基于数据挖掘和多核支持向量机的短期光伏功率预测方法技术

一种基于数据挖掘和多核支持向量机的短期光伏功率预测方法，该预测方法针对光伏预测所需多源气象数据难以获得，部分光伏电站可能只存储辐照度数据和光伏发电功率的问题，通过数据预处理、数据挖掘以及最优多核选取，提高了光伏出力预测精度，使得仅利用辐照度和光伏功率数据也能获得高精度的光伏预测结果。这种预测方法一方面利用数据挖掘技术，充分利用每项数据，另一方面所提的多核支持向量机能够区分处理多源数据，极大地提高了预测精度。本发明专利技术的预测方法，实现了在气象数据无法获取、只有辐照度与光伏功率数据的情况下的高精度光伏功率预测，具有重大意义。具有重大意义。具有重大意义。

【技术实现步骤摘要】
基于数据挖掘和多核支持向量机的短期光伏功率预测方法


[0001]本专利技术涉及新能源功率预测领域，特别是与光伏相关的领域，具体是一种基于数据挖掘和多核支持向量机的短期光伏功率预测方法。

技术介绍

[0002]能源在历史的进程上推动了数次工业革命，是世界经济发展的重要动力。但与此同时，大量地使用化石能源，也带来了能源资源短缺、全球气候变暖、环境恶化等一系列问题。为解决这些问题，我国提出了“力争2030年前实现碳达峰、在2060年前实现碳中和”的重大战略决策。在“双碳目标”的推动下，中国电力结构正从“适应高比例新能源”转变为“新能源为主体”的新型电力结构，新能源将在未来的电力系统中发挥更重要的作用。
[0003]作为新能源发电中的重要组成部分的光伏发电也得到了长足的发展，光伏发电在电网中的渗透率日益增高。根据国家能源局于2020年2月28日发布的2019年光伏发电并网运行情况，截止2019年底，我国光伏发电装机容量累计达到20430万千瓦，同比增长17.3％，其中集中式光伏14167万千瓦，同比增长14.5％，分布式光伏6263万千瓦，同比增长24.2％；预计2020年我国光伏装机容量为3500
‑
4500万千瓦。然而，光伏出力的随机性和波动性会对电力系统的安全稳定运行产生不利影响。因此，高精度的光伏功率预测在电力调度中具有重要意义。
[0004]通过对现有技术的调研，光伏功率预测方法主要有BP神经网络、长短期记忆网络(LSTM)、支持向量机和物理模型预测法。目前机器学习模型对光伏出力进行预测，是利用很多气象数据以及历史光伏功率数据进行直接预测，或者通过预测辐照度，再利用相关公式计算光伏出力。但是，这些方法都需要很多种类数据，如气象数据中的辐照度、风速、温度、风向等，如果仅仅利用其中某种影响因素来进行光伏出力预测，则结果并不理想；同样地，在考虑这些多种类数据时，未计及其多源特性。
[0005]因此针对目前有的光伏电站的数据存储容量有限，只有辐照度与光伏出力被存储，并未存储其他种类的相关气象数据的问题，如何充分利用数据，挖掘数据内在潜力，并充分考虑多源数据中各数据源的特征和物理意义，提高预测精度，是很有意义的。
[0006]目前没有发现同本专利技术类似的技术，也尚未收集到国内外类似的资料。

技术实现思路

[0007]针对上述问题，本专利技术提出了一种基于数据挖掘和多核支持向量机的短期光伏功率预测方法。通过数据填充和小波去噪等数据预处理方法，降低了噪声对聚类算法的干扰。利用辐照度和光伏功率的特征表示参数，采用SOM和K
‑
Means的二次聚类算法对相似日进行选取。此外，利用多核支持向量机充分考虑多源数据中各数据源的特征和物理意义，提高预测精度。最后，通过实例验证了该方法仅利用辐照度即可准确预测光伏功率。
[0008]本专利技术的技术解决方案如下：
[0009]一种基于数据挖掘和多核支持向量机的短期光伏功率预测方法，主要包括五个部
分：获取多源原始数据；对所获取的原始数据进行数据预处理，得到各数据源对应的可用样本集；基于生成的样本集，利用辐照度和功率的特征表示参数进行k
‑
means与SOM结合的二次聚类选取历史相似日，组成相似日样本集；利用相似日样本集，判断数据来源，在线性核函数、多项式核函数、高斯核函数与Sigmoid核函数中两两选择组成多核函数；根据组成的多核函数，在每种多核函数组合下，利用多核支持向量机进行光伏发电功率预测，得到预测结果，计算误差，得到最佳多核函数组合与最佳预测结果，具体步骤如下：
[0010]1、原始数据选取
[0011]只需获取光伏电站的发电功率和辐照度，获得方法是选取待预测日的当年前三个月，前一年待预测日当月及前后各一个月的光伏发电功率和辐照度作为原始数据。
[0012]2、数据预处理
[0013]数据预处理包括数据清洗与数据去噪两部分：
[0014]a)数据清洗，包括异常数据检测、缺失数据填补两部分：
[0015]①
缺失数据对预测精度影响很大，因此有必要对缺失数据进行补全，本专利技术采用牛顿插值法对缺失数据进行补全：
[0016]f(t
k
)＝f(t
k
‑2)+f[t
k
‑2,t
k
‑1](t
k
‑
t
k
‑2)+f[t
k
‑2,t
k
‑1,t
k+1
](t
k
‑
t
k
‑2)(t
k
‑
t
k
‑1)+f[t
k
‑2,t
k
‑1,t
k+1
,t
k+2
](t
k
‑
t
k
‑2)(t
k
‑
t
k
‑1)(t
k
‑
t
k+1
)
[0017]其中，f(t)是数据在时刻t的值，t
k
是数据缺失的时刻，t
k
‑2、t
k
‑1、t
k+1
和t
k+2
是发生数据缺失的时刻附近的四个采样时间，f[t0,t1,
…
,t
m
]是f(t)的m阶差商；
[0018]②
异常数据对预测精度的影响也很大，因此在去噪前应先发现异常数据，通过横向和纵向对比的方法确定数据是否异常：如果或者其中，f(i,t)代表数据在第i天时刻t的值，表示最近几日t时刻数据的平均值，表示第i天t时刻前后数据的平均值，ε和σ是误差界限，则数据f(i,t)是异常数据，将异常数据视为缺失数据，按照填补缺失数据的方法修改异常数据；
[0019]b)数据去噪：
[0020]光伏发电功率数据和辐照度数据属于实测数据，在采集过程中不可避免会有噪声污染，从而导致信号波动大、毛刺较多，小波变换具有局部多分辨性、低熵性，因此采用小波软阈值去噪方法对数据进行平滑处理后再作为预测模型的输入，所述的光伏功率和辐照度采用小波阈值去噪，具体步骤如下：
[0021]①
利用小波函数对两信号进行三层小波分解，得到小波系数ω
j,k
，其中，j为离散小波变换频率，k为离散小波变换时变量；
[0022]②
选定合适的阈值T，对各尺度小波系数采用软阈值函数，进行非线性阈值处理，得到估计小波系数
[0023][0024]③
基于各尺度估计小波系数采用离散小波反变换，得到去噪之后的估计信号集合；
[0025]④
过零处理：由于功率和辐照度不能为负，因此需要对步骤
③
得到的估计信号集合进行过零处理，将负的部分替换为0，得到最终可用的样本集和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据挖掘和多核支持向量机的短期光伏功率预测方法，其特征在于，包括：获取多源原始数据；对所获取的原始数据进行数据预处理，得到各数据源对应的样本集；基于生成的样本集，利用辐照度和功率的特征表示参数进行k
‑
means与SOM结合的二次聚类选取历史相似日，组成相似日样本集；利用相似日样本集，判断数据来源，在线性核函数、多项式核函数、高斯核函数与Sigmoid核函数中两两选择组成多核函数；根据组成的多核函数，在每种多核函数组合下，利用多核支持向量机进行光伏发电功率预测，得到预测结果，计算误差，得到最佳多核函数组合与最佳预测结果。2.根据权利要求1所述的基于数据挖掘和多核支持向量机的短期光伏功率预测方法，其特征在于，获取多源原始数据，是指获取光伏发电功率和辐照度的原始数据，获得方法是选取待预测日的当年前三个月，前一年待预测日当月及前后各一个月的光伏发电功率和辐照度作为原始数据。3.根据权利要求1所述的短期光伏功率预测方法，其特征在于，对原始数据进行数据预处理，包括：a)数据清洗：
①
采用牛顿插值法对缺失数据进行补全：f(t
k
)＝f(t
k
‑2)+f[t
k
‑2,t
k
‑1](t
k
‑
t
k
‑2)+f[t
k
‑2,t
k
‑1,t
k+1
](t
k
‑
t
k
‑2)(t
k
‑
t
k
‑1)+f[t
k
‑2,t
k
‑1,t
k+1
,t
k+2
](t
k
‑
t
k
‑2)(t
k
‑
t
k
‑1)(t
k
‑
t
k+1
)其中，f(t)是数据在时刻t的值，t
k
是数据缺失的时刻，t
k
‑2、t
k
‑1、t
k+1
和t
k+2
是发生数据缺失的时刻附近的四个采样时间，f[t0,t1,
…
,t
m
]是f(t)的m阶差商；
②
异常数据判断：通过横向和纵向对比的方法确定数据是否异常：如果或者则数据f(i,t)是异常数据，将异常数据视为缺失数据，按照填补缺失数据的方法修改异常数据；其中，f(i,t)代表数据在第i天时刻t的值，表示最近几日t时刻数据的平均值，表示第i天t时刻前后数据的平均值，ε和σ是误差界限，b)数据去噪：
①
利用小波函数对光伏功率和辐照度进行三层小波分解，得到小波系数ω
j,k
，其中，j为离散小波变换频率，k为离散小波变换时变量；
②
选定合适的阈值T，对各尺度小波系数采用软阈值函数，进行非线性阈值处理，得到估计小波系数估计小波系数
③
基于各尺度估计小波系数采用离散小波反变换，得到去噪之后的估计信号集合；
④
过零处理：对步骤
③
得到的估计信号集合进行过零处理，将负的部分替换为0，得到
最终可用的样本集和4.根据权利...

【专利技术属性】
技术研发人员：孙丰杰，撖奥洋，周生奇，刘宏波，张子矜，董文妍，
申请(专利权)人：国网山东省电力公司青岛供电公司，
类型：发明
国别省市：