[发明专利]一种基于相似日理论和PCA-PSO-BP的光伏发电功率预测方法

说明书

本发明提供一种基于相似日理论和PCA‑PSO‑BP的光伏发电功率预测方法，包括以下步骤：S1建立基于PCA‑PSO‑BP的光伏发电预测模型；S2、基于相似理论利用灰色关联度法选取预测日的相似日；S3、将相似日的历史数据用PCA进行降维处理；S4、将降维后的相似日数据作为PCA‑PSO‑BP光伏发电预测模型的训练集，从而对预测日的光伏发电功率进行预测；本发明在不同的天气条件下具有较高的预测精度，且根据相似日的历史数据来预测发电功率时间更加简短，得到最终发电功率所需要的计算次数也相应减少。

技术领域

本发明涉及光伏发电领域，更具体地，涉及一种基于相似日理论和PCA-PSO-BP的光伏发电功率预测方法。

背景技术

光伏发电作为应用最广泛的新能源，其输出功率受天气环境的影响具有波动性和间歇性，因此光伏发电功率的波动对电网的影响不容忽视。通过精度预测光伏发电功率，可降低光伏发电不确定性对电网带来的影响，改善电力系统运行状况，保持系统经济运行。

在光伏发电功率预测方面，不少国内外学者采用不同的理论和方法建立模型做了大量研究。其中，基于统计方法的预测模型处于主流的方法，常见的预测模型有支持向量机、人工神经网络、时间序列法等。有的文献综合考虑了天气，历史气候数据信息，采用BP神经网络进行光伏预测。有的文献提出PSO-BP预测模型，利用粒子群算法和BP神经网络两者优点避免局部极值问题。还有文献利用不同天气类型之间的差异和共性进行日融合划分，提出基于日类型及融合理论的BP神经网络光伏功率预测方法，预测精度有所提高，但还是存在一些缺陷。

发明内容

本发明针对现有技术中光伏发电功率预测精度有待提高，预测时间过长的问题。提供一种基于相似日理论和PCA-PSO-BP的光伏发电功率预测方法。

为实现上述目的，本发明采用以下技术方案：

一种基于相似日理论和PCA-PSO-BP的光伏发电功率预测方法，包括以下步骤：

S1、建立基于PSO-BP的光伏发电预测模型；

S2、基于相似日理论利用灰色关联度法选取预测日的相似日；

S3、将相似日的历史数据进行降维处理；

S4、将降维后的相似日数据作为PSO-BP光伏发电预测模型的训练集，从而对预测日的光伏发电功率进行预测；

进一步的，在步骤S2中利用灰色关联度法中的灰色关联系数法，得到预测日和历史日气象特征分量的关联系数。

进一步地，关联系数的公式为：

其中，x(k)为归一化后的第k个气象特征向量值，ρ为分辨系数。

进一步的，在步骤S3中采用PCA算法将相似日的历史数据进行降维处理。

进一步地，将相似日的历史数据进行降维处理包括以下步骤：(1)、对输入数据进行标准化处理；(2)计算样本的相关系数矩阵R；(3)、计算求解相关系数矩阵的特征值以及相对应的特征向量；(4)、选择主成分；(5)、通过前m个特征值构建映射矩阵W，通过映射空间将p维样本数据转换到m维矩阵Y中。

进一步的，在步骤(1)中标准化计算公式为：

其中，x_ij为第j维变量的数据，为第j维数据的算术平方根，s_j为第j维数据的标准差。

进一步的，在步骤(2)中样本的相关系数矩阵R＝(r_ij)_n×p，r_ij为第i维和第j维变量的相关系数，计算公式为：