[发明专利]基于KMeans聚类的光伏发电预测方法

说明书

本发明属于光伏发电技术领域，尤其涉及一种基于KMeans聚类的光伏发电预测方法。其使用核密度函数拟合出每类数据的概率密度函数估计，以给出发电数据统计意义上的分布规律。包括以下步骤：步骤1、从光伏电厂获取发电数据，对数据进行清洗；步骤2、对样本数据进行假设检验，通过假设检验得到发电数据分布规律，将数据初步分为Beta分布和Weibull分布两类；步骤3、使用核密度函数拟合Beta分布，求出Beta分布的形状参数a、b；步骤4、对形状参数a进行KMeans聚类分析，得到聚类结果；步骤5、根据步骤5的聚类结果对每类的Beta分布进行核密度函数拟合，求出每类Beta分布的置信区间；步骤6、进行发电出力预测。

技术领域

本发明属于光伏发电技术领域，尤其涉及一种基于KMeans聚类的光伏发电预测方法。

背景技术

化石能源的过度开采导致了地球能源的迅速衰竭，从而衍生出全球性的电力市场化改革，可再生能源发电技术成为电力系统的一个研究热点。在电网中并入新能源发电单元，必须要充分考虑其发电不确定性、间断性对电网的影响，如引起电压偏差、电压波动与闪变、谐波畸变、三相不平衡和频率波动等问题，给电网带来具有间歇性和随机波动性的冲击。由于电能质量是影响电力系统安全稳定运行的重要因素，为此，对随机性电源接入电网情况下的发电出力进行全面地预测，评估其接入对电网的电能质量所造成的影响，对最大化地接受新能源电力有重要的指导意义。

光伏发电作为新能源发电的主要实现手段，出力的可预测性较低。因为光伏发电功率预测模型需要拟合的映射关系在不同的天气状态下存在明显差异，而天气预报数据通常有偏差，因此导致了基于天气预报数据建立的光伏预测模型对发电功率进行准确预测非常困难。在实际电网中，受天气变化及季节变化等的影响，光伏电源输出功率是随机变化的，现有的光伏发电预测分析方法主要是根据天气数据对已有发电数据进行分类，从而计算出对应天气的输出功率，未能挖掘出发电数据本身规律，未能给出光伏电源发电数据的分布类型及统计意义下的描述。

为了克服上述现有技术的不足，本发明提供了一种基于KMeans聚类的光伏发电预测方法，根据光伏电源并网点监测到的发电数据及历史天气预报，采用KMeans聚类方法对发电数据进行聚类分析，使用核密度函数拟合出每类数据的概率密度函数估计，以给出发电数据统计意义上的分布规律。

本发明从能准确获取的发电功率数据入手，深入挖掘数据本身的规律，采用置信区间概率性预测模型，实现了任意点预测对应的光伏实际出力的概率分布的估计。针对天气状况，根据聚类结果对天气分类，对每类天气类型的光伏发电情况分别进行建模以提高预测误差估计的准确度。以2015沈阳电站光伏出力数据进行了实证分析，验证了所提出方法对光伏出力条件预测误差估计的有效性及准确性。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种基于KMeans聚类的光伏发电预测方法，其使用KMeans算法对光伏发电数据进行聚类操作，在统计学角度上挖掘发电数据分布规律，得出置信区间，预测结果更加准确且具有现实意义。

为实现上述目的，本发明采用如下技术方案，包括以下步骤：

步骤1、从光伏电厂获取发电数据，对数据进行清洗，检查并纠正发电数据文件中的错误，检查数据一致性，处理无效值和缺失值，将无效数据剔除，(考虑到数据量大小，)选取其中一部分作为样本数据，其中另一部分数据作为预测数据；

步骤2、对样本数据进行假设检验，通过假设检验得到发电数据分布规律，将数据初步分为Beta分布和Weibull分布两类；

其中Weibull分布对应数据量较少，且对应天气均为较恶劣天气，因此将符合Weibull分布的发电数据归为一类，计算该类的置信区间；

步骤3、使用核密度函数拟合Beta分布，求出Beta分布的形状参数a、b；

步骤4、对形状参数a进行KMeans聚类分析，得到聚类结果；据聚类结果将天气类型进行归类，归类结果如表1所示：