基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法技术

本发明专利技术涉及基于SAGA‑FCM‑LSSVM模型的光伏电站实时功率预测方法，采集光伏电站对应时段发电功率以及气象站上对应的气象参数，获取气象‑功率参数样本；对每天的气象‑功率参数样本进行预处理；根据四项统计指标结合基于模拟退火遗传算法的模糊C‑均值聚类算法对历史日中第一天到待预测日前一天的样本进行聚类；根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，利用欧氏距离判断待预测日所属的类别；利用与待预测日同属一类的参数样本训练最小二乘支持向量机，得到训练模型；将待预测日的待预测时刻前2h的气象参数和功率值输入训练模型中对待预测日各个时刻的发电功率进行实时预测。本发明专利技术能够实时预测光伏电站在各个时刻的输出功率值。

【技术实现步骤摘要】
基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法
本专利技术涉及一种基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法。
技术介绍
太阳能作为一种取之不尽用之不竭的可再生能源，不仅不消耗任何地球资源，还不会对环境造成污染，因此光伏发电在世界各国的重视下得到了广泛的关注和应用。但是，光伏发电的输出受太阳辐照度、温度、湿度以及其它气象条件的影响很大，发电功率具有明显的波动性和间歇性，在并网时将会对电网造成较大的冲击，并引发电力系统一系列的安全、稳定问题。因此，随着光伏阵列的大规模应用，光伏发电功率的准确实时预测已变得越来越重要。近几年来，学者们提出了各种光伏发电功率预测方法，主要分为物理预测法和统计预测法两大类。物理预测法通常以太阳辐射模型、电站模型、光伏转换模型、电路模型和逆变模型为基础，但由于太阳辐照度和云量的不确定性以及天气的变化，对光伏发电功率的准确预测带来了巨大挑战。而基于历史数据的统计预测法则有效地考虑了这些问题。目前已有多种统计预测法用于光伏发电预测，例如：支持向量机(SVM)，支持向量回归(SVR)，人工神经网络(ANN)，遗传算法(GA)和混合本文档来自技高网...

【技术保护点】
1.一种基于SAGA‑FCM‑LSSVM模型的光伏电站实时功率预测方法，其特征在于，按照如下步骤实现：步骤S1：采集光伏电站历史每天每小时的发电功率以及气象站上每天对应时间段的气象参数，并建立每天每小时的气象‑功率参数样本；步骤S2：对每天的气象‑功率参数样本进行预处理，去除异常数据，并进行归一化处理；步骤S3：根据归一化后的统计分析中的四项统计指标，并结合基于模拟退火遗传算法的模糊C‑均值聚类算法，对历史日中第一天到待预测日前一天的样本进行聚类，并根据轮廓系数确定类别数；步骤S4：根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，采用欧氏距离判断待预测日所属的类别；步骤S5：...

【技术特征摘要】
1.一种基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法，其特征在于，按照如下步骤实现：步骤S1：采集光伏电站历史每天每小时的发电功率以及气象站上每天对应时间段的气象参数，并建立每天每小时的气象-功率参数样本；步骤S2：对每天的气象-功率参数样本进行预处理，去除异常数据，并进行归一化处理；步骤S3：根据归一化后的统计分析中的四项统计指标，并结合基于模拟退火遗传算法的模糊C-均值聚类算法，对历史日中第一天到待预测日前一天的样本进行聚类，并根据轮廓系数确定类别数；步骤S4：根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，采用欧氏距离判断待预测日所属的类别；步骤S5：根据与待预测日同属一类的参数样本，训练最小二乘支持向量机，建立训练模型；步骤S6：将待预测日的待预测时刻前2h的气象参数和功率值输入所述训练模型中，对待预测日各个时刻的发电功率进行实时预测。2.根据权利要求1所述的基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法，其特征在于，在所述步骤S1中，所述气象-功率参数样本包括：光伏电站历史每天每小时的发电功率以及气象站上每天对应时间段的气象参数；记所述气象-功率参数样本组合为(Pki，Gki，Tki，Hki)，其中，k为样本采集的日期的序号，表示天数，为1到N的整数；i为一天中样本采集的时刻，表示时刻数，为1到Nt的整数；Pki为第k天参数样本组合中的第i个时刻的功率参数样本，Gki为第k天参数样本组合中的第i个时刻的全球水平辐射参数样本，Tki为第k天参数样本组合中的第i个时刻的环境温度参数样本，Hki为第k天参数样本组合中的第i个时刻的相对湿度参数样本。3.根据权利要求1所述的基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法，其特征在于，在所述步骤S2中，去除异常数据是指去除出现的历史数据负数或者超出预设范围阈值的数据；归一化方法为：采用比例压缩法将同一种参数样本同一个时刻映射到区间[0，1]内，记功率样本为P＝(P1i，P2i，…，Pki，…，PNi)，则映射公式为：其中，y’表示归一化后得到的数据，Pimax表示数据组P的第i个时刻中的最大值，Pimin表示数据组P的第i个时刻中的最小值。4.根据权利要求1所述的基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法，其特征在于，在所述步骤S3中，记四项统计指标记为(σk，cvk，Skk，kurk)，其中，k为样本采集的日期的序号，表示天数，为1到N的整数；σk为第k天的功率标准偏差参数样本，cvk为第k天的功率变异系数参数样本，Skk为第k天的功率偏态系数参数样本，kurk为第k天的功率峰态系数参数样本；将四项统计指标归一化后结合SAGA-FCM算法进行聚类，根据轮廓系数s确定类别数；选...

【专利技术属性】
技术研发人员：程树英，林培杰，赖云锋，彭周宁，陈志聪，吴丽君，郑茜颖，章杰，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35