[发明专利]一种递进式光伏发电系统输出功率组合预测方法及系统

说明书

本发明公开了一种递进式光伏发电系统输出功率组合预测方法及系统，旨在提升现有技术中光伏发电系统单一输出功率预测效果差的技术问题。包括以下步骤：获取光伏发电系统的预测数据；分别建立基于BP神经网络、RVM算法、RBF神经网络和SVM算法的光伏发电系统输出功率预测模型；建立与每个光伏发电系统输出功率预测模型对应的数据融合模型；将预测数据分别输入至光伏发电系统输出功率预测模型，得到每个模型对应的预测值；将所有预测值两两组合后分别输入至数据融合模型中，计算得到输出功率的一次估值；通过最优权重对一次估值进行加权组合，计算得到最终的功率预测值。本发明能够显著提高光伏发电系统的输出功率预测精度，提高并网运行的效率。

技术领域

本发明属于光伏组件技术领域，具体涉及一种递进式光伏发电系统输出功率组合预测方法及系统。

背景技术

截至2020年6月底，光伏发电累计装机达到2.16亿千瓦，其中集中式光伏1.49亿千瓦，分布式光伏6707万千瓦。由此可见，不断增加的光伏装机容量与发电量，强有力地支撑着国家能源战略目标的实现。以光伏为代表的新能源发电迅速发展，在有效缓解能源危机问题的同时，其出力的随机性和波动性也给电网的安全稳定运行带来了挑战。因此，准确预测光伏发电系统的输出功率变化趋势不仅有利于电力调度主管部门合理安排与动态调整发电计划，而且能够有效降低光伏发电系统对电网的不利影响。

有鉴于此，对光伏发电系统的输出功率进行精准预测具有极大的实际应用价值与现实意义。

发明内容

针对现有技术的不足，本发明的目的在于提供一种递进式光伏发电系统输出功率组合预测方法及系统，以解决现有技术中对光伏发电系统输出功率预测精度低的技术问题。

为达到上述目的，本发明所采用的技术方案是：

一种光伏发电系统输出功率组合预测方法，包括以下步骤：

获取光伏发电系统的预测数据；

分别建立基于BP神经网络、RVM算法、RBF神经网络和SVM算法的光伏发电系统输出功率预测模型；

建立与每个光伏发电系统输出功率预测模型对应的数据融合模型；

将所述预测数据分别输入至光伏发电系统输出功率预测模型，得到每个模型对应的预测值；

将所有预测值两两组合后分别输入至数据融合模型中，计算得到输出功率的一次估值；

通过最优权重对一次估值进行加权组合，计算得到最终的功率预测值。

进一步的，所述预处理数据包括环境温度、光照强度和输出功率。

进一步的，所述一次估值根据光伏发电系统输出功率预测模型的预测值和相应的权重计算得到；

所述预测值的权重根据光伏发电系统输出功率预测模型的训练误差计算得到。

进一步的，所述训练误差的计算公式为：

所述权重的计算公式为：

所述一次估值的计算公式为：

其中，ε_i为光伏发电系统输出功率预测模型的训练误差；y_i预测为光伏发电系统输出功率预测模型的输出功率预测值；y_i实际为光伏发电系统输出功率的实际值；δ为固定值；λ_j为预测值对应的权重；Y_out1为一次估值。

进一步的，最终的功率预测值的计算过程包括：

根据一次预测误差值求解偏差矩阵；