变时间窗口的光伏发电功率短期预测方法技术

本发明专利技术公开了一种变时间窗口的光伏发电功率短期预测方法。该方法包括：获取日前气象预报进行日前光伏预测，在待预测日当日实时监测实际气象数据和实际光伏功率，由日内预测触发条件得到启动信号，若为真值则启动日内预测，并更新光伏发电功率短期预测结果；否则继续进行下一次监测。本发明专利技术与其它定时间窗口光伏发电短期预测方法相比，降低了预测模型对数值天气预报精度的依赖性，得到了更准确的预测结果。结果。结果。

【技术实现步骤摘要】
变时间窗口的光伏发电功率短期预测方法


[0001]本专利技术属本专利技术属于电力系统的运行、仿真、分析与调度
，具体涉及一种变时间窗口的光伏发电功率短期预测方法。

技术介绍

[0002]近年来在国家能源发展战略的引导下，光伏电源建设迅速发展。对光伏发电功率的建模和预测已经成为电网规划和调度运行极为关注的问题。光伏电源的日功率曲线同时具有规律性和强波动性特征。其规律性源自地球自转和绕日公转的规律。其波动性和间歇性则来源于地表气象变化和云层运动的影响。目前分布式光伏电站普遍配置了功率和环境测量与存储装置，能记录光伏功率和辐照度、环境温度等重要数据，所提供的功率录波时间尺度可以达到秒级。这些大数据资源为数据驱动的光伏功率特性挖掘、建模和预测应用创造了条件。
[0003]目前对于光伏功率短期预测的研究主要利用统计学原理，根据影响光伏发电功率的环境因素数据和历史发电数据，建立各种数学预测模型，实现对未来光伏发电系统出力的短期功率预测。由此衍生出各种人工智能算法模型，如神经网络、支持向量机、卡尔曼滤波算法、马尔科夫链、粒子群算法和遗传算法等。但该方法需要大量的历史数据，且预测效果受限于输入与输出之间的相关性，具有容易陷入欠拟合和过拟合的缺陷。
[0004]由此可见，准确的数值天气预报是光伏发电功率短期预测的基础。但高度依赖准确的日前气象预报，光伏功率短期预测将无法适应日内天气频繁变化。但在实际应用中，由于国内的气象预报服务刚刚起步，获取准确详尽的日前预报数据十分困难，导致日前光伏预测精度难以提高。光伏发电功率超短期预测对应的预测步长又无法满足新能源系统能量管理的应用场景。因此综合预测才是解决光伏发电功率短期预测过度依赖气象预报，无法适应天气突变的新方案。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供一种变时间窗口的光伏发电功率短期预测。
[0006]为实现上述专利技术的目的，本专利技术解决其技术问题所采用的方案是：
[0007]一种基于变时间窗口的光伏发电短期功率预测方法，其包括如下步骤：
[0008]S1：以当前日作为T日，将下一日的日前气象预报输入光伏发电功率预测模型中，进行T+1日中指定预测时间窗口的光伏发电功率短期预测，得到T+1日的光伏发电功率短期预测结果；
[0009]S2：在T+1日的指定预测时间窗口内，实时记录光伏发电开始后的实际光伏发电功率和实际气象数据，并结合前一日的光伏发电功率短期预测结果和日前气象预报，每隔固定周期计算光伏发电功率的短期预测误差和气象预报误差并将计算结果输入决策树，判断是否满足启动日内预测的触发条件，若判断结果为是，则利用T+1日的最新气象预报重新通
过光伏发电功率预测模型进行光伏发电功率日内预测，并更新T+1日的短期光伏功率预测结果；若判断结果为否，则无需进行光伏发电功率日内预测；
[0010]S3：每日重复执行S1和S2，并将不断记录得到的实际光伏发电功率和实际气象数据用于光伏发电功率预测模型的训练和更新。
[0011]作为优选，所述日前气象预报中的气象指标，预先经过包含相关性分析、特征筛选、数据清洗在内的特征工程处理，最终得到光伏发电功率预测模型的输入。
[0012]作为优选，所述日前气象预报中，选择辐照度(Radiation)、降雨量(Weather Rainfall)、湿度(Weather Relative Humidity)、温度(Weather Temperature)四个参数作为光伏发电功率预测模型的输入。
[0013]作为优选，所述光伏发电功率预测模型采用经过训练的卷积神经网络，所述的卷积神经网络包括四维输入，分别经由四个一维卷积层和平均池化层以提取时间序列的数据特征，最后由Flatten层连接到两层全连接层，并经由Dropout模块输出光伏发电功率短期预测结果。
[0014]作为优选，所述决策树为梯度提升决策树，其输入为最近一个固定周期内T+1日实际气象数据与对应的日前气象预报数据之间的第一误差，以及最近一个固定周期内T+1日实际光伏发电功率数据与对应的光伏发电功率短期预测结果之间的第二误差，其输出为日内预测的启动信号，其中1代表启动日内预测，0代表不启动日内预测。
[0015]作为优选，所述决策树预先采用监督学习算法进行训练，且训练样本的启动信号标签根据所述第二误差以及误差门槛值确定；
[0016]所述第二误差RMSE采用均方根误差，计算公式为：
[0017][0018]其中，N为最近一个固定周期内的光伏功率预测点的个数，P
i
、分别表示第i个预测点的光伏功率预测值和光伏功率真实值；
[0019]若训练样本的所述第二误差RMSE大于误差门槛值，则该样本的标签为1，否则为0。
[0020]作为优选，所述梯度提升决策树的分类指标为基尼指数，树的最大深度为4。
[0021]作为优选，根据每日不断出现的光伏发电功率实际值数据和实际气象数据，光伏发电功率预测模型不断进行训练和更新，并利用最新的模型参与下一次预测。
[0022]本专利技术提出了一种变时间窗口的光伏发电功率短期预测，具有的收益效果是：
[0023]1.与其他短期光伏预测方法相比提高了预测精度和灵活性，对待预测日当日的实际情况具有更多应变能力；
[0024]2.从能量管理系统操作的角度出发，综合预测能及时调整、及时调度，最小化运营成本，增强新能源系统的经济性；
[0025]3.日内预测触发条件的设计避免了固定时间间隔启动光伏发电功率日内预测的情况，更好跟踪预测精度的变化，避免计算资源的浪费。
附图说明
[0026]图1是本专利技术实施例的变时间窗口的光伏发电功率短期预测步骤示意图；
[0027]图2是本专利技术实施例的光伏功率日前预测模型示意图；
[0028]图3是本专利技术实施例的日内预测触发条件逻辑图；
[0029]图4是本专利技术实施例的两个典型天气下(云量较多日和云量较少日)的日前预测方均根误差率图；
[0030]图5是本专利技术实施例的几个典型日的日前预测曲线、多层嵌套预测执行曲线对比图。
[0031]图6是本专利技术实施例测试集的日前预测和变时间窗口光伏发电功率短期预测方均根误差率对比图。
具体实施方式
[0032]以下结合附图1至6给出的实施例，进一步说明本专利技术的变时间窗口的光伏发电功率短期预测的具体实施方式。本专利技术的变时间窗口的光伏发电功率短期预测不限于以下实施例的描述。
[0033]本专利技术提供了一种变时间窗口的光伏发电功率短期预测方法，其针对光伏功率短期预测问题，采用变时间窗口预测的方法，在光伏发电功率日前预测的基础上，实时监测预测结果偏差和气象预报偏差，采用决策树对是否启动光伏发电功率日内预测做出判断，仅在决策结果为真值时触发第二层预测，利用最新气象数据进行光伏发电功率小时级预测，并更新预测结果。该过程循环滚动进行，实时更新最新预测结果。这种方法既能提高短期光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变时间窗口的光伏发电短期功率预测方法，其特征在于，包括如下步骤：S1：以当前日作为T日，将下一日的日前气象预报输入光伏发电功率预测模型中，进行T+1日中指定预测时间窗口的光伏发电功率短期预测，得到T+1日的光伏发电功率短期预测结果；S2：在T+1日的指定预测时间窗口内，实时记录光伏发电开始后的实际光伏发电功率和实际气象数据，并结合前一日的光伏发电功率短期预测结果和日前气象预报，每隔固定周期计算光伏发电功率的短期预测误差和气象预报误差并将计算结果输入决策树，判断是否满足启动日内预测的触发条件，若判断结果为是，则利用T+1日的最新气象预报重新通过光伏发电功率预测模型进行光伏发电功率日内预测，并更新T+1日的短期光伏功率预测结果；若判断结果为否，则无需进行光伏发电功率日内预测；S3：每日重复执行S1和S2，并将不断记录得到的实际光伏发电功率和实际气象数据用于光伏发电功率预测模型的训练和更新。2.根据权利要求1所述的变时间窗口的光伏发电功率短期预测方法，其特征在于：所述日前气象预报中的气象指标，预先经过包含相关性分析、特征筛选、数据清洗在内的特征工程处理，最终得到光伏发电功率预测模型的输入。3.根据权利要求1所述的变时间窗口的光伏发电功率短期预测方法，其特征在于：所述日前气象预报中，选择辐照度(Radiation)、降雨量(Weather Rainfall)、湿度(Weather Relative Humidity)、温度(Weather Temperature)四个参数作为光伏发电功率预测模型的输入。4.根据权利要求3所述的变时间窗口的光伏发电功率短期预测方法，其特...

【专利技术属性】
技术研发人员：计远帆，杨阳，耿光超，江全元，
申请(专利权)人：浙江大学，
类型：发明
国别省市：