[发明专利]一种基于空间相关性的ARIMA模型的分布式光伏预测方法

权利要求书

1.一种基于空间相关性的ARIMA模型的分布式光伏预测方法，其特征在于包括以下步骤：

1)获取分布式光伏实际出力数据，截取光伏出力有效时间的历史出力数据；

2)对每一个用户的实际出力数据进行标幺化；

3)根据日出力平均水平划分天气类型；

4)基于不同天气类型的光伏出力数据，计算待预测电站与其他电站历史出力数据的秩相关系数；

5)选取秩相关系数大于设定值或相关性最好的N个电站为相关性从站纳入基于空间相关性的ARIMA模型中建立不同天气类型的预测模型；

6)结合气象部门给出的日预报天气类型，选择对应天气的预测模型进行出力预测，若无匹配到相关性电站，则不考虑相关性而利用待预测电站自身数据划分天气类型进行ARIMA建模；

在步骤4)中，使用Spearman秩相关系数来衡量两个电站之间的相关性，公式如下：

提取同一区域中所有电站同等维度的历史出力数据，基于不同天气分类的数据样本，分别计算其与待预测电站历史出力数据的相关性系数，筛选相关系数最高的N个电站或相关系数大于某一设定阈值的电站作为待预测电站的相关性从站；

待预测电站X出力预测模型为：

其中ε_t是当前时刻的随机干扰，系数γ＝(α₀,α^(l,x),β^(l,x),α^(l,i),β^(l,i))，1≤i≤N,0≤l≤L_s；N为具有相关性的光伏电站的数量，L为参数训练样本长度，p,q为ARIMA的模型阶数，

系数γ通过最小二乘估计法计算得到:

LSE＝||P^x-Xγ||²

是待预测电站X的实际出力数据，X＝[E,X_x,X₁,X₂,…X_N]是N个相关性电站和待预测电站组成的系数矩阵，其中E＝[1,1,…,1]^T是L×1的单位列向量，

1≤i≤N；

2.根据权利要求1所述的一种基于空间相关性的ARIMA模型的分布式光伏预测方法，其特征在于：在步骤5)中，提取相关值大于0.8的光伏电站作为相关性光伏从站。

3.根据权利要求1所述的一种基于空间相关性的ARIMA模型的分布式光伏预测方法，其特征在于：在步骤3)中，用光伏日平均出力表征全天的光伏出力水平，计算公式为：

n为可发电时间段的长度,P_i为第i个时刻光伏的出力值；

当P_average≥0.4时，判断天气类型为晴天；当0.3≤P_average＜0.4时，判断天气类型为多云；当0.2≤P_average＜0.3时，判断天气类型为阴天；当0≤P_average＜0.2时，判断天气类型为雨天。

4.根据权利要求1所述的一种基于空间相关性的ARIMA模型的分布式光伏预测方法，其特征在于：预测模型采用ARIMA(p,d,q)模型，预测模型是d阶差分和ARMA(p,q)的组合；在数据预处理时，需对序列首先进行平稳性检测，非平稳时间序列可通过有限次的差分形成平稳时间序列再进行建模；使用AIC(Akaike information criterion)信息准则来进行定阶，选取AIC值最小时的p，q作为模型阶数，AIC计算公式如下

模型参数可通过最小二乘估计法计算得到，即对目标函数：

极小化得到即为最小二乘估计所得参数;

最后检验残差序列{ε_t}的白噪声，若残差序列为白噪声序列，即模型参数已完全提取序列的有用信息，为有效模型，若非白噪声序列，则序列中还残余有用信息待提取，需重新拟合模型。