[发明专利]一种光伏发电功率多时间尺度预测方法

说明书

本发明涉及电力系统技术领域，具体公开了一种光伏发电功率多时间尺度预测方法，其中，所述光伏发电功率多时间尺度预测方法包括：获取光伏发电功率预测所需的基本数据，其中所述基本数据包括季节类型、天气类型、温度、风速和历史光伏发电功率；将相同季节的历史光伏发电功率按照天气类型进行分类；对同一天气类型下的光伏发电功率数据建立特征集合；根据所述特征集合建立深度脊波网络光伏发电功率预测模型；通过所述建立深度脊波网络光伏发电功率预测模型获取光伏法发电功率多时间尺度预测结果。本发明提供的光伏发电功率多时间尺度预测方法具有运行效率高且预测精度高的优势。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种光伏发电功率多时间尺度预测方法。

背景技术

随着风能及光伏等新能源出力在电力系统发电量中渗透率的逐年提升，在缓解能源紧张、环境恶化的同时，由于风能、光伏发电的间歇性和不稳定性，也给电网安全、可靠、经济运行带来极大挑战。准确的光伏发电功率预测对未来一定时间内的光伏出力进行预测，可为电网自动发电控制、电网调度提供科学决策依据，从而有效降低大规模光伏接入对电力系统的影响，保障电网安全和经济运行。

目前，国内外相关学者对光伏发电功率预测进行了大量研究，按预测原理可分为物理方法和统计预测方法。物理方法是利用太阳辐照传递方程、光伏组件运行方程等物理模型进行预测，如以数值天气预报为输入，利用太阳位置模型、光伏电池模型、逆变器效率模型等得到光伏电站的输出功率。该方法依赖详细的光伏电站地理信息、气象和太阳辐照数据，建模过程繁琐；统计方法通过对历史运行数据进行统计分析，进而找出光伏输出功率与各影响因素的内在规律并进行预测，常用的有时间序列分析、人工神经网络、支持向量机及相关向量机等模型。随着光伏电站运行时间的推移及计量装置的部署应用，逐渐积累海量丰富精细化数据。传统预测方法对小样本数据具有较好的预测精度及运行效率，但难以胜任大规模数据问题的求解，不适合处理海量丰富精细化光伏发电功率数据。

因此，如何提供一种运行效率高且预测精度高的光伏发电功率预测方法成为本领域技术人员亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种光伏发电功率多时间尺度预测方法，以解决现有技术中的问题。

作为本发明的一个方面，提供一种光伏发电功率多时间尺度预测方法，其中，所述光伏发电功率多时间尺度预测方法包括：

获取光伏发电功率预测所需的基本数据，其中所述基本数据包括季节类型、天气类型、温度、风速和历史光伏发电功率；

将相同季节的历史光伏发电功率按照天气类型进行分类；

对同一天气类型下的光伏发电功率数据建立特征集合；

根据所述特征集合建立深度脊波网络光伏发电功率预测模型；

通过所述建立深度脊波网络光伏发电功率预测模型获取光伏法发电功率多时间尺度预测结果。

优选地，所述将相同季节的历史光伏发电功率按照天气类型进行分类包括将相同季节的历史光伏发电功率按照天气类型分为晴天、多云天、阴天和雨天四种类型。

优选地，所述特征集合为影响光伏发电功率大小的气象因素集合，其中所述气象因素包括日整点温度、日最高温度、日平均温度、日最低温度和日整点风速。

优选地，所述对同一天气类型下的光伏发电功率数据建立特征集合包括：

构建每日气象特征向量；

选取与待预测日的相似日集合；

采用模糊均值聚类法对同一天气类型下的光伏发电功率数据确定相似日集合。

优选地，所述模糊均值聚类法包括模糊C-均值聚类法，所述采用模糊均值聚类法对同一天气类型下的光伏发电功率数据确定相似日集合包括：