[发明专利]一种基于概率分布函数的光伏发电功率预测方法有效
申请号: | 201910031330.X | 申请日: | 2019-01-14 |
公开(公告)号: | CN109767353B | 公开(公告)日: | 2020-12-18 |
发明(设计)人: | 戴康;王亮;陶叶炜;廖思阳;周过海 | 申请(专利权)人: | 国网江苏省电力有限公司苏州供电分公司;武汉大学 |
主分类号: | G06Q50/06 | 分类号: | G06Q50/06;G06Q10/04 |
代理公司: | 苏州创元专利商标事务所有限公司 32103 | 代理人: | 孙仿卫 |
地址: | 215004 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 概率 分布 函数 发电 功率 预测 方法 | ||
1.一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述光伏发电功率预测方法包括以下步骤:
步骤1:在历史数据中收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据,并进行数据预处理;
步骤2:将辐照度的取值范围划分为M个区间;在每个所述区间中,采用通用分布拟合方法拟合得到该所述区间对应的光伏发电功率概率密度函数和累计分布函数,各所述区间对应的光伏发电功率概率分布密度函数构成通用分布概率密度函数库;
步骤3:对于任意已知辐照度,找到其所对应的所述区间以及光伏发电功率概率分布密度函数,对所述光伏发电功率概率分布密度函数进行逆变换抽样而得到所述已知辐照度对应的若干个光伏发电功率值,各所述光伏发电功率值构成光伏出力场景集;
步骤4:对所述光伏出力场景集中的各所述光伏发电功率值求取平均值作为所述已知辐照度对应的光伏发电功率预测值。
2.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤1中,所述数据预处理包括删除错误数据、剔除无用数据以及历史数据标幺化。
3.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤2中,将辐照度的取值范围0~1p.u.等分为M个所述区间,每个所述区间的宽度为所述辐照度的取值范围的1/M。
4.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤2中,将辐照度的取值范围0~1p.u.划分为宽度不等的M个所述区间,使每个所述区间中对应的各个所述发电功率数据形成单峰状态。
5.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤2中,采用的所述通用分布拟合方法对应的概率密度函数表达式为累计分布函数表达式为F(x)=(1+e-α(x-γ))-β,其中α、β和γ分别为形状参数,且满足α>0,β>0,-∞<γ<+∞。
6.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤3中,逆变换抽样的方法为:引入随机变量Zt,利用求取所述随机变量Zt对应的标准正态分布函数值Φ(Zt),再利用Pt=Fl-1(Φ(Zt))求取该标准正态分布函数值Φ(Zt)对应的光伏发电功率值,其中是累计分布函数Fl的反函数。
7.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤4中,对所述光伏出力场景集中的各所述光伏发电功率值求取加权平均值作为所述已知辐照度对应的光伏发电功率预测值。
8.根据权利要求1至7中任一项所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述步骤2中,引入可变的温度校正系数对所述光伏发电功率概率密度函数和累计分布函数进行校正。
9.根据权利要求8所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:所述温度校正系数的表达式为α=(Ptcal-Ptactual)/(Tt-Tt-1),其中,α为温度校正系数,t为时刻,Ptcal为t时刻光伏发电功率预测值,Ptactual为t时刻光伏出力实际值,Tt为t时刻温度,Tt-1为t-1时刻温度。
10.根据权利要求9所述的一种基于概率分布函数的光伏发电功率预测方法,其特征在于:对每一个所述区间,以最小化光伏发电功率均方根误差为目标,得到多个不同时刻、不同辐照度条件下的温度校正基础系数,取各所述温度校正基础系数的平均值作为该所述区间的温度校正系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网江苏省电力有限公司苏州供电分公司;武汉大学,未经国网江苏省电力有限公司苏州供电分公司;武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910031330.X/1.html,转载请声明来源钻瓜专利网。