一种基于加权FCM聚类算法的光伏电站输出功率预测方法技术

本发明专利技术涉及一种基于加权FCM聚类算法的光伏电站输出功率预测方法，本发明专利技术首先从现有光伏电站运行数据库中选取与待测气象数据样本相匹配的天气资料样本和与其对应的光伏电站输出功率作为参考样本，通过知识评价，筛选出典型数据矩阵，然后与待测气象数据样本组合，经过归一化处理，形成最终的标准样本矩阵，作为算法的输入变量，然后通过属性加权的FCM聚类算法迭代后，得到该待测气象数据样本所对应的输出功率。本发明专利技术克服了气象因素复杂、对输出功率的影响程度不均衡，以及气象数据具有的随机性和不确定性等诸多缺点，预测速度快、准确度高，预测结果为电力行业合理调度资源、科学统筹规划提供了数据支撑，同时能够获得良好的经济和社会效益。

【技术实现步骤摘要】

本专利技术涉及一种基于加权FCM聚类算法的光伏电站输出功率预测方法，属于电力 工程

技术介绍
煤、石油、天然气等一次能源逐渐枯竭，环境状况日益恶化，可再生能源的开发和 利用逐渐成为各个国家关注的重点，太阳能取之不尽、用之不竭，而且清洁安全、转换方便， 光伏发电技术已经在世界范围内得到深入研究和广泛应用，在未来的能源结构中，以光伏 发电为代表的可再生能源发电将占据重要成分。在国家多种优惠政策和标准规范的支持与 指导下，我国大量的光伏电站已经建成并投入利用，同时，愈来愈多的光伏电站正处于规划 和建设中。光伏电站输出功率与场址所在地区的气象条件密切相关，但气象因素存在空间 和时间上的模糊性、随机性和不稳定性，因而光伏电站的输出功率也具有不确定性、波动性 和间歇性的特点，大规模光伏电站的并网运行会严重影响电力系统的稳定性和安全性。 对光伏电站输出功率进行一定时间段内的短期准确预测，一方面有利于电力调度 部门根据地区负荷需求合理制定调度计划，统筹安排常规能源发电和光伏发电的配比，最 大程度上减少光伏发电系统对电网产生的不利影响。另一方面，可以缩小电力系统的备用 容量，充分利用太阳能资源，提高光伏电站的经济效益和社会效益。而目前光伏发电的预测 研究越来越多，例如申请号为201310301150. 1的专利文件，该专利文件公开了一种基于相 似日的光伏电站发电输出功率预测方法，该方法采用模糊聚类分析方法进行聚类分析，通 过聚类效果评价指标确定最佳聚类个数，利用BP神经网络，建立发电量预测模型，根据该 预测模型预测出日发电量。但该方法仅采集温度、湿度和日类型作为预测模型的特征向量， 对光伏电站输出功率的影响因素考虑不全面，实际上太阳总辐量、水平面辐射量、倾斜面辐 射量、大气压力和风速等都会在一定程度上影响光伏电站的输出功率；而且由于温度、湿度 和日类型对光伏电站输出功率的影响程度并不相同，而该文件的整个预测过程中没有考虑 和区分温度、湿度和日类型对输出功率的不同影响程度，导致该预测方法不够准确。同时， 上述一种基于相似日的光伏电站发电输出功率预测方法，需要用BP神经网络对相似日样 本集进行大量的学习训练，如果训练程度不够，也很难保证功率预测模型的准确度。
技术实现思路
本专利技术的目的是提供一种基于加权FCM聚类算法的光伏电站输出功率预测方法， 以解决现有光伏电站输出功率雨的不准确、不及时所导致光伏发电与常规能源发电协调难 的问题。 本专利技术为解决上述技术问题提供了一种基于加权FCM聚类算法的光伏电站输出 功率预测方法，该预测方法包括以下步骤： 1)确定需要进行功率预测的未来精确时间段，采集该时间段内光伏电站所在区域 内包含太阳总辐量、水平面辐射量、倾斜面辐射量、环境温度、空气湿度、大气压力、风速和 风速的8维属性的天气数据作为待测气象数据样本； 2)从该光伏电站历史运行的知识库中选取与待测气象数据样本相似的参考样本， 每个参考样本中包含有与待测气象数据样本中相同的8个天气属性以及对应气象样本的 光伏电站输出功率； 3)从参考样本中选取与待测气象数据样本匹配的标准样本数据集，与待测气象 数据样本组合，形成典型样本矩阵，并对该典型样本矩阵进行归一化处理形成标准样本矩 阵； 4)将标准样本矩阵作为属性加权FCM聚类算法的输入量，根据设定的初始化变量 进行算法迭代以得到相应的隶属度矩阵，根据得到的隶属度矩阵判断待测气象样本对应的 光伏电站输出功率，该输出功率即为待测气象样本的预测功率。 所述属性加权FCM聚类算法指的是利用样本相似度对气象样本中每个属性对聚 类结果的贡献程度赋予相应的权值。 所述属性加权FCM聚类算法的流程如下： A.计算标准样本矩阵中各属性权值； B.根据得到的各属性权值确定聚类目标函数和更新聚类中心； C.更新隶属度矩阵，直至更新后隶属度矩阵满足设定要求。 所述样本各属性权值的计算采用基于样本相似度的属性加权算法。 所述步骤4)中的初始化变量包括聚类类别，该聚类类别是将待预测变电站的功 率输出范围按照预测的准确度等级细化分段，每一段为一个聚类类别。 所述步骤3)的归一化方法可采用比例标准化、极大值标准化、均值方差化标准 化、绝对值方差标准化和正规化标准化中的任意一种。 该方法还包括将待测气象样本以及其对应的功率预测结果反馈回知识库中，便于 为以后的气象数据样本进行功率预测积累真实可靠的历史数据。 本专利技术的有益效果是：本专利技术首先从现有光伏电站运行数据库中选取与待测气 象数据样本相匹配的天气资料样本和与其对应的光伏电站输出功率作为参考样本，通过知 识评价，筛选出典型数据矩阵，然后与待测气象数据样本组合，经过归一化处理，形成最终 的标准样本矩阵，作为算法的输入变量，然后通过属性加权的FCM算法迭代后，得到该待测 气象数据样本所对应的输出功率。本专利技术克服了气象因素复杂、对输出功率的影响程度不 均衡，以及气象数据具有的随机性和不确定性等诸多缺点，预测速度快、准确度高，预测结 果为电力行业合理调度资源、科学统筹规划提供了数据支撑，同时能够获得良好的经济和 社会效益。【附图说明】图1是本专利技术基于加权FCM聚类算法的光伏电站输出功率预测方法的流程图； 图2是本专利技术实施例中所采用的加权FCM聚类算法的流程图； 图3是样本属性加权系统流程图； 图4是样本数据筛选系统流程图；图5是本专利技术实施例中所采用的知识库的系统图。【具体实施方式】 下面结合附图对本专利技术的【具体实施方式】做进一步的说明。 光伏电站输出功率受气象因素的直接影响，二者之间存在非线性对应关系，本发 明基于天气资料数据及其对应的运行数据历史知识库，首先根据待预测时间段内的天气预 报数据，从知识库中采集多个类似天气情况下的、既定事实的气象数据及其对应的光伏电 站输出功率数据样本，形成参考样本矩阵，经过数据筛选系统优选后形成典型样本矩阵；为 了区别样本中每个气象属性对光伏电站最终输出功率的影响和贡献程度差异，利用样本相 似度的进行属性加权，得到加权FCM聚类算法。最后，将待预测的气象数据样本和典型气象 样本组合，并通过归一化处理后，形成标准气象样本矩阵，作为加权FCM聚类算法的输入矩 阵，通过不断迭代，由算法输出的隶属度矩阵自动判断气象样本数据对应的光伏电站输出 功率值，并显示于人机界面，该方法的流程如图1所示。 1.确定需要进行预测功率的未来精确时间段，采集该时间段对应的光伏电站所在 区域内包含太阳辐照度、环境温度、大气压力、风速和风向的多维属性的天气数据。 2.根据采集到的天气数据，从知识库系统中获取该光伏电站以及处于同一区域内 装机容量、运营模式相同的其他光伏电站运行的历史经验数据，采集一定数量的类似气象 条件下的天气样本数据及其对应的电站输出功率数据，并将它们合并，作为多维参考样本 矩阵。 由于采集的样本数据有些可能存在属性不完整、数据模糊、数据精度不够等缺点， 应通过数据筛选系统，从中优选出与待测气象数据样本匹配的标准当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，该预测方法包括以下步骤：1)确定需要进行功率预测的未来精确时间段，采集该时间段内光伏电站所在区域内包含太阳总辐量、水平面辐射量、倾斜面辐射量、环境温度、空气湿度、大气压力、风速和风速的8维属性的天气数据作为待测气象数据样本；2)从该光伏电站历史运行的知识库中选取与待测气象数据样本相似的参考样本，每个参考样本中包含有与待测气象数据样本中相同的8个天气属性以及对应气象样本的光伏电站输出功率；3)从参考样本中选取与待测气象数据样本匹配的标准样本数据集，与待测气象数据样本组合，形成典型样本矩阵，并对该典型样本矩阵进行归一化处理形成标准样本矩阵；4)将标准样本矩阵作为属性加权FCM聚类算法的输入量，根据设定的初始化变量进行算法迭代以得到相应的隶属度矩阵，根据得到的隶属度矩阵判断待测气象样本对应的光伏电站输出功率，该输出功率即为待测气象样本的预测功率。

【技术特征摘要】

【专利技术属性】
技术研发人员：牛高远，王以笑，江新峰，赵萌萌，王景丹，朱美玲，孙磊杰，王春艳，雷振锋，路进升，王伟，胡筱，王晓钢，王冬，王福成，朱翠丽，
申请(专利权)人：许继集团有限公司，国家电网公司，
类型：发明
国别省市：河南;41