雷电气候下的光伏发电功率预测方法技术

本发明专利技术涉及一种雷电气候下的光伏发电功率预测方法，为：建立输入为与辐照度相关的气象因素、输出为辐照度的机器学习模型，利用雷电天气时与辐照度相关的气象因素数据和辐照度数据训练机器学习模型，得到机器学习预测模型，从而在雷雨天气条件下利用机器学习预测模型预测辐照度，并将预测得到辐照度结合辐照度与光伏发电功率的转换公式来预测雷电天气条件下的光伏发电功率。机器学习模型优选为BP神经网络。本发明专利技术降低了预测的复杂程度，还能够提高预测准确度、可靠性和有效性。

Prediction Method of Photovoltaic Power Generation in Lightning Climate

The invention relates to a method for predicting photovoltaic power generation in lightning climate. The method is to establish a machine learning model with input as meteorological factors related to irradiance and output as irradiance. The machine learning model is trained by using meteorological factors data and irradiance data related to irradiance in lightning weather, and the machine learning prediction model is obtained, so that the machine can be used in thunderstorm weather. The predictor learns to predict the irradiance, and gets the conversion formula of irradiance and photovoltaic power to predict the photovoltaic power under lightning weather. The best machine learning model is BP neural network. The invention reduces the complexity of prediction, and can improve the accuracy, reliability and validity of prediction.

【技术实现步骤摘要】
雷电气候下的光伏发电功率预测方法
本专利技术属于光伏发电功率预测领域，具体涉及一种雷电气候下的光伏发电功率预测方法。
技术介绍
近年来，光伏发电的装机容量逐步增长。由于光伏出力受气象条件和地理位置的影响，具有较强的波动性和不确定性，尤其是在雷电气候下，光伏波动剧烈，短时间内幅值变化范围大，将光伏发电投入到电网中势必会造成不良影响，故准确的光伏功率预测对电网调度和光伏电站运行具有重要意义。基于光伏功率在雷电气候下波动剧烈的特性，需要对雷电气候条件下的光伏功率进行预测，便于给调度部门和光伏电站及时准确的提供预测信息。目前，常用的光伏发电功率预测方法是根据目标光伏电站的气象和光伏功率历史信息，基于反向误差传播BP神经网络的光伏功率预测。具体方法步骤为：1.历史数据的筛选，选择与光伏功率相关的气象数据；2.BP神经网络的训练：将气象数据作为BP神经网络的输入，将光伏功率数据作为BP神经网络的输出，根据反向误差传播修正BP神经网络的输入层和隐藏层、隐藏层和输出层的权值以及各层神经源的阈值得到训练好的BP神经网络；3.光伏功率预测：将预测时间段的气象信息作为训练好的BP神经网络的输入，得到的输出本文档来自技高网...

【技术保护点】
1.一种雷电气候下的光伏发电功率预测方法，用于预测雷电天气条件下的光伏发电功率，其特征在于：所述雷电气候下的光伏发电功率预测方法为：建立输入为与辐照度相关的气象因素、输出为辐照度的机器学习模型，利用雷电天气时与辐照度相关的气象因素数据和辐照度数据训练所述机器学习模型，得到机器学习预测模型，从而在雷雨天气条件下利用所述机器学习预测模型预测辐照度，并将预测得到辐照度结合辐照度与光伏发电功率的转换公式来预测雷电天气条件下的光伏发电功率。

【技术特征摘要】
1.一种雷电气候下的光伏发电功率预测方法，用于预测雷电天气条件下的光伏发电功率，其特征在于：所述雷电气候下的光伏发电功率预测方法为：建立输入为与辐照度相关的气象因素、输出为辐照度的机器学习模型，利用雷电天气时与辐照度相关的气象因素数据和辐照度数据训练所述机器学习模型，得到机器学习预测模型，从而在雷雨天气条件下利用所述机器学习预测模型预测辐照度，并将预测得到辐照度结合辐照度与光伏发电功率的转换公式来预测雷电天气条件下的光伏发电功率。2.根据权利要求1所述的雷电气候下的光伏发电功率预测方法，其特征在于：所述机器学习模型为BP神经网络。3.根据权利要求1所述的雷电气候下的光伏发电功率预测方法，其特征在于：与辐照度相关的气象因素包括温度和湿度。4.根据权利要求2所述的雷电气候下的光伏发电功率预测方法，其特征在于：收集待预测的目标光伏电站区域内在雷电天气时的雷电信息以及与辐照度相关的气象因素数据，并基于雷电发生的时间将与辐照度相关的气象因素数据分类三类，分别为雷电发生前一段时间内的气象因素数据、雷电发生时段内的气象因素数据、雷电离开后一段时间内的气象因素数据；利用三类所述气象因素数据分别对应训练三个所述BP神经网络，从而得到雷电发生前的所述BP神经网络预测模型、雷电发生时的所述BP神经网络预测模型、雷电离开后的所述BP神经网络预测模型，进而分别利用雷电发生前的所述BP神经网络预测模型、雷电发生时的所述BP神经网络预测模型、雷电离开后的所述BP神经网络预测模型结合所述光伏发电功率的转换公式来预测雷电天气条件下的光伏发电功率。5.根据权利要求4所述的雷电气候下的光伏发电功率预测方法，其特征在于：在雷电靠到达所述目标光伏电站周边的观测区域时，基于收集到的实时气象因素数据，利用雷电发生前的所述BP神经网络预测模型预测辐照...

【专利技术属性】
技术研发人员：蔡云峰，周仰东，徐箭，童充，李文博，
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