基于Pair-copula理论的多点光伏出力概率预测方法和系统技术方案

本发明专利技术提供了一种基于Pair‑copula理论的多点光伏出力概率预测方法，对目标光伏电站群进行聚类分析，确定最佳类数并进行分类；统计各类电站的光伏出力值和光伏电站群总出力值，得到各自的概率密度函数和累积分布函数；对各类电站出力及总出力进行二维Copula函数的参数识别，得到一系列偏相关系数；根据公式求解Pair‑copula函数的相关系数；利用已经确定的Pair‑copula模型和各电站光伏出力的预测值，得到多点分布式光伏联合出力的条件概率分布。引入聚类分析理论对光伏电站进行分类，基于Pair‑copula理论建立联合出力的条件概率预测模型，解决多点分布式光伏联合出力的预测问题。

Multi-Point Photovoltaic Output Probability Prediction Method and System Based on Pair-copula Theory

The invention provides a multi-point photovoltaic output probability prediction method based on Pair_copula theory, which carries out cluster analysis on target photovoltaic power stations, determines the optimal number of categories and classifies them; counts the photovoltaic output value of various power stations and the total output value of photovoltaic power stations, obtains their respective probability density function and cumulative distribution function; and carries out two-dimensional Copula on the output and total output of various power stations. The parameters of the function are identified and a series of partial correlation coefficients are obtained. The correlation coefficients of Pair_copula function are solved according to the formula. The conditional probability distribution of multi-point distributed photovoltaic combined output is obtained by using the Pair_copula model and the predicted values of photovoltaic output of each power station. Cluster analysis theory is introduced to classify photovoltaic power plants. Based on Pair_copula theory, a conditional probability prediction model of combined output is established to solve the prediction problem of multi-point distributed photovoltaic combined output.

【技术实现步骤摘要】
基于Pair-copula理论的多点光伏出力概率预测方法和系统
本专利技术涉及光伏发电
，具体地，涉及一种基于Pair-copula理论的多点光伏出力概率预测方法和系统。
技术介绍
随着对光伏发电的鼓励性政策的出台、光伏电池组件效率提升、工艺进步和原材料成本下降等，光伏发电单元的建设成本在逐渐下降，我国光伏发电产业得到了迅猛发展。自2009年起，我国积极推广光伏发电的市场化发展，使得我国成为世界上光伏发电发展最快的国家。其中，分布式光伏由于建设规模灵活、安装简单、靠近用户等特点，是光伏发电的重要形式。以前，由于投资成本大、产业模式不成熟等原因，分布式光伏发展缓慢。2017年，随着一系列分布式光伏接入电网的规则要求等方面的支持政策的出台、地方政府对分布式光伏的补贴和光伏发电成本的下降，分布式光伏呈爆发式增长，新增装机量占比也在大大提升。分布式光伏系统环保、经济，对太阳能的应用起到积极的推动作用，必将会在未来一段时间内继续保持高速发展。对于电网，光伏发电的波动性和不确定性在并网过程中会对电网造成很大的冲击，不利于电力系统调度与运行。因此，需要对光伏出力进行预测，将“不确定”变为“可预知”，更好地进行电力系统的规划，推动光伏产业进一步发展。国内外对光伏出力点预测的研究主要围绕物理法和统计法展开。物理法是对天气预报和光伏发电系统进行物理建模；统计法包括时间序列法，马尔科夫链法，支持向量机法和神经网络法。目前，国内外的研究主要集中在对单点光伏出力的预测，通过统计法或者物理法预测单点光伏发电功率，取得一定成果。但是，国内对光伏电站群出力的预测的研究成果和工程应用较少。随着国内光伏产业的迅猛发展，将会出现大量光伏电站建成并投入使用，为确保大规模光伏电站安全可靠并网，进行光伏电站群出力预测的研究至关重要。综上分析，国内外对于光伏出力预测的研究主要通过算法优化对模型进行改进，忽略了筛选原始数据的重要性，在提高预测精度方面存在瓶颈；相关研究主要集中在单点光伏出力预测方面，缺乏对多点光伏联合出力预测的研究。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于Pair-copula理论的多点光伏出力概率预测方法和系统。根据本专利技术提供的一种基于Pair-copula理论的多点光伏出力概率预测方法，包括：聚类步骤：对光伏电站群进行聚类，确定最佳聚类数目；统计步骤：基于最佳聚类数目，对光伏电站群进行分类，得到多个聚类电站，统计各聚类电站的光伏出力值和联合出力，得到单点光伏出力的概率预测结果；参数识别步骤：对单点光伏处理概率预测结果进行二维Copula函数的参数识别，得到偏相关系数；求解步骤：根据偏相关系数，求解Pair-copula函数的相关性参数；预测步骤：利用Pair-copula函数和单点光伏出力的概率预测结果，得到多点光伏出力的概率预测结果。优选地，所述聚类步骤包括：特征归一步骤：选取n个光伏电站的特征指标，将不同量纲和数量级的特征指标的指标数据进行标准化处理，采用以下公式：其中，x*为归一化后的指标数据，x为实际指标数据，max为光伏电站群的指标数据中的最大值，min为光伏电站群的指标数据中的最小值；计算聚类中心步骤：随机选取K个光伏电站的特征指标作为聚类中心，记为第一聚类中心，按照欧式距离将剩余n-K个光伏电站归类到第一聚类中心的所在簇，计算剩余n-K个光伏电站的聚类中心，记为第二聚类中心；阈值判断步骤：判断第二聚类中心与第一聚类中心之间的欧式距离是否小于设定阈值，若小于，则将第二聚类中心的所在簇对应的光伏电站确定为同类变电站，否则，则将第二聚类中心的所在簇对应的光伏电站确定为不同类变电站；确定最佳聚类数步骤：计算聚类数目为K时的组内平方误差和，根据Calinsky准则确定最佳聚类数目，其中Calinsky的计算公式为：式中：SSB为组与组之间的方差，SSW为组内方差，n为样本数，K为聚类数目，当Calinsky最大时，选取K为最佳聚类数目。优选地，所述统计步骤包括：分类步骤：根据最佳聚类数目对光伏电站群进行分类，得到多个聚类电站，取各聚类电站中各光伏电站的光伏出力平均值作为该聚类电站的光伏出力值，记为xi，联合出力记为Xk+1，对应的累积分布分别为{Fi(xi)，Fk+1(xk+1)}；计算步骤：分别计算聚类电站中各光伏电站的光伏出力值，使用Beta函数描述光伏电站的预测值和实际值的变化趋势，所述Beta分布概率密度函数为：式中，f(x：a，b)表示随机变量x在参数为a和b时的Beta分布概率密度函数；x表示随机变量；a、b分别表示Beta函数的形状参数，a＞0，b＞0；B(a，b)为Beta函数；概率计算步骤：基于Pair-copula理论得到联合出力的条件密度概率函数，计算公式为：式中，v表示n维随机向量；x表示随机变量；vj表示v中的一个元素；v-j表示除去vj后的剩余项；f(x|v)表示条件v下变量x的条件概率密度函数；F(x|v-j)表示条件v-j下变量x的条件边缘密度函数；F(vj|v-j)表示条件v-j下变量vj的条件边缘密度函数；F(vj|v-j))表示多维Copula联合密度函数。优选地，所述求解步骤中，Pair-copula函数的相关性参数通过以下公式求取：式中：ρj，j+i|1，···，i-1是给定各光伏电站的出力(x1，x2，…，xj-1)时，xj和xj+i的偏相关系数；ρj-1，j|1，···，j-2是给定各光伏电站的出力(x1，x2，···，xj-2)时xj-1和xj的偏相关系数；下标i，j分别用以标识光伏发电站，其中1≤i≤n-j，1≤j≤n-1，n为光伏发电站总个数；xj表示聚类电站的第j个光伏电站的光伏出力值；xj+i表示聚类电站的第j+i个光伏电站的光伏出力值；xj-1表示聚类电站的第j-1个光伏电站的光伏出力值。优选地，所述预测步骤包括：总出力计算步骤：对于(n-1)个光伏电站，(x1，x2，…，xn-1)表示各光伏电站的光伏出力值，xn表示联合出力，已知各光伏电站的单点光伏出力的情况下，联合出力xn的条件概率密度函数f(xn|x1，x2，···，xn-1)计算公式为：式中：cn-i，n|1，2，···，n-i-1是Pair-copula函数，f(xn)是联合出力xn的概率密度函数；联合出力计算步骤：求解各类光伏发电站的光伏出力值的预测值，设光伏出力实际值为x，光伏出力预测值为y，基于Copula理论，得到两者的联合概率密度函数：式中，fX，Y(x，y)表示光伏出力x和y的联合概率密度函数；FX，Y(x，y)为光伏出力x和y的联合分布函数；fX(x)和fY(y)分别为x和y的边缘概率分布函数；c(FX(x)，FY(y))为Copula概率密度函数。根据本专利技术提供的一种基于Pair-copula理论的多点光伏出力概率预测系统，包括：聚类模块：对光伏电站群进行聚类，确定最佳聚类数目；统计模块：基于最佳聚类数目，对光伏电站群进行分类，得到多个聚类电站，统计各聚类电站的光伏出力值和联合出力，得到单点光伏出力的概率预测结果；参数识别模块：对单点光伏处理概率预测结果进行二维Copula函数的参数识别，得到偏相关系数；求解模块：根据偏相关系数，求解Pair-copula本文档来自技高网...

【技术保护点】
1.一种基于Pair‑copula理论的多点光伏出力概率预测方法，其特征在于，包括：聚类步骤：对光伏电站群进行聚类，确定最佳聚类数目；统计步骤：基于最佳聚类数目，对光伏电站群进行分类，得到多个聚类电站，统计各聚类电站的光伏出力值和联合出力，得到单点光伏出力的概率预测结果；参数识别步骤：对单点光伏处理概率预测结果进行二维Copula函数的参数识别，得到偏相关系数；求解步骤：根据偏相关系数，求解Pair‑copula函数的相关性参数；预测步骤：利用Pair‑copula函数和单点光伏出力的概率预测结果，得到多点光伏出力的概率预测结果。

【技术特征摘要】
1.一种基于Pair-copula理论的多点光伏出力概率预测方法，其特征在于，包括：聚类步骤：对光伏电站群进行聚类，确定最佳聚类数目；统计步骤：基于最佳聚类数目，对光伏电站群进行分类，得到多个聚类电站，统计各聚类电站的光伏出力值和联合出力，得到单点光伏出力的概率预测结果；参数识别步骤：对单点光伏处理概率预测结果进行二维Copula函数的参数识别，得到偏相关系数；求解步骤：根据偏相关系数，求解Pair-copula函数的相关性参数；预测步骤：利用Pair-copula函数和单点光伏出力的概率预测结果，得到多点光伏出力的概率预测结果。2.根据权利要求1所述的基于Pair-copula理论的多点光伏出力概率预测方法，其特征在于，所述聚类步骤包括：特征归一步骤：选取n个光伏电站的特征指标，将不同量纲和数量级的特征指标的指标数据进行标准化处理，采用以下公式：其中，x*为归一化后的指标数据，x为实际指标数据，max为光伏电站群的指标数据中的最大值，min为光伏电站群的指标数据中的最小值；计算聚类中心步骤：随机选取K个光伏电站的特征指标作为聚类中心，记为第一聚类中心，按照欧式距离将剩余n-K个光伏电站归类到第一聚类中心的所在簇，计算剩余n-K个光伏电站的聚类中心，记为第二聚类中心；阈值判断步骤：判断第二聚类中心与第一聚类中心之间的欧式距离是否小于设定阈值，若小于，则将第二聚类中心的所在簇对应的光伏电站确定为同类变电站，否则，则将第二聚类中心的所在簇对应的光伏电站确定为不同类变电站；确定最佳聚类数步骤：计算聚类数目为K时的组内平方误差和，根据Calinsky准则确定最佳聚类数目，其中Calinsky的计算公式为：式中：SSB为组与组之间的方差，SSW为组内方差，n为样本数，K为聚类数目，当Calinsky最大时，选取K为最佳聚类数目。3.根据权利要求1所述的基于Pair-copula理论的多点光伏出力概率预测方法，其特征在于，所述统计步骤包括：分类步骤：根据最佳聚类数目对光伏电站群进行分类，得到多个聚类电站,取各聚类电站中各光伏电站的光伏出力平均值作为该聚类电站的光伏出力值，记为xi，联合出力记为xk+1，对应的累积分布分别为{Fi(xi)，Fk+1(xk+1)}；计算步骤：分别计算聚类电站中各光伏电站的光伏出力值，使用Beta函数描述光伏电站的预测值和实际值的变化趋势，所述Beta分布概率密度函数为：式中，f(x：a,b)表示随机变量x在参数为a和b时的Beta分布概率密度函数；x表示随机变量；a、b分别表示Beta函数的形状参数，a>0，b>0；B(a,b)为Beta函数；概率计算步骤：基于Pair-copula理论得到联合出力的条件密度概率函数，计算公式为：式中，v表示n维随机向量；x表示随机变量；vj表示v中的一个元素；v-j表示除去vj后的剩余项；f(x|v)表示条件v下变量x的条件概率密度函数；F(x|v-j)表示条件v-j下变量x的条件边缘密度函数；F(vj|v-j)表示条件v-j下变量vj的条件边缘密度函数；表示多维Copula联合密度函数。4.根据权利要求1所述的基于Pair-copula理论的多点光伏出力概率预测方法，其特征在于，所述求解步骤中，Pair-copula函数的相关性参数通过以下公式求取：式中：ρj,j+i|1,···,j-1是给定各光伏电站的出力(x1,x2,…,xj-1)时，xj和xj+i的偏相关系数；ρj-1,j|1,···,j-2是给定各光伏电站的出力(x1,x2,···,xj-2)时xj-1和xj的偏相关系数；下标i，j分别用以标识光伏发电站，其中1≤i≤n-j，1≤j≤n-1，n为光伏发电站总个数；xj表示聚类电站的第j个光伏电站的光伏出力值；xj+i表示聚类电站的第j+i个光伏电站的光伏出力值；xj-1表示聚类电站的第j-1个光伏电站的光伏出力值。5.根据权利要求1所述的基于Pair-copula理论的多点光伏出力概率预测方法，其特征在于，所述预测步骤包括：总出力计算步骤：对于(n-1)个光伏电站，(x1,x2,…,xn-1)表示各光伏电站的光伏出力值，xn表示联合出力，已知各光伏电站的单点光伏出力的情况下，联合出力xn的条件概率密度函数f(xn|x1,x2,···,xn-1)计算公式为：式中：cn-i,n|1,2,···,n-i-1是Pair-copula函数，f(xn)是联合出力xn的概率密度函数；联合出力计算步骤：求解各类光伏发电站的光伏出力值的预测值，设光伏出力实际值为x，光伏出力预测值为y，基于Copula理论，得到两者的联合概率密度函数：式中，fX,Y(x,y)表示光伏出力x和y的联合概率密度函数；FX,Y(x,y)为光伏出力x和y的联合分布函数；fX(x)和fY(y)分别为x和y的边缘概率分布函数；c(FX(x),FY(y))为Copula概率密度函数。...

【专利技术属性】
技术研发人员：郑伟民，王蕾，张曼颖，朱玥，顾洁，孟璐，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，上海交通大学，
类型：发明
国别省市：浙江,33