[发明专利]基于NWP辐照度修正和误差预测的光伏电站功率预测方法

权利要求书

1.基于NWP辐照度修正和误差预测的光伏电站功率预测方法，包括以下步骤：

⑴获取光伏电站历史运行数据及NWP数值天气预报；

⑵建立NWP辐照度修正模型，实现NWP辐照度的多步修正；

⑶基于PSO-ELM的优化功率预测模型，采用修正后的辐照度得到功率预测数据；

⑷根据功率预测数据计算误差，并建立基于时间序列的误差预测模型；再通过数据迭代方法得到多个误差预测值，将该误差预测值与功率预测数据相结合即得最终的光伏功率预测值。

2.如权利要求1所述的基于NWP辐照度修正和误差预测的光伏电站功率预测方法，其特征在于：所述步骤⑵中NWP辐照度的多步修正方法如下：

①确定修正模型的数据参数n, 将t-n+1至t时刻的实测辐照度作为修正变量，以此来对下一时刻的NWP辐照度进行修正；

②选取t-n+1,t-n+2…t-1,t时刻的实测辐照度和t+1时刻的NWP预报辐照度作为模型的输入，t+1时刻的实测辐照度作为模型的输出，采用ELM极限学习机算法建立辐照度修正模型，实现对t+1时刻NWP预报辐照度的修正。

③采用滚动迭代的方式，将t+1时刻的NWP辐照度修正值作为输入，进而对t+2时刻的NWP预报辐照度的修正，实现NWP预报辐照度的多步修正；

④选用均方根误差RMSE、平均绝对误差MAE和平均绝对百分比误差MAPE来对NWP辐照度修正结果进行评价，其计算公式如下：

式中：g_a为修正的辐照度/预测功率；g_measured为实际的辐照度/实测功率；n为样本个数。

3.如权利要求1所述的基于NWP辐照度修正和误差预测的光伏电站功率预测方法，其特征在于：所述步骤⑶中功率预测数据按下述方法获得：

ⅰ采用ELM极限学习机算法建立光伏功率预测模型；

ⅱ将数据按月份分类，以实测历史气象数据作为输入，实测历史功率作为输出，训练预测模型；

ⅲ采用粒子群算法PSO对ELM算法的隐含层节点数进行优化，以预测结果的均方误差最小为PSO算法优化的目标函数，寻找最佳的隐含层节点数，实现光伏功率预测模型的优化；

ⅳ根据月份选择不同的预测模型，输入修正后的NWP辐照度数据及其他气象信息，即得功率预测数据。