The invention relates to a method and a device for predicting the power of a photovoltaic power station based on the characteristic clustering comparison, belonging to the technical field of photovoltaic power generation. The three main characteristics of the invention first obtains the influence of photovoltaic power prediction accuracy, and the accumulation of historical meteorological data; then the historical meteorological data as data samples, the sample is divided into class k high similarity, and all kinds of cluster center; respectively using the prediction model of all kinds of historical data to establish the corresponding class the current object; selection and distance prediction model of the corresponding cluster center recently forecast. In the invention, different meteorological data into different types of samples, and the establishment of PV under different meteorological conditions output forecasting model, the forecasting model of training more targeted, power is established by using different meteorological conditions of the prediction model, improves the prediction accuracy of optical power.
【技术实现步骤摘要】
一种基于特征聚类比较的光伏电站功率预测方法及装置
本专利技术涉及一种基于特征聚类比较的光伏电站功率预测方法及装置,属于光伏发电
技术介绍
光伏发电作为清洁能源的一种,在世界范围内都受到了广泛的重视,我国大型地面光伏电站,分布式屋顶光伏电站已经越来越多,但是由于光伏发电具有波动性和间歇性,给电网调度带来了很大困难,光伏功率预测的开展有效缓解了这一问题,但是目前市面上的光伏功率预测误差较大,难以给电网调度以有效的参考。目前,我国针对光伏电站的功率预测已经开展了部分技术研究,现有的预测模型包括神经网络模型、径向基函数模型和多层感知模型等。其中神经网络模型应用最为广泛,神经网络模型经过输入层、隐含层和输出层中各种神经元的作用生成输出量,再以误差为目标函数对网络权值进行不断地修正直至误差达到要求,经训练后的网络就可以进行预测光伏组件是输出功率。但是,目前的神经网络模型只能将预测误差控制在20%左右,若遇到雷雨大风天气,预测精度会更差,要想进一步提高预测精度,需对输入数据做合理的预处理,另外保证训练样本的历史数据的准确性。名称为《基于天气类型聚类和LS-SVM的光伏出力预测》的论文中给出一种预测方法,该方法将历史气象数据按季节类型聚类,得到每个季节的四种不同类型聚类样本,形成相应的预测模型;实际预测时,先根据待预测日期确定所属季节,由待预测日气象特征找到对应的预测子模型,进行预测,文章中虽然给出了一种缩小样本范围寻求最佳预测子模型进行预测的预测方法,但是由于待预测日期是根据时间划分季节,寻求预测子模型,这样的划分方法具有一定的主观性和强制性,进而也限制了寻求 ...
【技术保护点】
一种基于特征聚类比较的光伏电站功率预测方法,其特征在于,该预测方法的步骤如下:1)采集影响光伏功率预测精度的特征量,总辐射、风速和温度,并利用特征量的历史数据构成样本集;2)将得到的样本集进行特征聚类,将样本集化分成相似性较高的k类,并得到各类样本数据的聚类中心C
【技术特征摘要】
1.一种基于特征聚类比较的光伏电站功率预测方法,其特征在于,该预测方法的步骤如下:1)采集影响光伏功率预测精度的特征量,总辐射、风速和温度,并利用特征量的历史数据构成样本集;2)将得到的样本集进行特征聚类,将样本集化分成相似性较高的k类,并得到各类样本数据的聚类中心Ci,i=1,2,……,k;3)分别采用各类样本数据对应建立k类预测模型;4)计算当前预测对象与各类样本数据的聚类中心之间的距离,选取与当前预测对象距离最近的聚类中心所在类对应的预测模型进行预测。2.根据权利要求1所述的基于特征聚类比较的光伏电站功率预测方法,其特征在于,所述步骤2)采用K-means算法进行特征聚类,各类的初始聚类中心采用Huffman构造树的思想获取。3.根据权利要求1或2所述的基于特征聚类比较的光伏电站功率预测方法,其特征在于,所述步骤3)的预测模型采用BP神经网络预测模型,该预测模型采用包括输入层、隐含层和输出层的三层结构,输入层采用总辐射、温度、风速三个特征量,输出层为光伏电站输出功率。4.根据权利要求1所述的基于特征聚类比较的光伏电站功率预测方法,其特征在于,所述步骤4)中当前预测对象与各类的聚类中心之间的距离采用加权法的欧式距离计算得到。5.根据权利要求2所述的基于特征聚类比较的光伏电站功率预测方法,其特征在于,所述步骤2)将样本集划分为三类,分别代表阴雨、多云和晴天。6.一种基于特征聚类比较的光伏电站功率预测装置,其特征在于,该预...
【专利技术属性】
技术研发人员:董永超,李宝峰,焦东东,陈娜娜,葛琪,谢红伟,霍富强,王留送,李现伟,
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
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。