[发明专利]一种基于改进相似时刻法的分布式光伏功率短期预测方法

说明书

本发明涉及一种基于改进相似时刻法的分布式光伏功率短期预测方法。通过构建改进相似时刻预测模型，计算气象、负荷、时间三个维度因子中各类影响因素的相关度参数和简单相关系数线性加权得出历史有效出力时刻的综合影响相关度，确定影响因素的权重，凝练相似时刻的筛选指标，为分布式光伏电站的光伏功率短期预测技术提供新的思路。

技术领域

本发明涉及一种基于改进相似时刻法的分布式光伏功率短期预测方法。

背景技术

世界能源以及环境形势的日益紧张带来电力供需矛盾突出等问题，因而传统能源的开发利用受到更多局限。近几年随着我国新能源场站的大规模建设，分布式电源并网规模越来越大，为实现对电网的精确调度，电力部门一方面需要实时掌握新能源场站的出力数据，另一方面也需要对其发电功率进行预测。

分布式光伏电站通常是指利用分散式资源，装机规模较小的、布置在用户区附近的发电系统。光伏出力除了与辐照度密切相关外，还受天气短期的变化如云量和降水等因素的影响，具有较强的间歇性和随机性，这对电力系统规划和供电质量有很大的影响，而且这种影响将随着光伏并网容量增加而越发凸显。因此面对高比例的分布式光伏接入电网，精确预测分布式光伏的短期发电功率对电网运行调度具有重大的意义。

对于光伏发电输出功率的预测,目前的预测类型可分成：直接预测和间接预测两类。前者先估测温度、辐射度等环境因素,然后将其作为模型的输入量并结合一定的算法估测光伏发电输出功率。后者则是直接使用历史光伏出力数据作为预测模型的输入，优点是成本相对较低,不需要预先安装大量设备开展环境监测,但其不足之处在于需要大量的历史数据来作为支撑。因此，当前采用相似日法进行数据预处理在短期预测领域成为一种相对简便且可行有效的方法。该类方法利用气象特征筛选相似日作为模型输入进行预测，大大减少了所需的历史数据量。现有的相似日法多为研究历史样本日与待测日的整体相似,即选取当日部分数据计算影响因素最值、均值、方差等，利用各值加权后所得参数作为表示历史日整体情况的特征值，并未细化分析不同类型因素在历史日不同时刻对出力情况的影响程度差异，难以提高预测的针对性及精确度。

相似时刻预测方法通过对历史日有效出力时刻气象因素及光伏功率输出值进行分析，针对性研究不同时段出力情况差异，主要用于短期预测领域。当前的相似时刻法主要针对两类分布式光伏电站建立预测模型：①历史数据较少的新建电站常采用多种方法综合分析，即根据光伏出力波动程度选择直接使用历史数据作为预测值或利用人工智能算法进行预测②历史数据较多的常规电站对大量影响因素及出力数据进行筛选，然后输入模型进行预测。前者未剔除异质数据使得大量冗余信息输入模型中，导致模型训练时间长、准确性和适应性较差等问题。后者对数据进行相关性分析缩减维度改善了预测效果，但在相似性分析中未对各气象因素的权重进行确定。2种情况均是将各类气象因素及光伏出力值作为主要影响因素输入模型，缺乏凝练的筛选指标导致筛选针对性不强，相似时刻数量不足或相关度较弱，从而影响预测精度。

发明内容

本发明的目的在于提供一种基于改进相似时刻法的分布式光伏功率短期预测方法，(1)利用气象、负荷、时间三个维度因子中各类影响因素的相关度参数和简单相关系数线性加权得出历史有效出力时刻的综合影响相关度，为影响因素的权重确定提供新的思路，为相似时刻的选取提供凝练的筛选指标。

为实现上述目的，本发明的技术方案是：一种基于改进相似时刻法的分布式光伏功率短期预测方法，包括如下步骤：

(1)初始化设置的综合影响相关度极限值G_M和相似时刻的最小数量N_M；

(2)计算待预测样本中各时刻与相似日样本中各时刻的综合影响相关度；

(3)根据计算所得综合影响相关度满足的大小关系确定相似时刻数量；

(4)根据得到的相似时刻数量分别利用加权法和外推法进行预测，进而通过求取二者平均值获得预测结果；