[发明专利]一种分布式光伏发电预测方法、系统及终端机

权利要求书

1.一种分布式光伏发电预测方法，其特征在于，方法包括：

步骤1：获取光伏发电历史数据，对不同地区的光伏发电数据采用密度峰值聚类算法进行分类，得到光伏发电功率类；

根据分类后的光伏发电功率，分析不同类别中影响光伏出力的因素，并提取特征因子；

计算分布式光伏发电功率中的参数相关性，对分布式光伏发电功率数据进行线性变换，对所提取的特征因子数值化处理；

其中，采用密度峰值聚类算法对分布式光伏发电功率数据进行分类的具体步骤包括：

提取分布式光伏发电功率情况；

构建聚类模型，将提取的分布式光伏发电功率情况作为聚类模型的输入，设定聚类的个数以及迭代停止阈值，初始化聚类原型模式矩阵和迭代计数器；

迭代计算划分矩阵和聚类原型模式矩阵；

判断聚类原型模式矩阵前后两次迭代的值是否小于设定的迭代停止阈值，若是，则停止计算，输出划分矩阵和聚类原型模式矩阵，否则迭代计数器加1，返回继续迭代计算划分矩阵和聚类原型模式矩阵；

对于数据集中任意样本点，密度峰值聚类算法计算两个变量，即样本点的局部密度和相对距离；

样本点的局部密度，定义如公式所示：

其中，为样本点和的欧式距离，为截断距离；

当时，，否则；

相对距离为样本点到比其局部密度更高且距离最近的点的距离；

相对距离的求取公式为：

相对距离和局部密度的乘积为综合变量；

方法还包括如下步骤：

（1）获取光伏发电历史数据集，并配置为样本分类数k；

（2）计算数据集的距离矩阵，并根据百分数计算得出截断距离；

（3）计算局部密度，距离，以及综合变量；

（4）对k个聚类中心进行标签：

；

（5）对非聚类中心数据点归类：

；

（6）判断噪声点，为每个类计算出平均局部密度上界，若该类的边界点密度低于平均局部密度上界，则判断为噪声点；

步骤2：根据分类后的光伏发电功率，分析不同聚类中影响光伏出力的因素，并提取特征因子，对分布式光伏发电功率数据进行线性变换，再对所提取的特征因子进行数值化处理；

步骤3：根据特征因子及不同空间不同时段光伏出力大小，建立功率预测模型，确定最终的光伏发电功率预测结果，以此决定最终规划发电量；

根据不同空间上光照持续时间及光照强度，建立分时段变权重的综合预测模型，在不同的时段采用不同的预测算法，最终通过加权得到预测结果；

其中，建立分时段变权重的综合预测模型还包括：

定义光伏发电每天的时段为6：00-18：00；

按照发电功率大小，第一时段为：6：00-10：00、第二时段为：10：00-14：00、第三时段为：14：00-18：00；

在第一时段采用灰色预测方法，第二时段采用支持向量机预测算法，第三时段采用神经网络预测方法。

2.根据权利要求1所述的分布式光伏发电预测方法，其特征在于，采用离差标准化方法对分布式光伏发电功率数据进行线性变换。

3.一种分布式光伏发电预测系统，其特征在于，系统采用如权利要求1至2任意一项所述的分布式光伏发电预测方法；

系统包括：数据分类模块、分析提取模块以及预测规划模块；

数据分类模块用于获取光伏发电历史数据，对不同地区的光伏发电数据采用密度峰值聚类算法进行分类，得到光伏发电功率类；

分析提取模块根据分类后的光伏发电功率，分析不同聚类中影响光伏出力的因素，并提取特征因子，对分布式光伏发电功率数据进行线性变换，再对所提取的特征因子进行数值化处理；

预测规划模块根据特征因子及不同空间不同时段光伏出力大小，建立功率预测模型，确定最终的光伏发电功率预测结果，以此决定最终规划发电量。

4.一种终端机，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述分布式光伏发电预测方法的步骤。