[发明专利]一种光伏功率概率预测方法、介质及系统

说明书

本发明公开一种光伏功率概率预测方法、介质及系统，包括：在模型训练阶段，获取包含预测区域的光伏功率相关的多维度特征和实测光伏功率的第一训练样本集，对第一训练样本集中的样本进行清洗处理，得到第二训练样本集；对第二训练样本集中的多维度特征采用主成分分析法进行降维处理，得到第三训练样本集；采用第三训练样本集训练NGBoost模型以确定NGBoost模型的参数，得到训练后的NGBoost模型；在光伏功率概率预测阶段，采集预测区域的光伏功率相关的多维度特征，将多维度特征输入训练后的NGBoost模型，得到预测的光伏功率概率。本发明实现准确的光伏功率概率预测，适用于存在高维度输入特征的光伏功率概率预测场景。

技术领域

本发明涉及光伏发电技术领域，尤其涉及一种光伏功率概率预测方法、介质及系统。

背景技术

为了实现能源结构转型，必须大力推进可再生能源发电的建设进程。近年来，大量可再生能源接入电网，分布式能源(Distributed Generation，DG)日益成为智能电网的重要组成，并与集中式发电广泛结合。配网侧光伏发展尤其显著。但与传统能源相比，光伏发电的输出功率具有间歇性强、波动性大等特点，如气象条件的改变将直接影响光伏功率。传统光伏功率预测以确定性预测(点预测)为主，应用方法包括依据光伏电池的发电原理的物理方法，基于大量历史数据和统计模型的统计方法与改进SVM法、LSTM模型等人工智能方法。但是，确定性预测结果不能描述光伏功率预测结果的不确定性。目前关于含光伏系统的调度优化研究中，大多应用随机优化、鲁棒优化等不确定性算法研究调度策略。现有技术缺少可以准确预测光伏功率概率的方法，并且不能体现光伏功率的不确定性。

发明内容

本发明实施例提供一种光伏功率概率预测方法、介质及系统，以解决现有技术缺少可以准确预测光伏功率概率的方法的问题。

第一方面，提供一种光伏功率概率预测方法，包括：

在模型训练阶段，获取包含预测区域的光伏功率相关的多维度特征和实测光伏功率的第一训练样本集，并对所述第一训练样本集中的样本进行清洗处理，得到第二训练样本集；

对所述第二训练样本集中的多维度特征采用主成分分析法进行降维处理，得到第三训练样本集；

采用所述第三训练样本集训练NGBoost模型以确定NGBoost模型的参数，得到训练后的NGBoost模型；

在光伏功率概率预测阶段，采集预测区域的光伏功率相关的多维度特征，并将所述多维度特征输入训练后的NGBoost模型，得到预测的光伏功率概率；

其中，所述模型训练阶段和所述光伏功率概率预测阶段采用的多维度特征的种类相同。

第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的光伏功率概率预测方法。

第三方面，提供一种光伏功率概率预测系统，包括：如上述第二方面实施例所述的计算机可读存储介质。

这样，本发明实施例，采用光伏功率的主要影响因素，从集成学习的角度构建了光伏功率概率预测模型，充分考虑到光伏功率预测问题中数据特征维度过高与分布式光伏功率概率难以准确预测的问题，实现准确的光伏功率概率预测，描述光伏功率的不确定性，实用有效，适用于存在高维度输入特征的光伏功率概率预测场景，为未来电网中光伏功率的预测提供依据，对包含光伏系统的准确调度优化有着重要意义。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的光伏功率概率预测方法的流程图；