[发明专利]基于分类和误差组合预测的太阳能光伏发电量预测方法

说明书

本发明公开了一种分类和误差组合预测的太阳能光伏发电量预测方法，包括S1、将预测数据根据时间确定其，根据预测日期的气象数据和历史气象数据采用KNN算法确定其天气类型；S2、分类后采用相应的组合预测模型，应用MPSO‑BP神经网络和灰色模型GM(1，1)分别进行预测得到各自的预测输出；S3、应用样本训练数据得到的误差矩阵，求得各自组合预测的权值矩阵；S4、根据权值矩阵将两部分预测输出值进行组合，最后得到太阳能光伏发电量。该方法分类后再根据误差得到每个输出点的权值，从而得到的预测结果更加可靠，实现对太阳能光伏发电量的可靠预测。

技术领域

本发明属于太阳能利用技术领域，具体涉及一种基于分类和误差组合预测的太阳能光伏发电量预测方法。

背景技术

如今，传统化石燃料能源日益枯竭，同时使用过程中对环境也会造成很大危害。而可再生能源是取之不尽，用之不竭的能源，为了人类社会的可持续发展，世界各国纷纷把目光投向了可再生能源，而太阳能发电则是可再生能源的主要利用方式，是智能电网的主要组成部分。智能电网努力的一个关键目标是大幅提高环保可再生能源的利用率，而微电网技术又是实现该目标的关键技术，但可再生能源发电具有的不可控的特性给我们的微电网能量管理带来较大的困难，对微电网经济、安全、稳定的运行造成了严重的影响和威胁，因此找到合适的方法提升微电网可靠性和有效性是非常重要的。

当前在微电网能量管理的一些方面所获得的进步已经非常显著，但是要实现高效的能源管理，需要准确地预测电网负荷和可再生能源发电。现有的太阳能发电量的预测方法，主要为统计学法和人工神经网络方法，统计学法是通过对历史数据进行统计分析，利用概率论找出其内在的规律并用于预测；而单独的人工神经网络方法将样本数据作为输入，建立预测模型，来对未来发电量进行预测；以上两种方法对于规律性和周期性较强的数据信息，能达到较高的预测精度，但太阳能有随机性、波动性等特点，运用这两种方法，其预测效果就很不理想，无法满足现有的能量管理的需要，大大限制了微电网能量管理的效率和可靠性。

因此，寻找一种能够对太阳能光伏发电进行可靠预测的方法十分重要。

发明内容

针对现有技术中的上述不足，本发明提供的基于分类和误差组合预测的太阳能光伏发电量预测方法解决了现有的光伏发电量预测方法中，预测效果不理想、无法满足现有能量管理、限制了微电网能量管理的效率和可靠性的问题。

为了达到上述发明目的，本发明采用的技术方案为：基于分类和误差组合预测的太阳能光伏发电量预测方法，包括以下步骤：

S1、从气象站获取太阳能光伏发电量预测日的气象数据；

S2、确定该气象数据所属季节中的天气类型，将预测日的气象数据输入到该天气类型下对应的训练好的MPSO-BP神经网络中，得到第一太阳能发电量输出时间序列

同时将预测日的气象数据输入到该天气类型下对应的训练好的灰色模型GM(1,1)中，得到第二太阳能发电量输出时间序列

S3、将第一太阳能发电量输出时间序列与对应的训练好的MPSO-BP神经网络中的组合预测矩阵W_BP相乘，得到第一太阳能发电预测量Y_BP；

同时将第二太阳能发电量输出时间序列与对应的训练好的灰色模型GM(1,1)中的组合预测矩阵W_GM相乘，得到第二太阳能发电预测量Y_GM；

S4、将第一太阳能发电预测量Y_BP和第二太阳能发电预测量Y_GM相加，得到太阳能光伏发电量预测日的预测发电量Y_P。

进一步地，所述步骤S1中的气象数据包括最高气温值、最低气温值、每隔三小时的温度值、最高温度与前一日最高温度的差值、最低温度与前一日最低温度的差值、相对湿度和数值化的紫外线强度。