[发明专利]基于天气类型有效识别和组合预测的直散分离建模方法

说明书

本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。

技术领域

本发明涉及一种光伏技术，特别涉及一种基于天气类型有效识别和组合预测的直散分离建模方法。

背景技术

自20世纪70年代以来，全世界大部分地区能源消耗成倍增加，气候变化明显，随之而来的是一系列环境问题，太阳能等清洁能源的开发利用越来越受到关注。据世界能源委员会的研究报告称，到21世纪下半叶，太阳能将成为能源利用中非常重要的一种。光伏发电是目前太阳能利用中技术较成熟的一种太阳能发电系统，具有不消耗燃料、不排放污染物、规模灵活、安全可靠、维护简单等优点。太阳能光伏发电将是今后太阳能利用的主要利用形式，有离网和并网两种形式，而并网光伏发电是目前乃至将来的主流趋势。太阳能光伏发电技术的应用在欧美国家早已完成初期开发和示范阶段，目前正在大批量生产和规模应用。

在当下光伏装机快速增长的大环境里，以提高电站收益率为出发点的设计方案已引起全行业的关注。在系统优化设计及功率预报中，产生了进行直散分离获得水平面直接辐射和散射辐射的新需求，以此为固定式、跟踪式阵列斜面辐射计算、光伏功率预测以及聚光热发电设计等提供依据，同时对建筑能耗动态模拟研究具有一定参考价值。

目前，国内外研究人员对于直散分离预测模型的研究多以单一预测模型为主，然而单一预测模型本身具有局限性，预测精度提高很有限，且各单一预测模型的准确度有所不同，预测存在不确定性。

常见的直散分离预测模型大多只考虑少量的气象因素如清晰度指数和日照百分率等，这将影响模型预测精度；然而如果考虑大量的气象因素，不仅会增加模型复杂度，预测效果也会受各气象因素之间的多重共线性关系的影响。所以在建立预测模型时设法降低气象因素间的多重共线性关系对于模型预测精度的提高显得尤其重要。

由于太阳能资源评估缺少详细的技术规范，目前基于长期辐射序列获取典型气象年辐射资料的方法除上述的气候平均法之外，频率(数)最大法也在光伏电站资源评估中有了初步的应用。这两种算法均具有明确的数学统计意义，但在典型天气形势的刻画方面不具有代表性。因此，太阳能资源评估领域中需要进一步提出切实可行的、能较好地代表评估区域长期气候特征的典型年辐射数据计算方法，以有效提高太阳能资源评估结果的科学代表性。

发明内容

本发明是针对使用单一预测模型进行直散分离建模，来对太阳辐射进行预测存在的问题，提出了一种基于天气类型有效识别和组合预测的直散分离建模方法,首先采用Sandia法，对北京地区多年小时尺度原始数据选取典型气象年；其次根据修正后的清晰度指数划分天气类型，在每种天气类型下，对比选择最优经典小时预测模型进行本地化修正，并根据每种天气类型所占比例得到适用于所有天气类型的组合预测模型；同时在每种天气类型下对与散射比相关的PM2.5、总云量、能见度等影响因子进行偏相关分析，利用主成分分析法对偏相关强的因子提取主成分从而建立线性模型；然后将本地化的最优经典小时模型和线性模型进行比较，得到每种天气类型下的最优模型；最后根据每种天气类型所占总样本的比例，将各个天气类型下对应的最优模型进行组合，得到适用于所有天气类型的最终组合预测模型。

本发明的技术方案为：一种基于天气类型有效识别和组合预测的直散分离建模方法，具体包括如下步骤：

1)收集整理数据，并对数据进行样本筛选和数据质量检查，根据Sandia法对北京地区多年气象、辐射数据选取典型气象月组成典型气象年；