[发明专利]一种发电量的预测方法及其系统

说明书

本发明提供了一种发电量的预测方法及其系统，包括：一种发电量的预测方法，其包括：获取历史气象数据和历史发电数据；基于历史气象数据和历史发电数据，训练SVC回归模型；获取当前气象数据；利用所述SVC回归模型和所述当前气象数据进行发电量预测，获得预测值。本发明基于组件发电数据进行建模预测发电量，消除薄膜组件规格及安装方式造成的影响。

技术领域

本发明实施例涉及太阳能发电技术领域，具体涉及一种发电量的预测方法及其系统。

背景技术

太阳光作为一种新能源已经广泛应用于光伏发电产业，随着光电的大规模发展，准确预测光伏发电量对于光伏电站的并网以及运行具有重要作用。而光伏发电量涉及许多因素，公认的最直接的影响因素是辐照强度，另外气象因素、元器件也对发电量有影响，气象特征中，月份、昼长、天气类型与太阳辐照时间有关，例如夏天比冬天日照时间长，晴天比阴天日照时间更长；国内外多项研究表明温度、时间与辐照强度有关；而风力、风向、湿度、7日内天气特征与光伏组件积灰程度有关，积灰会造成光伏组件发电效率的降低。例如对于固定角度安装的光伏面板，风力较大时，扬灰会引起光伏表面积灰，7日内大雨日较多，则光伏表面积灰被冲刷，发电效率升高；7日内小雨日多，则表面的积灰会粘附在光伏板，引起发电效率降低。

国内外对光伏发电量预测已有相关研究，一些相关人工智能算法也被应用到预测模型中。现有技术采用的支持向量机回归(SVC)是通过一个非线性映射，将数据映射到高维特征空间，并在这个空间进行线性回归，系统建模的理论和方法比较成熟，具有非线性表达能力，其模型简单，预测效果好。

目前，大多数的光伏发电量预测方法没有针对薄膜光伏组件进行建模，而薄膜光伏组件的生产规格以及安装方式对于预测光伏电站发电量具有较大影响，而且光伏组件、线缆、逆变器等设备在时间维度上的损耗对于发电量影响的判断也较大。

因此，需要提供一种预测方法对薄膜太阳能组件的发电量进行预测。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明实施例提供了一种发电量的预测方法及其系统。

一种发电量的预测方法，其包括：获取历史气象数据和历史发电数据；基于历史气象数据和历史发电数据，训练SVC回归模型；获取当前气象数据；利用所述SVC回归模型和所述当前气象数据进行发电量预测，获得预测值。

所述基于历史气象数据和历史发电数据，训练SVC回归模型，包括：对所述历史发电数据进行预处理，得到训练数据；对所述历史气象数据和所述训练数据，进行归一化处理；

基于归一化处理后得到的数据，训练SVC回归模型。

利用消抖滤波法，对所述历史发电数据进行预处理，得到训练数据。

所述消抖滤波法，包括：设置滤波计数器，将每次采样数据与当前有效数据范围进行比较：若采样数据在当前有效数据范围内，则所述滤波计数器清零；若采样数据超出当前有效数据范围，则所述滤波计数器加1；若所述滤波计数器大于上限N，则将本次值替换当前有效值，并清除计数器。

所述对历史气象数据和预处理后得到的所述训练数据，进行归一化处理，包括：将所述历史气象数据和所述历史发电数据对应的时间数据转换为每天从0点计数的秒值；将所述时间数据的秒值、所述历史气象数据和预处理后得到的所述训练数据进行均值与方差的归一化处理。

利用所述当前气象数据进行发电量预测，包括：转换所述当前气象数据对应的时间数据；对所述当前气象数据进行归一化处理。

所述SVC回归模型，如下所示：

f(x_i)＝ω^Tx_i+b；