[发明专利]测光网络实时校正自学习ARMA模型光伏功率预测方法

摘要

本发明公开了一种测光网络实时校正自学习ARMA模型光伏功率预测方法，包括输入数据得到自回归滑动平均模型参数即模型训练；输入光资源监测系统数据和运行监测系统数据，并根据运行监测数据实时校正开机容量；建立自回归滑动平均模型从而得到光伏功率超短期预测结果；引入实时测光站数据对光伏功率超短期预测结果进行实时校正；对实时校正后的预测结果进行后评估，分析预测值与实测值之间的误差，如预测误差大于允许的最大误差，则重新进行模型训练。通过引入实时测光站数据对光伏发电功率超短期预测结果进行实时校正，克服现有ARMA技术中光伏发电功率超短期预测精度低的缺陷，达到高精度的光伏发电功率超短期预测的目的。

主权项

一种测光网络实时校正自学习ARMA模型光伏功率预测方法，其特征在于，包括输入数据得到自回归滑动平均模型参数即模型训练；所述自回归滑动平均模型为：其中，和θj(1≤j≤q)是系数，Xt是t时刻光伏发电历史功率值；Xt‑i是t‑i时刻光伏发电历史功率值；αt是t时刻的白噪声序列；αt‑j是t‑j时刻的白噪声序列；输入光资源监测系统数据和运行监测系统数据，并根据运行监测数据实时校正开机容量；建立自回归滑动平均模型从而得到光伏功率超短期预测结果；引入实时测光站数据对光伏功率超短期预测结果进行实时校正；所述引入实时测光站数据对光伏功率超短期预测结果进行实时校正具体为：设t1时刻，测光站监测得到的光伏电站平均辐照度为I1，天气预报数据预测的光伏电站平均辐照度为J1，光伏电站的实际出力为p1；下一个时间点t2时刻，天气预报数据预测的光伏电站平均辐照度为J2，则光伏电站实际辐照度I2为，I2＝I1+(J2‑J1)则光伏电站功率预测的参数修正量为其中I1≠0；对实时校正后的预测结果进行后评估，分析预测值与实测值之间的误差，如预测误差大于允许的最大误差，则重新进行模型训练；所述光资源监测系统数据包括与待预测光伏电站相关的测光站所监测的实时测光数据及数值天气预报数据预测的光伏电站平均辐射；所述运行监测系统数据是待预测光伏电站光伏组件实时监测信息，包括光伏逆变器实时停开机状态信息。