[发明专利]一种基于适配度及相关系数拟合的光伏功率预测方法

说明书

技术领域

本发明涉及一种基于适配度及相关系数拟合的光伏功率预测方法。

背景技术

随着光伏发电技术的日渐发展，对光伏发电的应用也越来越得到重视，同时越来越多的光伏电站被纳入电网。但光伏系统输出功率存在的间歇性与波动性等缺点，大规模并网光伏对电力系统的运行也带来一些新问题，如对电网电能质量以及电力系统运行调度的影响。因此，如果能准确地预测光伏系统的输出功率，对提高光伏发电利用小时数、协调电力系统部门制定发电计划、减少光伏发电的随机性问题对电力系统的影响、提高电力系统的优化调度和安全稳定运行均具有重要意义。而目前对光伏发电的随机性以及光伏阵列发电预测技术的研究较少，是光伏发电大规模应用的难点之一。

光伏发电按照预测方式的不同，可分为直接预测和间接预测。但不管采用什么方式，由于光伏发电功率受多元气象因素影响，其预测精度与天气状态密切相关。而天气情况具有强随机性，不同季节、不同天气情况，光伏电站输出功率具有较大的差别。因此，现有技术中提供的采用单一的预测模型很难适应各种复杂的天气条件。如一些研究者建立了ARMA模型和马尔科夫链模型对对天气类型为晴天的光伏电站进行短期出力预测，该模型只适用于晴天的预测，对其他天气类型误差较大。因此现在主要做法是针对不同的季节、不同的天气类型分别建立预测子模型，如相关文献采用每小时的测量信息作为输入，预测每小时的日类型信息，然后由日类型信息计算光伏阵列的输出电能；或分别建立不同天气类型的预测子模型，对未来24h的天气类型进行分类或聚类识别；或按季节分别建立4个预测子模型，将历史数据分为4种不同的天气类型，利用每种类型各自的历史数据建立4个预测子模型，并根据天气类型预报信息选择对应的模型进行预测。上述按子模型预测的方法一定程度提高不同季节、不同天气类型预测的准确率，但存在如何对天气类型进行科学划分、数据是否完整性等问题，且分类的工作量庞大，实时性较差。

现有技术中公开的光伏输出功率预测中，基本都是针对单一的原始辐照度或者光伏输出功率时间序列展开的，但是仅仅依靠单一的变量对光伏输出功率的预测精度并不高；或者仅片面地针对某一方法的内部缺陷进行改进，这样容易忽视基本预测方法在整个预测过程中的使用策略。同时，由于光伏输出功率受多元气象因素影响，具有强随机性，不同季节、不同天气情况对光伏输出功率具有较大的影响。为了克服季节及天气类型的影响，现有预测技术主要集中在对不同的天气及季节构建不同的子模型，这种方法一定程度提高不同季节、不同天气类型预测的准确率，但存在如何对天气类型进行科学划分、数据是否完整性等问题，且分类的工作量庞大，实时性较差。

发明内容

本发明的目的在于提供一种基于适配度及相关系数拟合的光伏功率预测方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于适配度及相关系数拟合的光伏功率预测方法，按照如下步骤实现：

步骤S1：确定用于光伏输出功率预测的主特征值；

步骤S2：基于熵权法获取客观权重；

步骤S3：基于总误差选取相似日；

步骤S4：基于特征向量适配度对待测日光伏输出功率进行预测。

在本发明一实施例中，在所述步骤S1中，所述主特征值为斜射15度总辐照度和环境温度。在本发明一实施例中，在所述步骤S2中，还包括如下步骤：

步骤S21：将08:00～17:00各整点对应的主特征值的差值绝对值作为10个评价指标，回溯的n日历史日作为评价对象，建立由n日的各项特征值的差值绝对值向量δ_ij，并组成熵权法评价矩阵：A＝[δ_1j,δ_2j…δ_nj]^T，其中，i＝1,2…n；j＝1,2…10；

步骤S22：将所述熵权法评价矩阵A标准化得到标准化矩阵并根据下式计算第j个评价指标下第i个评价对象的比重：

步骤S23：根据下式计算每个评价指标的熵值：

步骤S24：根据下式计算得到每个评价指标的权重ω_j：

步骤S25：将10个评价指标的权重组合构成各有效时刻的客观权重向量：w₀＝[ω₁,ω₂…ω₁₀]。

在本发明一实施例中，在所述步骤S3中，还包括如下步骤：