【技术实现步骤摘要】
本专利技术涉及新能源发电过程中光伏发电功率预测
，具体地，涉及一种基于复合数据源自回归模型的光伏发电功率超短期预测方法。
技术介绍
我国风电进入规模化发展阶段以后所产生的大型新能源基地多数位于“三北地区”(西北、东北、华北)，大型新能源基地一般远离负荷中心，其电力需要经过长距离、高电压输送到负荷中心进行消纳。由于风、光资源的间歇性、随机性和波动性，导致大规模新能源基地的风电、光伏发电出力会随之发生较大范围的波动，进一步导致输电网络充电功率的波动，给电网运行安全带来一系列问题。截至2014年4月，光伏发电装机容量已达到435万千瓦，约占甘肃电网总装机容量的13%，同时甘肃成为我国光伏发电装机规模最大的省份。目前，甘肃电网风电、光伏发电装机超过甘肃电网总装机容量的1/3。随着新能源并网规模的不断提高，光伏发电不确定性和不可控性给电网的安全稳定经济运行带来诸多问题。准确预估可利用的发电光资源是对大规模光伏发电优化调度的基础。对光伏发电过程中的光伏发电功率进行预测，可为新能源发电实时调度、新能源发电日前计划、新能源发电月度计划、新能源发电能力评估和弃光电量估计提供关键信息。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种，以实现高精度光伏发电功率超短期预测的优点。为实现上述目的，本专利技术采用的技术方案是:一种，包括输入数据得到自回归模型参数；以及输入光伏发电功率预测所需输入数据到根据上述自回归模型的参数确定的自回归模型中得到预测结果；所述输入数据得到自回归模型参数具体包括步骤101、输入模型训练基础数据，步骤102、采用残差方差图...
【技术保护点】
一种基于复合数据源自回归模型光伏发电功率超短期预测方法，其特征在于，包括输入数据得到自回归模型参数；以及输入光伏发电功率预测所需输入数据到根据上述自回归模型的参数确定的自回归模型中得到预测结果；所述输入数据得到自回归模型参数具体包括步骤101、输入模型训练基础数据，步骤102、采用残差方差图法对自回归模型AR(p)定阶，步骤103、采用矩估计方法对定阶的AR(p)模型参数进行估计。
【技术特征摘要】
1.一种基于复合数据源自回归模型光伏发电功率超短期预测方法，其特征在于，包括输入数据得到自回归模型参数； 以及输入光伏发电功率预测所需输入数据到根据上述自回归模型的参数确定的自回归模型中得到预测结果； 所述输入数据得到自回归模型参数具体包括步骤101、输入模型训练基础数据， 步骤102、采用残差方差图法对自回归模型AR(P)定阶， 步骤103、采用矩估计方法对定阶的AR(p)模型参数进行估计。2.根据权利要求1所述的基于复合数据源自回归模型光伏发电功率超短期预测方法，其特征在于，所述步骤101输入模型训练基础数据，输入数据包括，光伏电站基础信息、历史辐照度数据、历史功率数据和地理信息系统数据。3.根据权利要求2所述的基于复合数据源自回归模型光伏发电功率超短期预测方法，其特征在于，所述步骤102采用残差方差图法对自回归模型AR(p)定阶: 具体为设Xt为需要估计的项，Χη,Χμ，...，xt_n为已知历史功率序列，自回归模型AR(p)，模型定阶就是确定模型中参数P的值； 用系列阶数逐渐递增的 模型拟合原始序列，每次都计算残差平方和然后画出阶 数和iif的图形，当阶数由小增大时，会显著下降，达到真实阶数后的值会逐渐趋于平缓，甚至反而增大， 拟合误差的平方和/(实际观测位个数-模型参数个数)， 实际观测值个数指拟合模型时实际使用的观察值项数，对于具有N个观察值的序列，拟合AR (P)模型，则实际使用的观察值最多为Ν-ρ，模型参数个数指所建立的模型中实际包含的参数个数，对于含有均值的模型，模型参数个数为模型阶数加1，对于N个观测值的序列，AR模型的残差估计式为: 4.根据权利要求...
【专利技术属性】
技术研发人员：汪宁渤，路亮，何世恩，马彦宏，赵龙，周强，马明，张健美，
申请(专利权)人：国家电网公司，国网甘肃省电力公司，甘肃省电力公司风电技术中心，
类型：发明
国别省市：北京;11
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。