本发明专利技术公开了一种光伏电站辐照度的超短期预测方法，包括步骤：从历史数据库中提取辐照度数据，剔除夜晚时间段数据后，计算相应的地外理论辐照度，以此进行数据异常检验，并采用地外辐照度理论值与实际辐照度的差值比例法归一化数据；按模型的输入输出维数提取出训练样本集；采用ANFIS对辐照度时间序列进行建模，其中以减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；输入预测样本，计算得到预测值；加入预测值形成新的样本集，循环实现多步预测；将预测值进行反归一化处理。本发明专利技术仅需利用历史辐照度时间序列来实现辐照度的超短期预测，预测精度良好，且易于实施。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括步骤：从历史数据库中提取辐照度数据，剔除夜晚时间段数据后，计算相应的地外理论辐照度，以此进行数据异常检验，并采用地外辐照度理论值与实际辐照度的差值比例法归一化数据；按模型的输入输出维数提取出训练样本集；采用ANFIS对辐照度时间序列进行建模，其中以减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；输入预测样本，计算得到预测值；加入预测值形成新的样本集，循环实现多步预测；将预测值进行反归一化处理。本专利技术仅需利用历史辐照度时间序列来实现辐照度的超短期预测，预测精度良好，且易于实施。【专利说明】
本专利技术涉及。
技术介绍
大规模光伏并网发电是利用太阳能的有效方式，但太阳能是一种间歇性、波动性能源，大规模的接入会对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战。若能对光伏电站发电功率做出比较准确的预测，可有助于电网调度部门及时制定合理的运行方式并准确地调整调度计划，则可有效减轻光伏电站并网对整个电网的影响，从而保证电力系统的安全稳定性。影响光伏电站发电功率气象因素有多种，如辐照强度，环境温度和湿度等。其中，辐照度的影响最大。而由于地表辐照度受云层覆盖、温度、气压等多种气象因素的影响，具有很强的随机性，要实现精确的预测难度很大。针对地面辐照度的超短期预测，通常采用的方法有:(1)自回归滑动平均(ARMA)模型。该方法利用辐照度的历史时间序列数据，经过模型识别、参数估计、模型检验来确定一个能够描述辐照度时间序列的数学模型，进而达到预测目的，但由于ARMA是线性模型，因此预测精度有限；(2)利用天空云图图象的预测法。该方法通常需要在光伏电站现场安装天空成像仪，成本昂贵，且预测算法复杂，因此实施起来较为困难。因此，如何实现高精度的光伏电站辐照度的超短期预测，成为 申请人:致力于解决的问题。
技术实现思路
本专利技术的目的在于提供，仅需利用历史辐照度时间序列来实现辐照度的超短期预测，预测精度良好，且易于实施，为实现光伏电站发电功率的超短期预测奠定基础。实现上述目的的技术方案是:，包括下列步骤:步骤SI，从历史数据库中提取给定时间段光伏电站所在地的实际辐照度数据，并剔除掉夜晚时间段的无效辐照数据，根据同时间同地区的理论地外辐照度，对提取的实际辐照度数据进行异常检验，对完成异常检验后的辐照度数据进行归一化处理；步骤S2，按预测模型的输入输出维数确定训练样本集；步骤S3，采用ANFIS对辐照度时间序列进行建模，模型为5维输入I维输出，采用减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；步骤S4，输入预测样本，计算得到预测值； 步骤S5，判断多步预测是否完成，若是，进入步骤S7 ;若否，进入步骤S6 ；步骤S6，加入预测值形成新的样本集，并返回步骤S2 ；步骤S7，将预测值进行反归一化处理。上述的，其中，所述步骤SI包括:步骤S11，从历史数据库中提取出待预测日之前h天的光伏电站所在地的辐照度时间序列值V (t)作为原始样本集，h为正整数；步骤S12，计算同时间同地区的理论地外辐照度；步骤S13，根据公式:0≤v(t) ≤E(t)检验各辐照度时间序列值v(t)是否正常，E(t)为t时刻该地区的理论地外辐照度；若发现异常辐照度数据，进入步骤S14 ;若否，进入步骤S15 ；步骤S14，剔除含异常辐照度数据的数据日的所有辐照度数据；步骤S15，根据公式:【权利要求】1.，其特征在于，包括下列步骤: 步骤SI，从历史数据库中提取给定时间段光伏电站所在地的实际辐照度数据，并剔除掉夜晚时间段的无效辐照数据，根据同时间同地区的理论地外辐照度，对提取的实际辐照度数据进行异常检验，对完成异常检验后的辐照度数据进行归一化处理； 步骤S2，按预测模型的输入输出维数确定训练样本集； 步骤S3，采用ANFIS对辐照度时间序列进行建模，模型为5维输入I维输出，采用减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数； 步骤S4，输入预测样本，计算得到预测值； 步骤S5，判断多步预测是否完成，若是，进入步骤S7 ;若否，进入步骤S6 ； 步骤S6，加入预测值形成新的样本集，并返回步骤S2 ； 步骤S7，将预测值进行反归一化处理。2.根据权利要求1所述的，其特征在于，所述步骤SI包括: 步骤S11，从历史数据库中提取出待预测日之前h天的光伏电站所在地的辐照度时间序列值V (t)作为原始样本集，h为正整数； 步骤S12，计算同时间同地区的理论地外辐照度； 步骤S13，根据公式:0 ^ v(t) ^ E(t)检验各辐照度时间序列值V(t)是否正常，E(t)为t时刻该地区的理论地外辐照度；若发现异常辐照度数据，进入步骤S14 ;若否，进入步骤S15 ； 步骤S14，剔除含异常辐照度数据的数据日的所有辐照度数据； 步骤S15，根据公式: 3.根据权利要求2所述的，其特征在于，所述步骤S12利用下式计算同时间同地区的理论地外辐照度: 4.根据权利要求1所述的，其特征在于，所述步骤S2指: 将归一化后的N+5个连续的辐照度时间序列Ix1, X2, X3,, W分解成N+1个5维的矢量％，...，￥_}，N为正整数，得: 5.根据权利要求1或2所述的，其特征在于，所述步骤S3包括: 步骤S31，采用ANFIS对辐照度时间序列进行建模，得:6.根据权利要求5所述的，其特征在于， 7.根据权利要求1所述的，其特征在于，所述步骤S4具体指:判断得到的最优模糊规则条数n，若规则数为一条，则采用持续法预测； 若规则数多于一条，则将预测样本VN+1输入到模型，得到预测值X詞:若O ( X詞< I，则表示该预测值有效，否则，仍采用持续法预测。8.根据权利要求1所述的，其特征在于，所述步骤S7具体指: 按照公式:P(t)=E(t)-x(t)*E(t)对得到的预测值进行反归一化处理，其中，x(t)是预测值，P(t)是反归一化后的 数据， E(t)为t时刻的理论地外辐照度值。【文档编号】G06Q50/06GK103559561SQ201310571072【公开日】2014年2月5日 申请日期:2013年11月13日 优先权日:2013年11月13日 【专利技术者】李卫, 席林, 佘慎思, 曾旭, 杨文斌 申请人:上海电气集团股份有限公司本文档来自技高网...
【技术保护点】
一种光伏电站辐照度的超短期预测方法，其特征在于，包括下列步骤：步骤S1，从历史数据库中提取给定时间段光伏电站所在地的实际辐照度数据，并剔除掉夜晚时间段的无效辐照数据，根据同时间同地区的理论地外辐照度，对提取的实际辐照度数据进行异常检验，对完成异常检验后的辐照度数据进行归一化处理；步骤S2，按预测模型的输入输出维数确定训练样本集；步骤S3，采用ANFIS对辐照度时间序列进行建模，模型为5维输入1维输出，采用减法聚类确定ANFIS模型的规则数和初始参数，并采用反向传播算法和最小二乘法优化模糊模型参数；步骤S4，输入预测样本，计算得到预测值；步骤S5，判断多步预测是否完成，若是，进入步骤S7；若否，进入步骤S6；步骤S6，加入预测值形成新的样本集，并返回步骤S2；步骤S7，将预测值进行反归一化处理。
【技术特征摘要】
【专利技术属性】
技术研发人员：李卫，席林，佘慎思，曾旭，杨文斌，
申请(专利权)人：上海电气集团股份有限公司，
类型：发明
国别省市：
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。