[发明专利]一种光伏发电量预测分析方法

说明书

本发明公开了光伏发电技术领域的一种光伏发电量预测分析方法，该方法包括如下步骤：S1：采集光伏电站所在地的环境数据；S2：根据采集数据建立预测模型，并把采集到的环境数据通过模糊技术来量化天气变量；S3：划分样本数据集为训练数据集和验证数据集；S4：采用斯皮尔曼秩相关系数来描述变量间的相关关系，并对其进行检验；S5：用逐步回归法筛选变量；S6：通过后验证概率验证模型的准确率若大于90％，则得到最终结果，否则重复S3，直至预测正确率达到90％以上为止，本发明根据光伏电站历史发电量数据和天气参数进行相关性分析，基于大数据分析和多元回归分析，寻求各环境因子对光伏发电量的直接或耦合作用，实现对光伏电站中发电量的预测和评估。

技术领域

本发明涉及光伏发电技术领域，具体为一种光伏发电量预测分析方法。

背景技术

光伏发电容易受到辐照度、温度、湿度、风力、风向、晴雨状况等因素的影响，因此光伏发电具有波动性和间歇性，大规模光伏发电站并网运行会影响电力系统的安全稳定经济运行。对光伏电站的输出功率进行预测有助于电网调度部门统筹安排常规电源和光伏发电的协调配合，及时调整调度计划，合理安排电网运行方式，便于获得更大的经济效益和社会效益，为此，我们提出一种光伏发电量预测分析方法。

发明内容

本发明的目的在于提供一种光伏发电量预测分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种光伏发电量预测分析方法，该方法包括如下步骤：

S1：采集光伏电站所在地的环境数据；

S2：根据采集数据建立预测模型，并把采集到的环境数据通过模糊技术来量化天气变量；

S3：划分样本数据集为训练数据集和验证数据集；

S4：采用斯皮尔曼秩相关系数来描述变量间的相关关系，并对其进行检验；

S5：用逐步回归法筛选变量；

S6：通过后验证概率验证模型的准确率若大于90％，则得到最终结果，否则重复S3，直至预测正确率达到90％以上为止。

优选的，所述S1中采集的环境数据包括海拔高度、月份、辐照度、温度、湿度、风力、风向、晴雨、10日内大雨天数、10日内小雨天数、10日内大风天数、10日内无风天数。

优选的，所述S2中模糊技术包括三部分，且分别是模糊值与隶属函数、模糊量的反模糊化、天气变量的模糊修正。

优选的，所述辐照度是选用紫外线指数来近似表示，紫外线指数变化范围用0～10的数字来代替。

优选的，所述预测模型是利用最小二乘估计计算得出模型中的参数值。

优选的，所述S1中采集的数据存储到实时库和历史库，实时库用Redis，历史库用HBase。

与现有技术相比，本发明的有益效果是：本发明根据光伏电站历史发电量数据和天气参数进行相关性分析，基于大数据分析和多元回归分析，寻求各环境因子对光伏发电量的直接或耦合作用，实现对光伏电站中发电量的预测和评估，为光伏企业的生产和调度提供数据基础，大幅提高企业投运盈利，同时，本发明不需要额外在光伏电站中增加专业的发电量预测装置，降低成本，具有较广泛的应用前景。

附图说明

图1为本发明流程图；

图2为本发明参数估计图；

图3为本发明原数据与预测数据对比图。

具体实施方式