[发明专利]一种光伏发电功率预测方法、装置及系统

说明书

本发明提供一种光伏发电功率预测方法、装置及系统，首先对光伏电站的数据进行接收和预处理；然后将q种分类器和p种预测器进行两两组合；再根据处理后的数据，求取各个组合下不同分类器参数所对应的预测结果和预测精度；最后输出最佳预测精度的预测结果。其中的分类器和预测器均包括多种种类，且对于分类器和预测器的各个组合下的不同分类器参数，均做了相应的预测结果和预测精度的计算，使其预测精度不再受限于单一分类器和单一预测器的固定配合方式，规避了现有技术中单一预测器和单一分类器带来的预测结果不理想的情况。

技术领域

本发明涉及光伏发电控制技术领域，特别涉及一种光伏发电功率预测方法、装置及系统。

背景技术

随着全球能源危机、资源紧张和环境问题日益凸出，光伏发电产业正在飞速发展；但在光伏发电产业的自身发展中仍存在一些技术难点，不同于火力发电的可控、可调，光伏电站作为一种典型的间歇式电源，其发电功率受辐照、温度、湿度和风速等其它条件影响，具有较大的波动性和随机性，而这些特性使得大规模光伏在发电并网时易对电力系统的功率平衡带来不良影响；因此，需要进行光伏发电功率预测，以保证电力系统的功率平衡和安全稳定运行。

现有的光伏发电功率预测方案，按照是否对数据样本分类可以分为分类方案和非分类方案。目前很多的光伏发电功率预测方案基于非分类的方法，但是实验证明，非分类方案中训练样本质量不高，通常导致预测精度不高；因此，为了进一步提高预测结果精度，基于分类的光伏发电功率预测方案应成为主流研究方向。图1a为基于非分类的神经网络预测结果，图1b为基于分类的神经网络预测结果，显然，基于分类的预测结果要优于基于非分类的预测结果。

但是，现有技术中的分类方案，均采用单一分类器和单一预测器的固定配合方式，一旦单一分类器无法适应当前数据，则将影响预测效果，降低预测精度，难以满足实际应用的需求。

发明内容

本发明提供一种光伏发电功率预测方法、装置及系统，以解决现有技术中预测精度受限于单一分类器和单一预测器的固定配合方式的问题。

为实现上述目的，本申请提供的技术方案如下：

一种光伏发电功率预测方法，包括：

对光伏电站的数据进行接收和预处理；

将q种分类器和p种预测器进行两两组合；q和p均为大于1的正整数；

根据处理后的数据，求取各个组合下不同分类器参数所对应的预测结果和预测精度；

输出最佳预测精度的预测结果。

优选的，所述将q种分类器和p种预测器进行两两组合包括：

将q种分类器和p种预测器按照各自预设的顺序进行排序；

设定分类器的选择种类i的取值范围为[1，q]，设定预测器的选择种类k的取值范围为[1，p]，得到分类器和预测器的各个组合(i，k)。

优选的，所述根据处理后的数据，求取各个组合下不同分类器参数所对应的预测结果和预测精度，包括：

令i和k的初始值均为1；

在分类器参数的取值为j的情况下，选择第i种分类器分类得到的对应数据输入第k种预测器，求取预测结果；

计算对应的预测精度A(i，j，k)；

判断是否满足参数调节结束条件；

若不满足所述参数调节结束条件，则令分类器参数的取值j+1，再返回求取预测结果的步骤；

若满足所述参数调节结束条件，则以上一次计算得到的预测精度作为当前组合的最佳预测精度，令分类器的选择种类i+1、预测器的选择种类k+1，再返回求取预测结果的步骤。