一种考虑空间相关性的短期光伏功率预测方法及系统技术方案

本发明专利技术属于光伏功率预测技术领域，提供了一种考虑空间相关性的短期光伏功率预测方法及系统。其中，该方法包括获取设定数量的地理位置相邻的光伏电站的出力序列，并计算这些出力序列之间的空间相关性；将筛选的不低于预设相关程度的出力序列及其对应气象数据构成特征向量，并经训练好的预测模型得到单值预测结果；基于误差概率密度函数，确定出单值预测结果所属输出区间，再在单值预测结果中加入与所述输出区间对应的误差分布区间，得到相应光伏功率预测区间；其中，根据光伏电站的出力预测误差得到相应误差概率密度函数；根据设定置信度得到误差分布区间。度得到误差分布区间。度得到误差分布区间。

【技术实现步骤摘要】
一种考虑空间相关性的短期光伏功率预测方法及系统


[0001]本专利技术属于光伏功率预测
，尤其涉及一种考虑空间相关性的短期 光伏功率预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在 先技术。
[0003]准确的光伏功率预测是保证电力系统安全经济运行的基础，对智能电网调 度的规划和布置具有重要意义。根据预测尺度的划分，光伏发电预测主要分为 超短期预测、短期预测和中长期预测。超短期功率的预测结果主要用于实时调 整和优化调度和发电计划。中长期预测结果主要用于制定电网设备检修计划。 相对而言，短期预测结果更适合提高系统可靠性和制定电力市场策略。因此， 短期光伏功率预测方法近年来受到越来越多研究人员的关注。
[0004]根据建模方法以及原理的不同，短期光伏功率预测方法可以大致分为两类： 一类是基于物理原理模型的预测方法；另一种是数据驱动的统计方法。物理方 法主要是根据太阳的运动规律、光伏板电池及相关组件的等物理特性方程进行 预测。由于方程复杂，并未得到广泛应用。统计方法则是从大量历史数据中挖 掘规律，探究模型输入输出之间的相关性。目前在光伏功率预测中得到了广泛 的应用。统计方法也可以粗略地分为数值数据驱动的方法和图像数据驱动的方 法。数值数据驱动方法旨在建立历史序列、气象信息和电力时间序列之间的关 系，它基于各种数值数据。常见的时间序列方法有自回归移动平均和自回归积 分移动平均，还有以支持向量机和反向传播神经网络为代表的人工智能方法。 图像数据驱动的方法旨在基于图像数据判断云对太阳光的遮挡情况，进而精准 预测光伏功率的波动态势。
[0005]专利技术人发现，上述方法多考虑了光伏功率序列的时间相关性，而忽略了光 伏功率序列的空间相关性，从而影响了短期光伏功率预测精度。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种考虑空间相关 性的短期光伏功率预测方法及系统，其充分融合邻近场站出力序列之间的空间 相关性，能够实现光伏功率的短期预测。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术的第一个方面提供一种考虑空间相关性的短期光伏功率预测方法， 其包括：
[0009]获取设定数量的地理位置相邻的光伏电站的出力序列，并计算这些出力序 列之间的空间相关性；
[0010]将筛选的不低于预设相关程度的出力序列及其对应气象数据构成特征向量， 并
经训练好的预测模型得到单值预测结果；
[0011]基于误差概率密度函数，确定出单值预测结果所属输出区间，再在单值预 测结果中加入与所述输出区间对应的误差分布区间，得到相应光伏功率预测区 间；
[0012]其中，根据光伏电站的出力预测误差得到相应误差概率密度函数；根据设 定置信度得到误差分布区间。
[0013]作为一种实施方式，利用互相关函数计算这些出力序列之间的空间相关性。
[0014]作为一种实施方式，出力序列之间的空间相关性采用相关系数来表征。
[0015]作为一种实施方式，当相关系数小于第一阈值时，相关程度为弱相关；当 相关系数大于或等于第一阈值且小于第二阈值时，相关程度为不显著相关；当 相关系数大于或等于第二阈值且小于第三阈值时，相关程度为显著相关；当相 关系数大于或等于第三阈值时，相关程度为强相关。
[0016]作为一种实施方式，所述预测模型使用极端梯度增强树构建。
[0017]作为一种实施方式，所述预测模型的训练集构建过程为：
[0018]获取光伏电站的历史出力序列及其对应气象数据所构成的历史数据集；
[0019]判断历史数据集中的特征向量与预测日期的特征向量之间的相关性，得到 相似的日期；
[0020]将选择出的日期的气象数据和功率数据融合来构建模型训练集。
[0021]本专利技术的第二个方面提供一种考虑空间相关性的短期光伏功率预测系统， 其包括：
[0022]相关性分析模块，其用于获取设定数量的地理位置相邻的光伏电站的出力 序列，并计算这些出力序列之间的空间相关性；
[0023]功率预测模块，其用于将筛选的不低于预设相关程度的出力序列及其对应 气象数据构成特征向量，并经训练好的预测模型得到单值预测结果；
[0024]概率预测模块，其用于基于误差概率密度函数，确定出单值预测结果所属 输出区间，再在单值预测结果中加入与所述输出区间对应的误差分布区间，得 到相应光伏功率预测区间；
[0025]其中，根据光伏电站的出力预测误差得到相应误差概率密度函数；根据设 定置信度得到误差分布区间。
[0026]作为一种实施方式，在所述相关性分析模块中，利用互相关函数计算这些 出力序列之间的空间相关性。
[0027]作为一种实施方式，在所述相关性分析模块中，出力序列之间的空间相关 性采用相关系数来表征。
[0028]作为一种实施方式，在所述功率预测模块中，所述预测模型使用极端梯度 增强树构建。
[0029]作为一种实施方式，在所述功率预测模块中，所述预测模型的训练集构建 过程为：
[0030]获取光伏电站的历史出力序列及其对应气象数据所构成的历史数据集；
[0031]判断历史数据集中的特征向量与预测日期的特征向量之间的相关性，得到 相似的日期；
[0032]将选择出的日期的气象数据和功率数据融合来构建模型训练集。
[0033]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程 序，该程序被处理器执行时实现如上述所述的考虑空间相关性的短期光伏功率 预测方法中的步骤。
[0034]本专利技术的第四个方面提供一种电子设备，包括存储器、处理器及存储在存 储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如 上述所述的考虑空间相关性的短期光伏功率预测方法中的步骤。
[0035]与现有技术相比，本专利技术的有益效果是：
[0036](1)本专利技术充分分析了多个临近光伏场站出力序列之间的空间相关性，可 以获得比只考虑时间相关性更具体、更丰富的信息，而且在给出单值预测结果 的基础上，通过分析误差的分布特征实现了概率预测，相比于单一确定性预测 方法，可以提供更多元化的信息。
[0037](2)本专利技术利用灰色关联度理论进行了相似日的选取，将与待预测日气象 条件更相似的日期选择出来构建训练集，正则性和准确性更优。
[0038]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述 中变得明显，或通过本专利技术的实践了解到。
附图说明
[0039]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本发 明的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0040]图1为本专利技术实施例中考虑空间相关性的短期光伏功率预测方法流程图；
[0041]图2为本专利技术实施例中空间相关性分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑空间相关性的短期光伏功率预测方法，其特征在于，包括：获取设定数量的地理位置相邻的光伏电站的出力序列，并计算这些出力序列之间的空间相关性；将筛选的不低于预设相关程度的出力序列及其对应气象数据构成特征向量，并经训练好的预测模型得到单值预测结果；基于误差概率密度函数，确定出单值预测结果所属输出区间，再在单值预测结果中加入与所述输出区间对应的误差分布区间，得到相应光伏功率预测区间；其中，根据光伏电站的出力预测误差得到相应误差概率密度函数；根据设定置信度得到误差分布区间。2.如权利要求1所述的考虑空间相关性的短期光伏功率预测方法，其特征在于，利用互相关函数计算这些出力序列之间的空间相关性。3.如权利要求1所述的考虑空间相关性的短期光伏功率预测方法，其特征在于，出力序列之间的空间相关性采用相关系数来表征。4.如权利要求3所述的考虑空间相关性的短期光伏功率预测方法，其特征在于，当相关系数小于第一阈值时，相关程度为弱相关；当相关系数大于或等于第一阈值且小于第二阈值时，相关程度为不显著相关；当相关系数大于或等于第二阈值且小于第三阈值时，相关程度为显著相关；当相关系数大于或等于第三阈值时，相关程度为强相关。5.如权利要求1所述的考虑空间相关性的短期光伏功率预测方法，其特征在于，所述预测模型使用极端梯度增强树构建。6.如权利要求1所述的考虑空间相关性的短期光伏功率预测方法，其特征在于，所述预测模型的训练集构建过程为：获取光伏电站的历史出力序列及其对应气象数据所构成的历史数据集；判断历史数据集中的特征向量与预测日期的特征向量之间的相关性，得到相似的日期；将选择出的日期的气象数据和功率数据融合来构建模型训练集。7.一种考虑空间相关性的短期光伏功率预测系统...

【专利技术属性】
技术研发人员：冯亮，郑志杰，时智勇，杨明，李琼慧，王彩霞，袁伟，冯凯辉，
申请(专利权)人：国网能源研究院有限公司山东大学，
类型：发明
国别省市：