【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
，即，具体地，涉及一种采用复合数据源的基于自学习径向基核函数支持向量机的光伏发电功率短期预测方法。
技术介绍
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。
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，以实现高精度的光伏发电功率短期预测的优点。为实现上述目的，本专利技术采用的技术方案是:—种，包括:通过模型训练得出得到SVM模型的步骤；以及将光伏发电功率预测所需的数据输入上述训练得出的SVM模型，得出预测结果的步骤。根据本专利技术的优选实施例，上述通过模型训练得出得到SVM模型的步骤具体包括:步骤101、模型训练基础数据输入；步骤102、对上述输入的训练基础数据进行预处理；步骤103、SVM分类器训练；步骤104、通过输入上述预处理的样本数据，经过SVM分类器训练得到SVM预测模型。根据本专利技术的优选实施例，上述步骤101中，模...
【技术保护点】
一种基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，包括：通过模型训练得出得到SVM模型的步骤；以及将光伏发电功率预测所需的数据输入上述训练得出的SVM模型，得出预测结果的步骤。
【技术特征摘要】
1.一种基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，包括: 通过模型训练得出得到SVM模型的步骤； 以及将光伏发电功率预测所需的数据输入上述训练得出的SVM模型，得出预测结果的步骤。2.根据权利要求1所述的基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，上述通过模型训练得出得到SVM模型的步骤具体包括: 步骤101、模型训练基础数据输入； 步骤102、对上述输入的训练基础数据进行预处理； 步骤103、SVM分类器训练； 步骤104、通过输入上述预处理的样本数据，经过SVM分类器训练得到SVM预测模型。3.根据权利要求2所述的基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，上述步骤101中，模型训练基础数据输入的数据包括光伏电站基础信息、历史辐照数据、历史功率数据和地理信息系统数据。4.根据权利要求3所述的基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，所述地理信息系统数据用于功率预测时根据各光伏电站的上下游关系进行短期预测结果的优化。5.根据权利要求2所述的基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，上述步骤102中的训练基础数据进行预处理具体为:将辐照数据和功率数据进行数据对齐及归一化预处理，地理信息系统数据通过预处理确定电站上下游关系。6.根据权利要求2所述的基于自学习径向基核函数的光伏发电功率预测方法，其特征在于，上述步骤103中，SVM分类器训练具体为:基于SVM分类器的非线性光伏发电功率短期预测模型可以表示为:/(X) = W7P(X)-^b 其中，X是与光伏发电功率密切相关的影响因素，包括数值天气预报数据、历史功率和光伏电站上...
【专利技术属性】
技术研发人员：路亮，汪宁渤，靳丹，师建中，崔刚，贾怀森，张鹏，
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。