[发明专利]一种光伏电站发电功率的预测方法

权利要求书

1.一种光伏电站发电功率的预测方法，其特征在于，包括以下步骤：

1)采集光伏电站的历史气象数据和功率数据，以日为单位提取六种气象特征，建立气象特征库；

所述六种气象特征为：[IR_max，T_max，DIFF_IRmax，STD_IR，MV_IR，TD_IRmax]，

其中，

IR_max＝max(IR_i)为最大辐照度，T_max＝max(T_i)为最高气温，DIFF_IRmax＝max(DIFF_IRi)为最大波动值，STD_IR为波动标准差，MV_IR为波动均值，TD_IRmax为波动三阶导数，IR_i和T_i是日历史数据中第i个实时辐照强度和温度数据，

DIFF_IRi＝IR_i+1-IR_i i＝1,2,...,s-1

s是采样点的数量；

2)通过模糊C-均值核聚类算法将气象特征库中的日气象特征数据进行聚类，实现天气类型分类，在此基础上对每一日的功率数据和气象数据进行类别标记；

所述模糊C-均值核聚类的具体流程如下：

(2-1)准备第一次聚类的数据样本：x_k＝[IR_max，T_max，DIFF_IRmax，TD_IR]_k k＝1,2,3,…,n，n为样本数；

(2-2)初始聚类数C＝2；

(2-3)随机初始化聚类中心ν_i；

(2-4)计算隶属度系数u_ik；

其中，K(x_i,x_j)是高斯核函数，

δ为核函数系数，m取2；

(2-5)计算新的聚类中心：

表示u_ik的平方；

(2-6)循环步骤(2-3)～步骤(2-5)，达到终止条件，则循环终止；

(2-7)计算C＝2时的聚类有效性系数V_XB(C)；

(2-8)另C＝C+1，循环执行步骤(2-3)～步骤(2-7)，直到C＝C_max，得到V_XB(C+1)，C_max为聚类次数；

(2-9)判断最优聚类数C_opt，最小的V_XB(C)对应的C即为C_opt；

(2-10)以C＝C_opt，重新执行步骤(2-3)～步骤(2-6)，得到最优聚类结果，将样本x_k进行类别标记；

(2-11)二次聚类：在第一次聚类的基础上，将聚类好的几类数据分别以x_k'＝[MV_IR，STD_IR]_k' k'＝1,2,3,…,n'为样本，n'为样本数，再用模糊C-均值核聚类算法进行第二次聚类；

3)按照步骤2)的类别标记，每一类中的功率数据和气象数据建立一个支持向量机回归子模型；

4)通过数值天气预报数据提供的目标日的天气特征，使用支持向量机算法识别目标日的天气类型，选择目标日对应的支持向量机回归子模型；

5)利用目标日的实时监测数据建立自回归积分滑动平均模型，使用滚动预测方式实现辐照强度和气温的实时预测；

6)将步骤5)辐照强度和气温的预测值输入步骤4)中选择的支持向量机回归子模型中，得到最终的光伏电站功率预测结果。

2.根据权利要求1所述的一种光伏电站发电功率的预测方法，其特征在于，所述步骤1)中历史气象数据来源于光伏电站中的综合监控系统，包含独立的气象站收集实时气象数据；所述气象数据包括实时辐照强度和温度；所述功率数据来源于光伏电站计量系统。