【技术实现步骤摘要】
一种基于CKF-SVR的光伏电站发电功率预测算法
本专利技术涉及光伏发电
，具体为一种基于CKF-SVR的光伏电站发电功率预测算法。
技术介绍
由于光伏发电作为一种可再生能源，具有可持性及广泛性，近年来在我国的普及，同时光伏发电也存在着不稳定的特点，由于其能量来自于太阳能，容易受到外界环境影响，在不同的气温，云量，大气质量下，光伏发电功率会现剧烈的变化，对于电网调度和安全运行造成了不利的影响。因此对光伏发电功率的准确预测有十分重要的现实意义。光伏发电的预测方法有两种，分别是基于光伏发电原理的方法和机器学习的方法。基于原理的方法使用数学公式描述光伏发电的原理，并根据外界环境如天气数据计算光伏发单功率。而机器学习方法，则根据历史外界环境及发电功率数据对未来发电功率进行预测。随着人工智能技术的普及，机器学习的方法开始被更多的使用，但当前的方法多对发电功率的单点值进行学习，模型多使用结构较复杂的神经网络，模型训练时间长。为此，我们提出一种基于CKF-SVR的光伏电站发电功率预测算法。
技术实现思路
...
【技术保护点】
1.一种基于CKF-SVR的光伏电站发电功率预测算法，其特征在于：包括如下步骤：/nS1、采集连续14天的电站发电功率数据，对于每一天的数据，设定每天第一次超过20kw的时刻，作为数据采集的起点t
【技术特征摘要】
1.一种基于CKF-SVR的光伏电站发电功率预测算法，其特征在于：包括如下步骤：
S1、采集连续14天的电站发电功率数据，对于每一天的数据，设定每天第一次超过20kw的时刻，作为数据采集的起点ts，每天最后一次低于20kw的时刻，作为数据采集的终点te，利用每一天的数据对模型进行训练；
S2、将训练好后的SVR与CKF进行融合训练；
S3、采集第15天的电站发电功率数据，对于当天的数据，设定第一次超过20kw的时刻，作为数据采集的起点tst，对发电功率进行预测。
2.根据权利要求1所述的一种基于CKF-SVR的光伏电站发电功率预测算法，其特征在于：还包括步骤S4、将CKF-SVR预测的ts+10min到tst+249min共计240分钟的功率预测值中每一分钟的值记作yn，其中n对应分钟，每一分钟对应的实际功率值为计算平均绝对百分比误差MAPE：
对于第15天的数据，按照步骤S3，每过一分钟对未来240分钟的发电预测一次并计算MAPE，直到预测的发电功率小于20kw，得到M个MAPE并求其均值，得到模型的预测错误率，模型的准确率为1-预测错误率L；若预测准确率小于90％，则重新训练优化模型。
3.根据权利要求2所述的一种基于CKF-SVR的光伏电站发电功率预测算法，其特征在于：还包括步骤S5、使用第2天到第15天的数据，按照步骤1和步骤2的方式训练CKF-SVR算法，对于第16天的数据，当第一次超过20kw的时刻起后9分钟，每过一分钟可以采取步骤S3的方式获得未来240分钟的预测值，直到预测的发电功率小于20kw。
4.根据权利要求1所述的一种基于CKF-SVR的光伏电站发电功率预测算法，其特征在于：所述步骤S1按照如下方式对模型进行训练：
S1.1以ts到ts+9min分钟，长度为10分钟的发电功率，作为第一个样本，训练SVR预...
【专利技术属性】
技术研发人员：林枫，燕林，程亮，
申请(专利权)人：杭州华电下沙热电有限公司，
类型：发明
国别省市：浙江;33
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。