一种短期细粒度光伏电站功率概率预测方法技术

本发明专利技术提出一种短期细粒度光伏电站功率概率预测方法，包括以下步骤：1)光伏电站功率、气象数据获取，并进行缺失值、异常值处理；2)提取气象特征，对气象特征进行特征选择；3)基于时间特征、气象特征构建特征向量；4)基于DeepAR模型和特征向量构建短期光伏电站功率概率预测模型，得到预测点的置信区间和预测值。本发明专利技术可适用于细粒度的光伏电站功率概率预测，能够输出具有统计学解释性的预测结果，不仅预测效果较好，而且可以得到预测点不同置信度的置信区间。信度的置信区间。信度的置信区间。

【技术实现步骤摘要】
一种短期细粒度光伏电站功率概率预测方法


[0001]本专利技术涉及光伏电站发电功率预测

技术背景
[0002]作为太阳能开发利用的重要方式，光伏发电因其无燃料消耗、无污染物排放、应用形式灵活、容量规模不受限制、安全可靠、维护简单等优点得到了迅速发展。光伏发电功率具有明显的间歇性与随机波动特性，制约了光伏发电功率的安全可靠消纳。提高发电功率预测准确率有利于提高光伏发电设备的利用率。
[0003]光伏发电功率预测可以利用发电曲线或气象因素进行相似日计算，利用最近相似日进行功率发电预测。随着人工智能技术的发展，最有效的方法是使用机器学习模型，将气象预报数据及光伏电站的历史光伏发电功率作为特征，输出未来的光伏发电功率值，实现预测功能。现有光伏发电功率预测大多关注对某一时间点的发电功率值预测，点预测蕴含的信息量是极少的，并且存在预测误差是必然情况，无法体现出预测结果的在不同气象环境下的波动性。

技术实现思路

[0004]本专利技术旨在针对上述现有技术存在的问题和不足，提供一种短期细粒度光伏电站功率概率预测方法，基于光伏电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短期细粒度光伏电站功率概率预测方法，其特征在于，包括以下步骤：步骤1，数据获取及预处理；步骤2，气象特征提取与气象特征选择；步骤3，基于时间特征、气象特征构建特征向量；步骤4，基于DeepAR模型和特征向量构建短期光伏电站功率概率预测模型，得到预测点的置信区间和预测值。2.根据权利要求1所述的一种短期细粒度光伏电站功率概率预测方法，其特征在于，所述步骤1中，获取的数据包括光伏电站间隔一小时的历史气象数据和间隔15分钟发电功率数据；所述气象数据包括实测辐照度、温度、天气类型、风速、风向、湿度、压强、降水量；所述预处理包括对异常值和缺失值进行预处理，具体为采用上一个有效值代替异常值或缺失值；所述异常值为超过平均值加减3倍标准差之外的值。3.根据权利要求1所述的一种短期细粒度光伏电站功率概率预测方法，其特征在于，所述步骤2包括：(1)对于时刻t
h
，将气象数据列入气象特征集合，计算晴空指数：其中I(t
h
)为辐照度，I
sc
为太阳常数，d为日期，δ为太阳赤纬角，为光伏电站纬度，θ
t
为太阳时角；(2)利用已有气象特征的组合,计算其高阶特征气象特征，即气象特征集合两两之间的2阶交互项；(3)使用XGboost模型对时刻t
h
的气象特征、高阶特征气象特征、天气类型、晴空指数与光伏电站时刻t
h
的实测辐照度的关系进行拟合训练，计算各个特征的重要度，以进行特征选择，同时将模型拟合值作为修正辐照度；(4)最终选取天气类型、晴空指数、修正辐照度、辐照度、温度、天气类型、风速、风向、湿度、压强、降水量和较为重要的高阶特征气象特征作为气象特征集合T
nwp
。4.根据权利要求1所述的一种短期细粒度光伏电站功率概率预测方法，其特征在于，所述步骤3包括：(1)构建时间特征集合，考虑时刻t的月份、一年中的第几天、本月的第几天、本周的第几天、小时、分钟构成时刻t的时间特征集合T
time,t
；(2)对于时刻t，考虑整点t
h
的气象特征距离整点t
h
的时间距离、下一整点t
h+1
的气象特征距离下一整点t
h+1
的时间距离，构成时刻t的气象特征T<...

【专利技术属性】
技术研发人员：崔华，利国鹏，周冠宇，刘国建，刘诚，李陈晨，肖梦杰，
申请(专利权)人：润建股份有限公司，
类型：发明
国别省市：