[发明专利]一种分布式光伏发电电量预测方法及系统

说明书

本发明提供一种分布式光伏发电电量预测方法及系统，通过提取与目标区域和目标时间段相关的第一发电量特征来表征与个体光伏发电站点无关的所述目标区域总体上的光伏发电量特性，并提取与目标光伏发电站点的设备配置和目标区域相关第二发电量特征来表征与时间特性无关的所述目标光伏发电站点在所述目标区域所在位置的光伏发电特性，然后综合所述第一发电量特征和所述第二发电量特征预测所述目标光伏发电站点的发电量。如此，不仅考虑了所述目标位置对光伏发电的影响，还考虑了目标光伏发电站点本身设备配置的影响，可以更准确地进行光伏发电量的预测，为后续各种决策提供有力的数据支持。

技术领域

本发明涉及清洁能源技术领域，具体而言，涉及一种分布式光伏发电电量预测方法及系统。

背景技术

随着社会环保意识的提高，节能减排成为各行各业均需要关注的目标。光伏发电作为一种无污染的清洁发电方案，在最近得到迅速的推广和发展。其中，分布式光伏发电技术开始越来越多地应用。分布式光伏发电特指在用户场地附近建设，运行方式以用户侧自发自用、多余电量上网，且在配电系统平衡调节为特征的光伏发电设施。分布式光伏发电遵循因地制宜、清洁高效、分散布局、就近利用的原则，充分利用当地太阳能资源，替代和减少化石能源消费。分布式光伏发电特指采用光伏组件，将太阳能直接转换为电能的分布式发电系统。它是一种新型的、具有广阔发展前景的发电和能源综合利用方式，它倡导就近发电，就近并网，就近转换，就近使用的原则，不仅能够有效提高同等规模光伏电站的发电量，同时还有效解决了电力在升压及长途运输中的损耗问题。

目前，针对光伏发电预测问题，现有研究方法主要分为：基于传统物理模型的预测方法、基于统计分析的预测方法和基于人工智能的方法。（1）基于传统物理模型的预测方法通过建立太阳光照幅度和光伏电站出力的物理方程进行预测。（2）基于统计分析的预测方法通过发现输入数据与未来发电之间的统计规律进行预测，常见的统计模型包括AR、ARIMA。（3）基于人工智能的预测方法通过强大的非线性映射能力自动学习数据的高维表达实现预测。基于传统物理模型的预测方法属于间接预测，需要光伏电站详细的地理信息、组件参数和气象参数等数据。具有很强的可解释性，但模型构建复杂，抗干扰能力差，无法有效处理一些极端异常天气情况和环境因素；基于统计分析的方法往往需要从大量历史信息中建模数据的统计规律，并且难以捕捉光伏发电复杂的非线性特征；早期的人工智能预测方法模型如SVR、决策树受限于对手工特征的依赖和对数据特征的挖掘能力，难以实现准确的光伏发电预测。

发明内容

为了克服现有技术中的上述不足，本发明的目的在于提供一种分布式光伏发电电量预测方法，所述方法包括：

从多个光伏发电站点中确定目标光伏发电站点；

获得目标光伏发电站点的设备配置标识、所述目标光伏发电站点所在的目标区域的位置标识及需要预测的目标时间段；

根据所述位置标识及所述目标时间段，确定所述目标区域在所述目标时间段的第一发电量特征；

根据所述设备配置标识及所述位置标识，确定所述目标光伏发电站点在所述目标区域的第二发电量特征；

根据所述第一发电量特征及所述第二发电量特征，获得位于所述目标区域的所述目标光伏发电站点在所述目标时间段的预测发电量。

在一种可能的实现方式中，所述方法还包括：

针对各所述光伏发电站点，获取相同时间段内该光伏发电站点的所述预测发电量和实际检测到的实际发电量；

将所述预测发电量与所述实际发电量之间的差值大于设定阈值的光伏发电站点标注为候选光伏发电站点；

根据各所述候选光伏发电站点的安装位置对各所述候选光伏发电站点进行聚类及离散点检测；

将所述离散点对应的候选光伏发电站点标注为风险光伏发电站点。