[发明专利]光伏输出功率预测方法和系统

说明书

技术领域

本发明涉及新能源发电和智能电网技术领域，特别是涉及一种光伏输出功率预测方法和系统。

背景技术

随着社会的发展，化石燃料面临枯竭，环境的问题也日益突出。为了解决这一难题，人类开始关注可再生能源，其中绿色无污染的太阳能就成为大家关注的焦点。作为一种有效利用太阳能的方式，光伏发电已经取得了显著的发展。但是考虑到光伏发电受到诸多气候因素的影响，功率变化的随机性较强，一旦功率发生较大变化，必须投入大量备用设备进行削峰填谷，同时输出功率的扰动严重时可能影响电网的安全稳定运行，因此对光伏输出功率的预测研究就显得尤为必要。

考虑实际光伏输出功率的非平稳性，直接对其进行预测的误差较大。现有的光伏输出功率预测方法有人工神经网络(ArtificialNeuralNetworks，ANN)、支持向量机(SupportVectorMachines，SVM)。但是在实际应用过程中，上述方法对突变天气下的光伏输出功率的预测效果不佳。一方面，上述方法数据分析的复杂度较高，另一方面，上述方法对突变天气下的光伏输出功率预测的精度较低。综上所述，现有技术的功率预测效果较差。

发明内容

基于此，有必要针对功率预测效果较差的问题，提供一种光伏输出功率预测方法和系统。

一种光伏输出功率预测方法，包括以下步骤：

根据获取光伏功率数据时的天气特征将光伏功率数据划分为不同天气类型对应的光伏功率数据，将预设范围内的光伏功率数据分解为若干个随机项分量和趋势项分量；

根据随机项分量构造第一训练样本和第一预测样本，根据所述第一训练样本和第一预测样本建立随机项分量的第一预测模型，并根据所述第一训练样本对所述第一预测模型进行训练；

根据趋势项分量构造第二训练样本和第二预测样本，根据所述第二训练样本和第二预测样本建立趋势项分量的第二预测模型，并根据所述第二训练样本对所述第二预测模型进行训练；

将预测样本的输入导入训练后的第一预测模型和训练后的第二预测模型，分别获取待预测的光伏功率的随机项分量的第一预测值和趋势项分量的第二预测值，将第一预测值和第二预测值进行叠加求和，获得待预测的光伏输出功率的预测功率。

一种光伏输出功率预测系统，包括：

分解模块，用于根据获取光伏功率数据时的天气特征将光伏功率数据划分为不同天气类型对应的光伏功率数据，将预设范围内的光伏功率数据分解为若干个随机项分量和趋势项分量；

第一训练模块，用于根据随机项分量构造第一训练样本和第一预测样本，根据所述第一训练样本和第一预测样本建立随机项分量的第一预测模型，并根据所述第一训练样本对所述第一预测模型进行训练；

第二训练模块，用于根据趋势项分量构造第二训练样本和第二预测样本，根据所述第二训练样本和第二预测样本建立趋势项分量的第二预测模型，并根据所述第二训练样本对所述第二预测模型进行训练；

预测模块，用于将预测样本的输入导入训练后的第一预测模型和训练后的第二预测模型，分别获取待预测的光伏功率的随机项分量的第一预测值和趋势项分量的第二预测值，将第一预测值和第二预测值进行叠加求和，获得待预测的光伏输出功率的预测功率。

上述光伏输出功率预测方法和系统，通过对光伏功率数据按天气类型进行分类，并将预设范围内的光伏功率数据分解为若干个随机项分量和趋势项分量，对随机项分量和趋势项分量，分别构造预测模型并进行训练，根据训练后的预测模型分别获取待预测的光伏功率的随机项分量的第一预测值和趋势项分量的第二预测值，将第一预测值和第二预测值进行叠加求和，获得待预测的光伏输出功率的预测功率，考虑了随机项的非平稳性影响预测效果，提高了对突变天气下光伏输出功率预测的精度。

附图说明

图1为本发明的光伏输出功率预测方法流程图；

图2为三种天气类型下的光伏输出功率预测模型框图；

图3为为小波分析效果示意图；

图4为BP神经网络结构示意图；

图5为晴天光伏输出功率短期预测结果；

图6为阴雨天光伏输出功率短期预测结果；

图7为多云天光伏输出功率短期预测结果；

图8为本发明的光伏输出功率预测系统的结构示意图。

具体实施方式

下面结合附图对本发明的光伏输出功率预测方法和系统的实施例进行描述。

图1为本发明的光伏输出功率预测方法流程图。如图1所示，所述光伏输出功率预测方法可包括如下步骤：