[发明专利]一种基于季节分区的光伏功率预测方法

权利要求书

1.一种基于季节分区的光伏功率预测方法，其特征在于：包括

S1.收集光电站历史的太阳辐照度数据、功率数据；

S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行 分类；

S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行 数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与 太阳辐照度之间的对应关系；

S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型， 可以由预测日的预测太阳辐照度数据得到预测日的预测功率y₁；

S5.针对预测日之前一个时间段的数据，建立最小二乘模型，得到最近 一段时间内功率与太阳辐照度之间的对应关系，从而得到预测日的预测功率 y₂；

S6.计算预测功率y。

2.根据权利要求1所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S3包括

S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进 行数据预处理；

S32.使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐 照度之间的对应关系。

3.根据权利要求2所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S31中的数据预处理操作为使用聚类分析方法剔除异常数据 点。

4.根据权利要求3所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S31包括

S311.对每一太阳辐照度X，总有一功率Y与其对应，设其形成的样本集 为(X,Y)。输入样本集(X,Y)，输入指定聚类类数N，并在样本集中随机 选取N个对象作为初始聚类中心。设定迭代中止条件，比如最大循环次数或 者聚类中心收敛误差容限。

S312.进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心， 从而形成一类。初始化隶属度矩阵。

S313.更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重 新分配数据对象。

S314.反复执行步骤S312和步骤S313直至满足中止条件。

5.根据权利要求1所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S5中时间段为两周。

6.根据权利要求1所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S6包括设预测日的预测功率值为y，设y＝αy₁+(1-α)y₂，其 中y₁，y₂分别为使用支持向量回归模型和最小二乘模型得到的预测功率， 并且0≤α≤1。

7.根据权利要求6所述的基于季节分区的光伏功率预测方法，其特征 在于：所述步骤S6中，α为未知参数，是使得预测日之前一周的预测功率 和实际功率的误差平方和达到最小时的取值。