[发明专利]一种光储式电动汽车充电站光伏功率预测方法和装置

说明书

本发明提供了一种光储式电动汽车充电站光伏功率预测方法和装置，获取光储充电动汽车充电站的当前运行数据；对当前运行数据进行预处理；将预处理后的当前运行数据输入预先构建的随机森林模型，得到光伏功率预测值；随机森林模型基于获取的历史运行数据构建。本发明大大提高了光储式电动汽车充电站光伏功率预测精度，适用于多类型数据输入的情况，随机森林模型与多类型数据输入契合度高，能够提高光储式电动汽车充电站的光伏功率预测的准确度；本发明提供的技术方案训练回归树模型的过程快速，具有较好的收敛性和稳定性，比现有的神经网络方法具有更高的预测精度。

技术领域

本发明涉及新能源技术领域，具体涉及一种光储式电动汽车充电站光伏功率预测方法和装置。

背景技术

随着电动汽车技术的快速发展，电动汽车充电问题成为主要的难点问题。大到充电站基础设施建设问题，小到单个电动汽车充电站的能量管理问题，都引发了研究者的广泛关注。从当前的发展情况来看，整合了光伏发电、储能设备并与配电网相连接的电动汽车充电站，以下简称光储式电动汽车充电站，具有积极消纳可再生能源、提高电能利用率、协同电网进行“削峰填谷”从而增强电网稳定性的作用，具有可观的工业应用前景。但是光储式电动汽车充电站的运行难度较大，主要的问题在于光伏发电功率具有随机性大、波动性强、出力不可控等特点。对光储式电动汽车充电站进行光伏功率预测可以有效解决上述问题，光伏功率预测可有效提高光储式电动汽车充电站控制、调度性能，保障电网安全问题运行，且有助于运营者降低储能设备系统配置容量从而减小初次投资成本。

现有技术中光储式电动汽车充电站光伏功率预测一般采取以下两种方式：

方式1)：基于采集当前数据，利用图像分析技术预测云层的运动情况，以及对太阳光的遮挡情况，实现光伏功率短期预测。

方式2)：通过历史运行数据进行回归分析，针对光资源频率变化速度，光资源的周期性和规律性，甚至是空间相关性，进行特别的操作或算法设计，预测光伏功率。

上述的方式1)只适用于气象条件变化缓慢的应用场合，在气象条件剧烈变化时，该方法无法确定准确结果，其次，受制于测量设备的精度和响应速度，采集得到的当前运行数据分辨率较低，数据量不够，导致预测精度低。方式2)对于算法的特殊设计或者对于光资源的特性进行的特殊处理忽视了光资源的随机性，在光照随着算法提前假设的规律变化时，这类算法效果较好，当光照变化随机无规律时，预测精度不高。

发明内容

为了克服上述现有技术中预测精度低的不足，本发明提供一种光储式电动汽车充电站光伏功率预测方法和装置，获取光储充电动汽车充电站的当前运行数据；对当前运行数据进行预处理；将预处理后的当前运行数据输入预先构建的随机森林模型，得到光伏功率预测值；随机森林模型基于获取的历史运行数据构建，对不平衡数据可以平衡误差，甚至包含估计丢失的数据从而维持准确度，大大提高了光储式电动汽车充电站光伏功率预测值预测精度。

为了实现上述发明目的，本发明采取如下技术方案：

一方面，本发明提供一种光储式电动汽车充电站光伏功率预测方法，其特征在于，包括：

获取光储充电动汽车充电站的当前运行数据；

对所述当前运行数据进行预处理；

将预处理后的当前运行数据输入预先构建的随机森林模型，得到光伏功率预测值；

所述随机森林模型基于获取的历史运行数据构建。

所述随机森林模型的构建包括：

获取光储充电动汽车充电站的历史运行数据；

对所述历史运行数据进行预处理；

将预处理后的历史运行数据输入CART决策树模型，得到回归树模型；

对所述回归树模型进行训练，得到随机森林模型。