[发明专利]一种基于动态建模的光伏出力预测方法

说明书

本发明公开了一种基于动态建模的光伏出力预测方法，步骤1：对原始气象、出力数据进行预处理；步骤2：对步骤1当中得到的所述训练样本进行训练，得到初始的光伏出力预测模型；步骤3：对所述训练样本进行设定样本筛选条件；步骤4：采集新数据样本，对新数据进行预处理工作加入原始数据中，再根据上述步骤3的样本筛选条件进行筛选，形成新的训练样本；步骤5：对步骤4当中所述新的训练样本重新训练出力模型；判断新的出力模型与上一次更新的模型是否收敛，若满足条件则完成模型更新输出，退出迭代；若不满足则返回步骤4进行样本的进一步筛选；提高光伏处理预测精度、提高电网调度安全性与经济性的目的。

技术领域

本发明涉及光伏出力预测技术领域，具体为一种基于动态建模的光伏出力预测方法。

背景技术

近年来随着可再生能源的需求的日益提高，风电/光伏技术迅猛发展，可再生能源装机以指数级别逐年增长。由于可再生能源与风力、太阳辐射等气象条件密切相关，具有随机性和间歇性的固有特点，因此大规模的可再生能源并网给电网消纳能力提出了巨大挑战。为了保证电网的平衡和安全调度，风电/光伏发电系统出力的准确预测成为电网首要考虑的重要工作。

传统的光伏出力预测模型一般根据历史出力和气象条件建立归回预测模型，模型建立好之后一般会长期使用。但是不同地区、不同时段的光伏出力特性是在不断变动的，传统方式的缺陷在于无法跟踪最新的动态条件，导致模型不能适应最新情况，从而造成较大的功率预测误差。

基于以上背景，本发明提出了一种基于动态建模的光伏出力预测方法，利用最新的历史样本数据实现光伏出力预测模型的动态调整，达到提高光伏处理预测精度、提高电网调度安全性与经济性的目的。

发明内容

针对以上问题，本发明提供了一种基于动态建模的光伏出力预测方法，利用最新的历史样本数据实现光伏出力预测模型的动态调整，达到提高光伏处理预测精度、提高电网调度安全性与经济性的目的；可以有效解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于动态建模的光伏出力预测方法，包括以下步骤：

步骤1：获取原始气象和出力数据，并对原始气象、出力数据进行预处理得到大小合理、数据准确、覆盖全面的高质量模型训练样本；

步骤2：对步骤1当中得到的所述训练样本进行训练，得到初始的光伏出力预测模型；

步骤3：对所述训练样本进行设定样本筛选条件，设定新数据相对于步骤2当中的所述初始的光伏出力预测模型的欧式距离阈值，阈值以内的数据将被筛选为有效数据参与模型更新训练，超过阈值的数据将被剔除；

步骤4：采集新数据样本，对新数据进行预处理工作，加入到初始的光伏出力预测模型当中形成新的训练样本，再根据上述步骤3的样本筛选条件进行筛选，形成新的训练样本；

步骤5：对步骤4当中所述新的训练样本重新训练出力模型；判断新的出力模型与上一次更新的模型是否收敛，若满足条件则完成模型更新输出，退出迭代；若不满足则返回步骤4进行样本的进一步筛选。

作为本发明一种优选的技术方案，所述步骤1中的原始气象、出力数据进行预处理操作包括对数据进行异常数据辨识、修正和样本选择，且异常数据辨识、修正和样本选择依次进行。

作为本发明一种优选的技术方案，所述步骤2中的样本训练方法具体采用神经网络方式对预处理后的训练样本进行训练。

作为本发明一种优选的技术方案，所述步骤3的设定原始数据样本的筛选条件中选择的数据具体为与原始数据样本气象条件相近的时段数据。

作为本发明一种优选的技术方案，所述步骤5中判断新的出力模型与上一次更新的模型收敛的具体方式为判断新的出力模型与上一次更新模型的模型距离小于给定的迭代精度。

与现有技术相比，本发明的有益效果是：