一种基于季节分区的光伏功率预测方法技术

本发明专利技术提供了一种基于季节分区的光伏功率预测方法，包括S1.收集光电站历史信息；S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；S3.将所述步骤S2分类后的每一季节的数据进行数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应关系；S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型；S5.针对预测日之前一个时间段的数据，进行数据预处理，并建立最小二乘模型，得到最近一段时间内功率与太阳辐照度之间的关系；S6.计算预测功率y。本发明专利技术所述的基于季节分区的光伏功率预测方法建立的模型的通用性及泛化性较好，在一定程度上提高了光伏电站的预测精度。

【技术实现步骤摘要】

本专利技术属于功率预测领域，尤其是涉及一种基于季节分区的光伏功率预测方法。
技术介绍
现有的功率预测模型是根据电站的历史有效数据建立的功率与太阳辐照度、温度之间的对应关系，然后基于此对应关系和未来一段时间内的数值天气预报信息，得到未来一段时间内的预测功率。从光伏发电机理和光伏发电系统的组成结构中，可以看出，光伏电站的输出功率将受到太阳辐照度和温度等因素的影响，而地球的公转规律会导致太阳辐照度和温度在中国大部分地域呈现季节性规律，若不考虑季节的因素，建立的模型的通用性及泛化性较差，影响电站的预测精度。另一方面，光伏电站最近一段时间内的发电状态及天气信息将会对未来一段时间内的预测功率造成影响，所以，将最近两周的实发功率和实际太阳辐照度数据加入到功率预测模型中，实时修正预测偏差，可以达到使预测更加接近实发的目标，从而提高预测精度。
技术实现思路
有鉴于此，本专利技术旨在提出一种基于季节分区的光伏功率预测方法，以提高功率预测的准确性。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于季节分区的光伏功率预测方法，包括S1.收集光电站的历史太阳辐照度数据、功率数据；S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应关系；S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，可以由预测日的预测太阳辐照度数据得到预测日的预测功率y1；S5.针对预测日之前一个时间段的数据，建立最小二乘模型，得到最近一段时间内功率与太阳辐照度之间的对应关系，从而得到预测日的预测功率y2；S6.计算预测功率y。进一步的，所述步骤S3包括S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处理；S32.使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应关系。进一步的，所述步骤S31中的数据预处理操作为使用聚类分析方法剔除异常数据点。进一步的，所述步骤S31包括S311.对每一太阳辐照度X，总有一功率Y与其对应，设其形成的样本集为(X,Y)。输入样本集(X,Y)，输入指定聚类类数N，并在样本集中随机选取N个对象作为初始聚类中心。设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。S312.进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心，从而形成一类。初始化隶属度矩阵。S313.更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重新分配数据对象。S314.反复执行步骤S312和步骤S313直至满足中止条件。进一步的，所述步骤S5中时间段为两周。进一步的，所述步骤S6包括设预测日的预测功率值为y，设y＝αy1+(1-α)y2，其中y1，y2分别为使用支持向量回归模型和最小二乘模型得到的预测功率。进一步的，所述步骤S6中，α为未知参数，是使得预测日之前一周的预测功率和实际功率的误差平方和达到最小时的取值。相对于现有技术，本专利技术所述的基于季节分区的光伏功率预测方法具有以下优势：本专利技术所述的基于季节分区的光伏功率预测方法建立的模型的通用性及泛化性较好，能够提高电场的预测精度，将最近两周的实发数据加入到功率预测模型中，可以修正每一季节的预测模型，使预测更加接近实发，从而提高预测精度。附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例所述的基于季节分区的光伏功率预测方法流程图；图2为本专利技术实施例所述的基于季节分区的光伏功率预测方法步骤3的流程图。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本专利技术中的具体含义。下面将参考附图并结合实施例来详细说明本专利技术。如图1所示，一种基于季节分区的光伏功率预测方法，包括S1.收集光电站的历史太阳辐照度数据、功率数据；S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；由于光伏电站的输出功率受到太阳辐照度和温度等因素的影响，而地球公转规律会导致太阳辐照度和温度在中国大部分地域呈现季节性规律，所以本专利技术按季节建立功率预测模型。S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应关系；以季节为单位，对每一季节的数据进行预处理操作。S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，可以由预测日的预测太阳辐照度数据得到预测日的预测功率y1；S5.针对预测日之前一个时间段的数据，进行数据预处理，并建立最小二乘模型，得到最近一段时间内功率与太阳辐照度之间的对应关系，然后根据预测日的预测太阳辐照度数据得到预测日的预测功率y2。S6.计算预测功率y。进一步的，所述步骤S3包括S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进...

【技术保护点】
一种基于季节分区的光伏功率预测方法，其特征在于：包括S1.收集光电站历史的太阳辐照度数据、功率数据；S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应关系；S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，可以由预测日的预测太阳辐照度数据得到预测日的预测功率y1；S5.针对预测日之前一个时间段的数据，建立最小二乘模型，得到最近一段时间内功率与太阳辐照度之间的对应关系，从而得到预测日的预测功率y2；S6.计算预测功率y。

【技术特征摘要】
1.一种基于季节分区的光伏功率预测方法，其特征在于：包括
S1.收集光电站历史的太阳辐照度数据、功率数据；
S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行
分类；
S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行
数据预处理，并使用预处理之后的数据建立支持向量回归模型，得到功率与
太阳辐照度之间的对应关系；
S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，
可以由预测日的预测太阳辐照度数据得到预测日的预测功率y1；
S5.针对预测日之前一个时间段的数据，建立最小二乘模型，得到最近
一段时间内功率与太阳辐照度之间的对应关系，从而得到预测日的预测功率
y2；
S6.计算预测功率y。
2.根据权利要求1所述的基于季节分区的光伏功率预测方法，其特征
在于：所述步骤S3包括
S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进
行数据预处理；
S32.使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐
照度之间的对应关系。
3.根据权利要求2所述的基于季节分区的光伏功率预测方法，其特征
在于：所述步骤S31中的数据预处理操作为使用聚类分析方法剔除异常数据
点。
4.根据权利要求...

【专利技术属性】
技术研发人员：李晓英，
申请(专利权)人：北京国能日新系统控制技术有限公司，
类型：发明
国别省市：北京;11