点，在发电过程中由于天气和光照强度的突变，会造成短时间输出功率急剧变化的现象。因此，逆变器在进行并网时，会给电网稳定、可靠运行带来影响，而且给电网调度增加困难，影响传统开机方式和调度方式。

有鉴于此，有必要提供一种光伏电站发电量预测的方法，以满足实际应用需要。

发明内容

本发明的目的是：为克服现有技术的不足，本发明提供一种光伏电站发电量预测的方法，通过光伏电站所在区域的环境监测数据和运行数据，应用多元回归技术拟合回归模型，得到预测样本数据，并不断与历史数据和历史预测结果进行对比与改进，实现发电量的较小误差预测。

本发明所采用的技术方案是：一种光伏电站发电量预测的方法，其特征在于，通过以下几个步骤反复拟合、筛选、对比和改进来完成：

（1）把采集到的环境监测数据通过交互不可测变量方法来量化天气变量，由于天气变量具有季节性变化，因此在量化天气时，需要考虑季节性；首先将天气变量进行虚拟化，然后选择与虚拟化变量有强相关性的变量进行交互式分析得出系数，并拟合变量得到量化后的观测，然后合并数据集得到一个新的样本数据；

（2）划分样本数据集，分为训练数据集和验证数据集；训练数据集用来创建模型的子数据集；验证数据集用来验证模型的子数据集；

（3）计算SPEARMAN秩相关系数，并对其进行检验，此时原假设H0：两个变量不相关，在原假设成立的情况下，对于大样本情形，检验统计量近似服从自由度为（n-2）的t分布，根据样本观测值计算出检验统计量的P值，并与显著性水平α比较，可得出检验结论：如果P值小于α，则拒绝原假设，即认为两变量是相关的；如果P值大于α，则不能拒绝原假设，即认为两个变量不相关。则初步筛选出变量；

（4）用新训练数据集拟合回归模型得到初步模型，设y为因变量，X₁,X₂,…,X_k为k个自变量，则回归模型可以写为：y=β₀+β₁X₁+β₂X₂+···+β_kX_k+ε，其中，β₀是常数项，β_j(j=1,2,…,k)是y对X_j的回归系数,ε是随机误差项；

（5）用逐步回归法筛选变量得到数学模型，逐步回归是首先加入一个变量，如果加入的变量对模型的影响显著，则保留此变量，然后再对当前模型中所有变量进行检验，剔除那些不显著的变量，依次进行下去，直到没有显著的变量要加入且模型中已有的变量都显著为止；

（6）把验证数据集代入数学模型得到一个预测样本，并对预测样本结果进行对比与改进，实现发电量的较小误差预测，通过后验概率验证模型的准确率，即1-(预测需求值与预测值差的绝对值/预测需求值)，若准确率大于80%，则得到最终模型：y=β₀+β₁X₁+β₂X₂+···+β_kX_k，否则回到(3)重新拟合模型，筛选变量，直到预测准确率达到80%以上为止。

本发明的有益效果是：本发明提供的光伏电站发电量预测的方法，通过光伏电站所在区域的环境监测数据和运行数据，应用多元回归技术拟合回归模型，得到预测样本数据，并不断与历史数据和历史预测结果进行对比与改进，实现发电量的较小误差预测。完成对光伏电站发电量的预测，可以提前预知发电量，提高电网运行稳定性的能力；还可以校验数据的准确性，提高数据质量。

附图说明

图1为本发明的光伏电站发电量预测的方法流程示意图。

具体实施方式

为了更好地理解本发明，下面结合实施例进一步阐明本发明的内容，但本发明的内容不仅仅局限于下面的实施例。本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。

如图1所示，本发明实施例提供的光伏电站发电量预测的方法，通过以下几个步骤反复拟合、筛选、对比和改进来完成，如图1。