一种基于概率分布函数的光伏发电功率预测方法技术

本发明专利技术涉及一种基于概率分布函数的光伏发电功率预测方法，包括以下步骤：步骤1：收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据；步骤2：将辐照度的取值范围划分为M个区间；在每个区间中，采用通用分布拟合方法拟合得到该区间对应的光伏发电功率概率密度函数和累计分布函数；步骤3：对于任意已知辐照度，找到其所对应的区间以及光伏发电功率概率分布密度函数，得到已知辐照度对应的若干个光伏发电功率值，各光伏发电功率值构成光伏出力场景集；步骤4：对光伏出力场景集中的各光伏发电功率值求取平均值作为已知辐照度对应的光伏发电功率预测值。本发明专利技术可以快速且高精度的对光伏发电功率进行预测，具有较高的实际应用价值。

A Prediction Method of Photovoltaic Power Based on Probability Distribution Function

【技术实现步骤摘要】
一种基于概率分布函数的光伏发电功率预测方法
本专利技术属于光伏发电领域，具体涉及一种对光伏发电系统进行功率预测的方法。
技术介绍
光伏发电具有无污染物排放、无燃料消耗、容量规模不受限制、应用形式灵活、安全可靠、维护简单等优点，因此具有广阔的发展前景。由于世界各国政策的支持，近年来光伏发电的发展非常迅速，在全球范围内已经实现较大规模的应用。据德国太阳能协会最新发布的统计数据显示，2016年全球光伏新增装机70GW，比2015年增长约30％，至此，全球光伏装机总量达到300GW。光伏发电系统是利用光生伏打效应将太阳能转换成电能的发电系统。其最基本的组成包括光伏组件，蓄电池，控制器，逆变器以及支架系统。通常，光伏发电系统还会安装小型气象装置和一些监测系统用以测量和记录气象和系统性能数据。光伏发电系统基本组成如图1所示。对光伏发电系统的发电功率进行预测，是应用光伏发电系统过程中的一项重要工作，而该预测过程中，必须需要利用到光伏发电功率模型，即在给定的一组气象预测信息条件下，光伏发电功率模型可用于预测光伏发电系统输出功率，是光伏发电功率预测不可或缺的环节。除此之外，在购买设备之前，光伏发电功率模型可用于比较特定系统的预期输出与其他可能的系统设计。最后，光伏发电功率模型还可以用来确定系统是否按期运行，使系统操作员能够确定维护计划。因此，研究光伏发电功率模型具有一定的现实指导意义，光伏发电模型的确定直接影响到其应用后产生的效果。目前，国内外有关光伏发电功率模型的建模方法主要有物理模型和统计模型两类。物理建模着眼于刻画从太阳能到电能转化过程中各能量转化装置(光伏电池、控制器、逆变器等)及运行控制系统模块的数学关系，这种方法的有效性取决于对研究对象内部构成及其所遵循规律的把握程度和模型参数的精度。影响物理模型精度的最重要的环节是光伏电池模型，最常用的方法是建立基于二极管的光伏电池等效电路模型。最早模型从短路电路、开路电压和二极管理想因子入手，提出了由一个线性独立电流源和一个并联二极管构成的三参数模型。该方法简洁易操作，但精度较低。进而，文献提出通过串联电阻Rs的方式对三参数模型进行改进，该模型被广泛的称之为Rs模型，Rs模型是迄今为止使用最广泛的模型，但其计算精度在温度较高的情况下大大降低。对此，相关文献在Rs模型的基础上，增加了一个额外的并联电阻Rp，将其扩展为Rp模型。该模型虽然在精度上有所提升，但是随着模型参数的不断增加，参数整定愈加困难，计算量大。因此在Rp五参数模型基础上，提出了简化后的光伏电池工程用模型，该模型只需要光伏电池生产厂家提供的四个基本参数即可得到光伏电池出力特性。工程用模型在一定程度上减少了模型的计算量，但实践表明，由于受光伏发电系统效率的影响，物理模型在低辐照度情况下的精度较低。与物理模型不同，统计模型更多的关注光伏发电系统的输入输出之间的数理统计规律，而淡化内部各模块的特性和内部各影响因素的分析。其基于实际运行数据对光伏出力特性进行拟合，进而反映输入与输出之间的非线性映射。常用的统计模型建模方法有神经网络、关联数据等：文献采用神经网络对光伏阵列的性能进行了评估，进一步利用回归神经网络建立了光伏发电系统光伏发电系统的出力模型，并将此模型与物理模型建模方法做了对比，指出回归神经网络模型在计算精度上优于物理模型。神经网络法虽然精度较高，但是其隐层神经元众多且最佳隐层神经元个数以及最佳突触权重的确定需要复杂的算法和大量的研究工作。由此可见，基于现有的光伏发电功率模型所存在的缺陷，使得现有的光伏发电功率预测存在精度较低或算法复杂、工作量大的问题。
技术实现思路
本专利技术的目的是提供一种精度较高且较为简单、易于实施的基于概率分布函数的光伏发电功率预测方法。为达到上述目的，本专利技术采用的技术方案是：一种基于概率分布函数的光伏发电功率预测方法，包括以下步骤：步骤1：在历史数据中收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据，并进行数据预处理；步骤2：将辐照度的取值范围划分为M个区间；在每个所述区间中，采用通用分布拟合方法拟合得到该所述区间对应的光伏发电功率概率密度函数和累计分布函数，各所述区间对应的光伏发电功率概率分布密度函数构成通用分布概率密度函数库；步骤3：对于任意已知辐照度，找到其所对应的所述区间以及光伏发电功率概率分布密度函数，对所述光伏发电功率概率分布密度函数进行逆变换抽样而得到所述已知辐照度对应的若干个光伏发电功率值，各所述光伏发电功率值构成光伏出力场景集；步骤4：对所述光伏出力场景集中的各所述光伏发电功率值求取平均值作为所述已知辐照度对应的光伏发电功率预测值。所述步骤1中，所述数据预处理包括删除错误数据、剔除无用数据以及历史数据标幺化。所述步骤2中，将辐照度的取值范围0～1p.u.等分为M个所述区间，每个所述区间的宽度为所述辐照度的取值范围的1/M。所述步骤3中，将辐照度的取值范围0～1p.u.划分为宽度不等的M个所述区间，使每个所述区间中对应的各个所述发电功率数据形成单峰状态。所述步骤2中，采用的所述通用分布拟合方法对应的概率密度函数表达式为累计分布函数表达式为F(x)＝(1+e-α(x-γ))-β，其中α、β和γ分别为形状参数，且满足α＞0,β＞0,-∞＜γ＜+∞。所述步骤3中，逆变换抽样的方法为：引入随机变量Zt，利用求取所述随机变量Zt对应的标准正态分布函数值Φ(Zt)，再利用Pt＝Fl-1(Φ(Zt))求取该标准正态分布函数值Φ(Zt)对应的光伏发电功率值，其中Fl-1(U)是累计分布函数Fl的反函数。所述步骤4中，对所述光伏出力场景集中的各所述光伏发电功率值求取加权平均值作为所述已知辐照度对应的光伏发电功率预测值。所述步骤2中，引入可变的温度校正系数对所述光伏发电功率概率密度函数和累计分布函数进行校正。所述温度校正系数的表达式为α＝(Ptcal-Ptactual)/(Tt-Tt-1)，其中，α为温度校正系数，t为时刻，Ptcal为t时刻光伏发电功率预测值，Ptactual为t时刻光伏出力实际值，Tt为t时刻温度，Tt-1为t-1时刻温度。对每一个所述区间，以最小化光伏发电功率均方根误差为目标，得到多个不同时刻、不同辐照度条件下的温度校正基础系数，取各所述温度校正基础系数的平均值作为该所述区间的温度校正系数。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：本专利技术可以快速且高精度的对光伏发电功率进行预测，具有较高的实际应用价值。附图说明附图1为光伏发电系统基本组成示意图。附图2为通用分布、高斯分布和威布尔分布的拟合对比图。附图3为逆变换抽样流程图。附图4为基于概率分布函数的光伏发电功率预测方法的流程图。附图5为历史数据分散性大及双峰现象示意图。附图6为不均匀分箱改进后拟合效果示意图。附图7为各模型计算结果示意图。具体实施方式下面结合附图所示的实施例对本专利技术作进一步描述。实施例一：一种基于概率分布函数的光伏发电功率预测方法，包括以下步骤：步骤1：在历史数据中收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据，并进行数据预处理。由于得到的原始数据包含的信息多且杂，因此需要先对所获得的历史数据进行预处理。数据预处理包括删除错误数据、剔除无用数据以及历史数据标幺化本文档来自技高网...

【技术保护点】
1.一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述光伏发电功率预测方法包括以下步骤：步骤1：在历史数据中收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据，并进行数据预处理；步骤2：将辐照度的取值范围划分为M个区间；在每个所述区间中，采用通用分布拟合方法拟合得到该所述区间对应的光伏发电功率概率密度函数和累计分布函数，各所述区间对应的光伏发电功率概率分布密度函数构成通用分布概率密度函数库；步骤3：对于任意已知辐照度，找到其所对应的所述区间以及光伏发电功率概率分布密度函数，对所述光伏发电功率概率分布密度函数进行逆变换抽样而得到所述已知辐照度对应的若干个光伏发电功率值，各所述光伏发电功率值构成光伏出力场景集；步骤4：对所述光伏出力场景集中的各所述光伏发电功率值求取平均值作为所述已知辐照度对应的光伏发电功率预测值。

【技术特征摘要】
1.一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述光伏发电功率预测方法包括以下步骤：步骤1：在历史数据中收集待预测的光伏发电系统的辐照度数据以及对应的发电功率数据，并进行数据预处理；步骤2：将辐照度的取值范围划分为M个区间；在每个所述区间中，采用通用分布拟合方法拟合得到该所述区间对应的光伏发电功率概率密度函数和累计分布函数，各所述区间对应的光伏发电功率概率分布密度函数构成通用分布概率密度函数库；步骤3：对于任意已知辐照度，找到其所对应的所述区间以及光伏发电功率概率分布密度函数，对所述光伏发电功率概率分布密度函数进行逆变换抽样而得到所述已知辐照度对应的若干个光伏发电功率值，各所述光伏发电功率值构成光伏出力场景集；步骤4：对所述光伏出力场景集中的各所述光伏发电功率值求取平均值作为所述已知辐照度对应的光伏发电功率预测值。2.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述步骤1中，所述数据预处理包括删除错误数据、剔除无用数据以及历史数据标幺化。3.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述步骤2中，将辐照度的取值范围0～1p.u.等分为M个所述区间，每个所述区间的宽度为所述辐照度的取值范围的1/M。4.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述步骤3中，将辐照度的取值范围0～1p.u.划分为宽度不等的M个所述区间，使每个所述区间中对应的各个所述发电功率数据形成单峰状态。5.根据权利要求1所述的一种基于概率分布函数的光伏发电功率预测方法，其特征在于：所述步骤2中，采用的所述通用分布拟合方...

【专利技术属性】
技术研发人员：戴康，王亮，陶叶炜，廖思阳，周过海，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，武汉大学，
类型：发明
国别省市：江苏,32