[发明专利]结合光伏功率物理模型与数据驱动的光伏功率预测方法

摘要

本发明提出结合光伏功率物理模型与数据驱动的光伏功率预测方法，属于电力系统新能源预测技术领域。该方法运用光伏功率物理模型，确定影响光伏功率的关键天气特征，建立历史时段和预测时段的关键天气特征矩阵；然后分别建立历史和预测时段的天气数据矩阵，获得历史和预测时段的输入矩阵；对输入矩阵进行特征提取，得到历史和预测时段的主成分特征矩阵；选取与任一预测时段主成分特征曼哈顿距离最近的K个历史时段，拟合得到K个历史时段的主成分特征与对应历史时段光伏功率的映射关系，将所选预测时段的主成分特征输入映射关系，得到该预测时段的光伏功率。本发明利用光伏功率物理模型，能够准确预测光伏功率，具有较强的工业应用价值。

主权项

一种结合光伏功率物理模型与数据驱动的光伏功率预测方法，其特征在于，包括以下步骤：1)基于光伏功率物理模型，获取与光伏功率直接相关的天气特征为有效光强和光伏阵列温度，得到光伏功率关于有效光强和光伏阵列温度的线性表达式，确定影响光伏功率的关键天气特征；光伏功率Pmp的物理模型表达式如式(1)所示：Pmp=Pmp0EeE0[1+γ(Tc-T0)]---(1)]]>式中，Ee为有效光强，Tc为光伏阵列温度，E0为参考光强，T0为参考温度，Pmp0为光伏额定功率，γ为光伏阵列的温度系数；由式(1)可知，与光伏功率直接相关的天气特征为有效光强Ee和光伏阵列温度Tc；则光伏功率关于有效光强和光伏阵列温度的线性表达式如式(2)所示：Pmp=Pmp0EeE0[1+γ(Tc-T0)]=(1-γT0)Pmp0E0Ee+γPmp0E0EeTc---(2)]]>式(2)为光伏功率Pmp关于Ee和Ee·Tc的线性表达式；将Ee和Ee·Tc记为影响光伏功率的关键天气特征；2)选取历史时段，建立历史时段的关键天气特征矩阵；每个历史时段为获得光伏功率数据和天气数据的一个单位采样时间；对于任一历史时段t∈{1,2...Th}，Th为历史时段数目，设为历史时段t的有效光强，为历史时段t的光伏阵列温度；历史时段的关键天气特征矩阵表达式如下：XCh=Eeh[1]Eeh[1]·Tch[1]Eeh[2]Eeh[2]·Tch[2]......Eeh[Th]Eeh[Th]·Tch[Th]---(6)]]>3)选取预测时段，建立预测时段的关键天气特征矩阵；每个预测时段的长度与历史时段相同；对于任一预测时段t∈{1,2...Tf}，Tf为预测时段数目，设为预测时段t的有效光强，为预测时段t的光伏阵列温度；预测时段的关键天气特征矩阵表达式如下：XCf=Eef[1]Eef[1]·Tcf[1]Eef[2]Eef[2]·Tcf[2]......Eef[Tf]Eef[Tf]·Tcf[Tf]---(7)]]>4)从数值天气预报的历史数据库中获取历史时段天气数据，建立历史天气数据矩阵该矩阵每行表示一个历史时段，每列表示一类天气数据，共N类天气数据；5)从数值天气预报的预测天气数据库中获取预测时段天气数据，建立预测天气数据矩阵该矩阵每行表示一个预测时段，每列表示一类天气数据，预测时段所选取的天气数据类别与历史时段相同，共N类天气数据；6)分别构建历史时段输入矩阵和预测时段输入矩阵，表达式分别如式(8)和式(9)所示：XIh=[XCh,XWh]---(8)]]>XIf=[XCf,XWf]---(9)]]>7)将历史时段输入矩阵和预测时段输入矩阵合并，运用主成分分析法，对历史时段输入矩阵和预测时段输入矩阵进行特征提取；对历史时段和预测时段合并后的输入矩阵进行奇异值分解，提取得到主成分特征矩阵其中为历史时段的主成分特征矩阵，为预测时段的主成分特征矩阵，L为主成分特征数目；8)对于任一预测时段t∈{1,2...Tf}，计算该预测时段主成分特征与各历史时段主成分特征的曼哈顿距离，运用K邻近聚类方法，选取与该预测时段主成分特征曼哈顿距离最近的K个历史时段；9)运用支持向量机方法，拟合步骤8)得到的K个历史时段的主成分特征与对应历史时段光伏功率的关系，得到该预测时段t的拟合映射关系记为gt:R1×L→R1×1；10)将预测时段t的主成分特征输入到步骤9)得到的映射关系gt，计算得到预测时段t的光伏功率。