The invention combines photovoltaic power physical model and data driven photovoltaic power prediction method, belonging to power system new energy prediction technology field. This method uses the physical model of the photovoltaic power, photovoltaic power to determine the impact of key weather characteristics, key weather characteristics matrix based on historical periods and forecast period; weather data matrix and then set up the history and forecast period, obtain the history and forecast period input matrix; the input matrix for feature extraction, principal component feature matrix by history and the forecast period; and select any forecast characteristic time principal component from Manhattan K history period recently, the mapping relationship between principal component characteristics and corresponding time history of photovoltaic power fitting K historical period, the selected principal component feature input mapping between the forecast period, the forecast period of photovoltaic power. The photovoltaic power physical model can accurately predict the photovoltaic power, and has strong industrial application value.
【技术实现步骤摘要】
结合光伏功率物理模型与数据驱动的光伏功率预测方法
本专利技术属于电力系统新能源预测
,特别提供了一种结合光伏功率物理模型与数据驱动的光伏功率预测方法。
技术介绍
光伏功率预测即根据历史和当前数据对未来一定时段的光伏功率进行预测。由于日照的昼夜周期性,光伏电站只能白天发电,是一种典型的间歇式电源;光伏功率受气象、环境条件影响,具有较大的波动性和随机性。这些特性使得大规模光伏发电并网对电网造成不良影响。若能及时、准确地预测光伏功率,将对电网调度及光伏电站运行具有重要意义。目前,已有诸多关于光伏功率预测的方法。这些预测方法可按照不同方式分类。例如,根据预测时间尺度不同,可将光伏功率预测分为超短期(未来0-6小时)、短期(未来6-24小时)和中长期(未来多日至一年)。研究统计表明,晴空条件下,超短期光伏功率预测的方均根误差在8%以内;而非晴空条件下的方均根误差高于20%。可见,目前光伏功率预测误差较大,使得光伏功率预测技术难以实现工程应用。因此,改进光伏功率预测方法,提升光伏功率预测精度,具有重要应用前景和工程价值。现有光伏功率预测方法主要步骤如下:1)采集历史时段数值天气数据,如大气压强、空气沉淀物、空气湿度、天空云量、风速、空气温度、地表热辐射等;2)以历史时段数值天气数据直接作为输入,经过神经网络或支持向量机等数据驱动算法,统计学习历史时段数值天气数据与历史光伏功率的关系;3)采集预测时段数值天气数据,以该数据直接作为输入,利用统计学习得到的历史数值天气数据与历史光伏功率的关系,得到预测时段光伏功率。然而,现有预测方法强烈依赖神经网络、支持向量机等数据 ...
【技术保护点】
一种结合光伏功率物理模型与数据驱动的光伏功率预测方法,其特征在于,包括以下步骤:1)基于光伏功率物理模型,获取与光伏功率直接相关的天气特征为有效光强和光伏阵列温度,得到光伏功率关于有效光强和光伏阵列温度的线性表达式,确定影响光伏功率的关键天气特征;光伏功率Pmp的物理模型表达式如式(1)所示:
【技术特征摘要】
1.一种结合光伏功率物理模型与数据驱动的光伏功率预测方法,其特征在于,包括以下步骤:1)基于光伏功率物理模型,获取与光伏功率直接相关的天气特征为有效光强和光伏阵列温度,得到光伏功率关于有效光强和光伏阵列温度的线性表达式,确定影响光伏功率的关键天气特征;光伏功率Pmp的物理模型表达式如式(1)所示:式中,Ee为有效光强,Tc为光伏阵列温度,E0为参考光强,T0为参考温度,Pmp0为光伏额定功率,γ为光伏阵列的温度系数;由式(1)可知,与光伏功率直接相关的天气特征为有效光强Ee和光伏阵列温度Tc;则光伏功率关于有效光强和光伏阵列温度的线性表达式如式(2)所示:式(2)为光伏功率Pmp关于Ee和Ee·Tc的线性表达式;将Ee和Ee·Tc记为影响光伏功率的关键天气特征;2)选取历史时段,建立历史时段的关键天气特征矩阵;每个历史时段为获得光伏功率数据和天气数据的一个单位采样时间;对于任一历史时段t∈{1,2...Th},Th为历史时段数目,设为历史时段t的有效光强,为历史时段t的光伏阵列温度;历史时段的关键天气特征矩阵表达式如下:3)选取预测时段,建立预测时段的关键天气特征矩阵;每个预测时段的长度与历史时段相同;对于任一预测时段t∈{1,2...Tf},Tf为预...
【专利技术属性】
技术研发人员:钟海旺,王剑晓,汪洋,赖晓文,夏清,康重庆,
申请(专利权)人:清华大学,北京清能互联科技有限公司,
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。