基于形状参数置信区间的光伏发电预测方法技术

本发明专利技术属于光伏发电技术领域，尤其涉及一种基于形状参数置信区间的光伏发电预测方法。其采用天气打分机制将天气分类从而将发电数据分类，使用核密度函数求出每类数据的概率密度函数估计，以给出发电数据统计意义上的分布规律。包括以下步骤：步骤1、从光伏电厂获取发电数据，对数据进行清洗，步骤2、对样本数据进行假设检验，将数据初步分为Beta分布和Weibull分布两类；步骤3、对天气类型进行打分，建立词典，步骤4、分别对每类发电出力数据进行分析，求出每种天气下的发电数据模型，使用核密度函数进行拟合，从而求出每类出力模型的置信区间；步骤5、利用校验数据进行检验，验证预测准确性。

【技术实现步骤摘要】
基于形状参数置信区间的光伏发电预测方法
本专利技术属于光伏发电
，，尤其涉及一种基于形状参数置信区间的光伏发电预测方法。
技术介绍
随着能源需求量的不断增长，能源的使用由化石能源主导型结构向清洁能源转变，包括可再生能源在内的新能源迅速发展，基于可再生能源的分布式发电已成为实现可持续发展能源战略规划的重要组成部分。太阳能作为一种清洁可再生能源，具有资源丰富、转化效率高、产业化基础好、经济优势明显、环境影响小等优点，具备大规模开发的条件，己成为我国主要的可再生能源发展方向之一。在电网中接入光伏电源，会使电力系统的负荷预测、规划和运行与过去相比有更大的不确定性。由于大量的用户会安装太阳能电池为其提供电能，使得配电网规划人员更加难以准确预测负荷的增长情况，从而影响后续的规划。电网规划必须能够准确评估光伏电源对所在电网的影响，使其在电网的逐步渗透过程中不会破坏电网运行的安全性和经济性。光伏发电功率预测模型需要拟合的映射关系在不同的天气状态下存在明显差异，采用单一模型实现多种不同天气状态下发电功率的准确预测非常困难。现有的光伏发电预测分析方法主要是对发电数据进行分类进而计算出每类发电数据的本文档来自技高网...

【技术保护点】
1.基于形状参数置信区间的光伏发电预测方法，其特征在于，包括以下步骤：步骤1、从光伏电厂获取发电数据，对数据进行清洗，检查并纠正发电数据文件中的错误，检查数据一致性，处理无效值和缺失值，将无效数据剔除，选取其中一部分数据(90％)作为样本数据，选取另一部分数据(10％)作为检验数据；步骤2、对样本数据进行假设检验，通过假设检验得到发电数据分布规律，将数据初步分为Beta分布和Weibull分布两类；其中Weibull分布对应数据量较少，且对应天气均为较恶劣天气，因此将符合Weibull分布的发电数据归为一类，并拟合出该类的概率分布模型，计算出其形状参数，使用核密度函数对形状参数进行拟合，从而计...

【技术特征摘要】
1.基于形状参数置信区间的光伏发电预测方法，其特征在于，包括以下步骤：步骤1、从光伏电厂获取发电数据，对数据进行清洗，检查并纠正发电数据文件中的错误，检查数据一致性，处理无效值和缺失值，将无效数据剔除，选取其中一部分数据(90％)作为样本数据，选取另一部分数据(10％)作为检验数据；步骤2、对样本数据进行假设检验，通过假设检验得到发电数据分布规律，将数据初步分为Beta分布和Weibull分布两类；其中Weibull分布对应数据量较少，且对应天气均为较恶劣天气，因此将符合Weibull分布的发电数据归为一类，并拟合出该类的概率分布模型，计算出其形状参数，使用核密度函数对形状参数进行拟合，从而计算出Weibull分布类形状参数的置信区间；对符合Beta分布的数据，求出Beta分布的形状参数a、b；步骤3、对天气类型进行打分，建立词典，该词典规则为{'中雨':5,'雷阵雨':4,'中到大雨':6,'小到中雨':4,'中雪':5,'阵雪':3,'阵雨':3,'小到中雪':4,'阴':2,'晴':0,'大雪':6,'多云':1,'小雪':3,'雨夹雪':4,'霾':6,'小雨':3,'雾':2,'阵雨':3}；按照打分进行分类：分数为在0-2分为A类晴好天气，3-8分为B类阴雨天气，8分以上为C类恶劣天气；分类表表1如下所示：表1天气分类按照天气分类将符合Beta分布的发电数据分成三类，对每类进行概率分布拟合；步骤4、分别对每类发电出力数据进行分析，求出每种天气下的发电数据模型，使用核密度函数进行拟合，从而求出每类出力模型的置信区间；步骤5、利用校验数据进行检验，验证预测准确性。2.根据权利要求1所述的基...

【专利技术属性】
技术研发人员：葛维春，潘霄，李家珏，张铁岩，马少华，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，国网辽宁省电力有限公司，国网辽宁省电力有限公司经济技术研究院，沈阳工业大学，
类型：发明
国别省市：辽宁,21