【技术实现步骤摘要】
基于自适应气象分类的光伏超短期功率预测方法及设备
[0001]本专利技术实施例涉及太阳能发电
，尤其涉及一种基于自适应气象分类的光伏超短期功率预测方法及设备。
技术介绍
[0002]太阳能发电是间歇性的，不同时段的发电量波动性很大，发电量直接入电网会对电网的平稳运行造成很大地冲击。为了确保电网的平稳运行，对超短期功率预测提出了明确的考核要求：每日的超短期功率预测准确率不得低于相应的阈值90％。如果相应的预测准确率低于该阈值，电网将会对光伏电站考核电量并造成利润上的损失。影响光伏发电功率的主要气象因素是太阳辐照度，根据光伏面板的技术特性，太阳辐照度与光伏发电功率呈线性关系，因此提高光伏超短期功率预测准确率的关键在于提高太阳辐照度的超短期预测准确率。太阳辐照度与大气湿度、大气温度等其它气象因子强关联，不同天气条件下各种气象影响因子波动剧烈，造成了太阳辐照度预测模式的多样性，目前还没有方法能够对光伏超短期功率进行准确预测。因此，开发一种基于自适应气象分类的光伏超短期功率预测方法及设备，可以有效克服上述相关技术中的缺陷，就成为...
【技术保护点】
【技术特征摘要】
1.一种基于自适应气象分类的光伏超短期功率预测方法，其特征在于，包括：在任一历史时刻获取若干气象因子，将获取的若干气象因子封装成气象因子向量；在历史时刻上采用自适应迭代算法构建1个气象类别分类模型以及若干个辐照度预测模型，气象类别分类模型的输入是气象因子向量，输出是由整数表示的气象类别值，每个气象类别值都对应1个辐照度预测模型，气象类别分类模型输出的气象类别值的总数与辐照度预测模型的总数相同；将某一时刻的气象因子向量输入给气象类别分类模型，输出得到该时刻的气象类别值，找到对应的辐照度预测模型，将该时刻的气象因子向量输入给对应的辐照度预测模型，输出得到该时刻的太阳辐照度预测值；根据历史时刻太阳辐照度观测值和光伏发电功率观测值，训练太阳辐照度
‑
光伏发电功率转换模型，该模型是个线性回归模型；对未来16个时刻中的任意时刻，从国家气象局获取该时刻的气象因子向量预报值，代入气象类别分类模型得到该时刻的气象类别值，代入对应的辐照度预测模型得到太阳辐照度预测值，将太阳辐照度预测值代入太阳辐照度
‑
光伏发电功率转换模型，得到光伏发电功率超短期预测值。2.根据权利要求1所述的基于自适应气象分类的光伏超短期功率预测方法，其特征在于，任意历史时刻t，在国家气象局数值气象预报中心网站输入经纬度信息获取某地区的m个气象因子的观测值，时刻t的m个气象因子的观测值构成气象因子向量：时刻t的辐照度观测值是x
t
，s
1t
,s
2t
,
…
,s
mt
是m个气象因子在t时刻的观测值，t＝1,2,
…
,N，N是历史时刻的总数。3.根据权利要求2所述的基于自适应气象分类的光伏超短期功率预测方法，其特征在于，对N个历史时刻的气象因子向量的气象类别进行初始化并训练k个辐照度预测模型，然后根据预测偏差最小原则对气象类别和辐照度预测模型进行一次更新，包括：设定一个很小的正数ε，使用聚类算法将分类为k个气象类别，气象类别用整数标签1,2,
…
,k表示，每个气象类别对应着中的若干个向量；在气象类别1,2,
…
,k各自对应的若干个气象因子向量上训练辐照度预测模型，得到k个辐照度预测模型g1,g2,
…
,g
k
，将所有气象因子向量在辐照度预测模型训练过程中产生的均方根误差记为r1，称为第一均方根误差。对任意气象因子向量从辐照度预测模型g1,g2,
…
,g
k
中搜索出预测偏差最小的模型，将所属的气象类别重新设置为这个预测偏差最小的模型的下标，从而所属的k个气象类别被更新，在更新后的气象类别1,2,
…
,k各自对应的若干个气象因子向量上训练辐照度预测模型，从而k个辐照度预测模型g1,g2,
…
,g
k
也得到更新，将所有气象因子向量在更新后的辐照度预测模型训练过程中产生的均方根误差记为r2，称为第二均方根误差。4.根据权利要求3所述的基于自适应气象分类的光伏超短期功率预测方法，其特征在于，设定一个很小的正数ε，判断第二均方根误差与第一均方根误差的差的绝对值是否小于
等于正数ε，来决定是否更新所属的气象类别以及是否更新k个辐照度预测模型，包括：如果第二均方根误差与第一均方根误差的差的绝对值大于正数ε，将第二均方根误差重命名为第一均方根误差，对任意气象因子向量从辐照度预测模型g1,g2,
…
,g
k
中搜索出预测偏差最小的模型，将所属的气象类别重新设置为这个预测偏差最小的模型的下标，从而所属的k个气象类别被更新，在更新后的气象类别1,2,
...
【专利技术属性】
技术研发人员：陈超，刘军，鄢烈祥，周力，
申请(专利权)人：汉谷云智武汉科技有限公司，
类型：发明
国别省市：
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。