一种光伏发电功率预测方法、装置及系统制造方法及图纸

技术编号:18399813 阅读:36 留言:0更新日期:2018-07-08 19:57
本发明专利技术实施例提供了一种光伏发电功率预测方法、装置及系统,该预测方法首先获取待预测光伏发电系统的预测目标,然后确定与预测目标对应的影响变量为第一变量数据集,之后计算第一变量数据集中的影响变量的权重,并确定影响变量的权重大于第一预设权重的影响变量为第二变量数据集。将第二变量数据集输入到变量训练模型中,计算出每个变量训练模型的目标分数,并确定目标得分高于第一预设得分的变量训练模型为目标模型,然后根据目标模型的目标分数以及目标模型的预测值,确定出预测发电功率。可见,本方案能够根据输入参数的不同进行预测模型的选用,并且对输入参数进行筛选,排除数据贡献度小的影响变量对模型的干扰,提高了预测结果的准确性。

【技术实现步骤摘要】
一种光伏发电功率预测方法、装置及系统
本专利技术涉及新能源发电
,具体涉及一种光伏发电功率预测方法、装置及系统。
技术介绍
随着新能源的快速发展,光伏发电也在大规模的接入电网,然而,影响光伏发电的外界因素较多,因此,光伏发电存在随机性、波动性、间歇性、不确定性等缺点,对电网的经济安全稳定运行造成了严重的影响。为了进一步削弱光伏发电系统由于上述缺点导致的电网影响,通常,通过对光伏发电系统进行准确预设,以提高电力运行的稳定性。即通过预测的方式充分利用太阳能资源,获得更优的经济效益以及社会效益。光伏发电功率预测方法通常分为物理方法以及统计方法,其中,物理方法是利用光伏的物理特性建立预测模型,统计方法是利用光伏电站运行的历史数据进行预测,如根据历史数据和气象、环境的对应关系进行预测。具体的,如图1所示,首先选择几种固定的预测算法模型分别建立预测模型,再通过预测值与实际值的误差通过一定方法对每个单一模型确定权重,根据权重和单一模型预测值计算得到最终预测结果。然而,专利技术人发现,上述的预设方法一旦其中某个预测模型的预测效果较差,会影响整个组合模型的整体预测精度。除此,上述预测方法中,选用的固定模型,即不能根据输入参数的不同进行不同预测模型的选用,没有针对性,可能会导致预测结果不准确。综上,如何提供一种光伏发电功率预测方法、装置及系统,能够根据输入参数的不同进行预测模型的选用,进而提高预测结果的准确性,是本领域技术人员亟待解决的一大技术难题。
技术实现思路
有鉴于此,本专利技术实施例提供了一种光伏发电功率预测方法,够根据输入参数的不同进行预测模型的选用,并且对输入参数进行筛选,排除数据贡献度小的影响变量对模型的干扰,提高了预测结果的准确性。为实现上述目的,本专利技术实施例提供如下技术方案:一种光伏发电功率预测方法,包括:获取待预测光伏发电系统的预测目标,所述预设目标包括预测空间范围、预测时间范围以及预测时间尺度中的一项或多项;根据所述预测目标,确定所述待预测光伏发电系统的数据参数中与所述预测目标对应的影响变量为第一变量数据集;计算所述第一变量数据集中的所述影响变量的权重;确定所述影响变量的权重大于第一预设权重的影响变量为第二变量数据集;将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,所述目标分数表征所述变量训练模型的准确程度;确定目标得分高于第一预设得分的所述变量训练模型为目标模型;根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率。可选的,还包括:预先获取待预测光伏发电系统的数据参数,所述数据参数至少包括所述待预测光伏发电系统的历史运行数据、气象数据、数值天气预报数据、电站基本配置信息数据、地理位置数据、设备物理参数数据中的一项或多项。可选的,所述获取待预测光伏发电系统的预测目标,包括:获取预测请求,按照预设分类规则,将所述预测请求划分成所述预测目标。可选的,确定所述第一预设权重,包括:将所述第一变量数据集中的所述影响变量按照权重大小依次代入变量训练模型;获取所述变量训练模型的预测精度;确定所述预测精度最大时的所述变量训练模型输入的影响变量中权重最小值为第一预设权重。可选的,所述将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,包括:获取每个所述变量训练模型的预测误差衡量指标,所述预测误差衡量指标包括平均绝对误差、平均绝对值绝对误差、平均相对误差、平均绝对值相对误差、均方根误差、相对均方根误差以及标准差中的一项或多项;将所述预测误差衡量指标进行加权,计算得到所述变量训练模型的目标得分。可选的,所述根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率,包括:根据所述目标模型的目标分数,确定每个所述目标模型的权重;基于所述目标模型的权重以及所述目标模型的预测值,进行加权得到所述预测发电功率。一种光伏发电功率预测装置,包括:第一获取模块,用于获取待预测光伏发电系统的预测目标,所述预设目标包括预测空间范围、预测时间范围以及预测时间尺度中的一项或多项;第一确定模块,用于根据所述预测目标,确定所述待预测光伏发电系统的数据参数中与所述预测目标对应的影响变量为第一变量数据集;第一计算模块,用于计算所述第一变量数据集中的所述影响变量的权重;第二确定模块,用于确定所述影响变量的权重大于第一预设权重的影响变量为第二变量数据集;第二计算模块,用于将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,所述目标分数表征所述变量训练模型的准确程度;第二确定模块,用于确定目标得分高于第一预设得分的所述变量训练模型为目标模型;第三确定模块,用于根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率。可选的,还包括:第二获取模块,用于预先获取待预测光伏发电系统的数据参数,所述数据参数至少包括所述待预测光伏发电系统的历史运行数据、气象数据、数值天气预报数据、电站基本配置信息数据、地理位置数据、设备物理参数数据中的一项或多项。可选的,所述第一获取模块包括:第一获取单元,用于获取预测请求,按照预设分类规则,将所述预测请求划分成所述预测目标。可选的,还包括第四确定模块,用于确定所述第一预设权重,所述第四确定模块包括:处理单元,用于将所述第一变量数据集中的所述影响变量按照权重大小依次代入变量训练模型;第二获取单元,用于获取所述变量训练模型的预测精度;第一确定单元,用于确定所述预测精度最大时的所述变量训练模型输入的影响变量中权重最小值为第一预设权重。可选的,所述第二计算模块包括:第三获取单元,用于获取每个所述变量训练模型的预测误差衡量指标,所述预测误差衡量指标包括平均绝对误差、平均绝对值绝对误差、平均相对误差、平均绝对值相对误差、均方根误差、相对均方根误差以及标准差中的一项或多项;第一计算单元,用于将所述预测误差衡量指标进行加权,计算得到所述变量训练模型的目标得分。可选的,所述第三确定模块包括:第二确定单元,用于根据所述目标模型的目标分数,确定每个所述目标模型的权重;第二计算单元,用于基于所述目标模型的权重以及所述目标模型的预测值,进行加权得到所述预测发电功率。一种光伏发电功率预测系统,包括任意一项上述的光伏发电功率预测装置。基于上述技术方案,本专利技术实施例提供了一种光伏发电功率预测方法,首先获取待预测光伏发电系统的预测目标,然后根据预测目标,确定待预测光伏发电系统的数据参数中与预测目标对应的影响变量为第一变量数据集,之后计算第一变量数据集中的影响变量的权重并确定影响变量的权重大于第一预设权重的影响变量为第二变量数据集。将第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个变量训练模型的目标分数,并确定目标得分高于第一预设得分的变量训练模型为目标模型,然后根据目标模型的目标分数以及目标模型的预测值,确定出预测发电功率。可见,本方案提供的预测方法能够根据输入参数的不同进行预测模型的选用,并且对输入参数进行筛选,排除数据贡献度小的影响变量对模型的干扰,提高了预测结果的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描本文档来自技高网...

【技术保护点】
1.一种光伏发电功率预测方法,其特征在于,包括:获取待预测光伏发电系统的预测目标,所述预设目标包括预测空间范围、预测时间范围以及预测时间尺度中的一项或多项;根据所述预测目标,确定所述待预测光伏发电系统的数据参数中与所述预测目标对应的影响变量为第一变量数据集;计算所述第一变量数据集中的所述影响变量的权重;确定所述影响变量的权重大于第一预设权重的影响变量为第二变量数据集;将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,所述目标分数表征所述变量训练模型的准确程度;确定目标得分高于第一预设得分的所述变量训练模型为目标模型;根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率。

【技术特征摘要】
1.一种光伏发电功率预测方法,其特征在于,包括:获取待预测光伏发电系统的预测目标,所述预设目标包括预测空间范围、预测时间范围以及预测时间尺度中的一项或多项;根据所述预测目标,确定所述待预测光伏发电系统的数据参数中与所述预测目标对应的影响变量为第一变量数据集;计算所述第一变量数据集中的所述影响变量的权重;确定所述影响变量的权重大于第一预设权重的影响变量为第二变量数据集;将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,所述目标分数表征所述变量训练模型的准确程度;确定目标得分高于第一预设得分的所述变量训练模型为目标模型;根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率。2.根据权利要求1所述的光伏发电功率预测方法,其特征在于,还包括:预先获取待预测光伏发电系统的数据参数,所述数据参数至少包括所述待预测光伏发电系统的历史运行数据、气象数据、数值天气预报数据、电站基本配置信息数据、地理位置数据、设备物理参数数据中的一项或多项。3.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述获取待预测光伏发电系统的预测目标,包括:获取预测请求,按照预设分类规则,将所述预测请求划分成所述预测目标。4.根据权利要求1所述的光伏发电功率预测方法,其特征在于,确定所述第一预设权重,包括:将所述第一变量数据集中的所述影响变量按照权重大小依次代入变量训练模型;获取所述变量训练模型的预测精度;确定所述预测精度最大时的所述变量训练模型输入的影响变量中权重最小值为第一预设权重。5.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述将所述第二变量数据集中的影响变量输入到至少一个变量训练模型,计算出每个所述变量训练模型的目标分数,包括:获取每个所述变量训练模型的预测误差衡量指标,所述预测误差衡量指标包括平均绝对误差、平均绝对值绝对误差、平均相对误差、平均绝对值相对误差、均方根误差、相对均方根误差以及标准差中的一项或多项;将所述预测误差衡量指标进行加权,计算得到所述变量训练模型的目标得分。6.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述根据所述目标模型的目标分数以及所述目标模型的预测值,确定出预测发电功率,包括:根据所述目标模型的目标分数,确定每个所述目标模型的权重;基于所述目标模型的权重以及所述目标模型的预测值,进行加权得到所述预测发电功率。7.一种光伏发电功率预测装置,其特征在于,包括:第一获取模块,用于获取待预测光伏发电系统的预测目标,所述预设目标包括预测空间范围、预...

【专利技术属性】
技术研发人员:胡琼翁捷
申请(专利权)人:阳光电源股份有限公司
类型:发明
国别省市:安徽,34

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1