一种基于天气条件的光伏功率预测误差补偿方法技术

本发明专利技术提供了一种基于天气条件的光伏功率预测误差补偿方法，涉及光伏发电和储能控制技术领域。本发明专利技术首先对预设时间内的光伏数据按不同天气条件进行分类，用LSSVM预测算法得出各类天气条件下的光伏预测误差数据，再用Gaussian Coupla函数分别建立各类天气条件下的预测误差概率模型，最后将超级电容输出作为目标函数，把预测误差作为随机变量，采用天牛

【技术实现步骤摘要】
一种基于天气条件的光伏功率预测误差补偿方法


[0001]本专利技术涉及光伏发电和储能控制
，尤其涉及一种基于天气条件的光伏功率预测误差补偿方法。

技术介绍

[0002]近些年来，随着新能源的大规模使用，光伏新增装机量也逐年剧增，光伏发电在整个电网体系中的渗透率越来越高，光伏预测算法在光伏发电系统中也得到了普遍应用。在《国家能源局西北监管局.发电厂并网运行管理实施细则》规定光伏功率日预测曲线1min时间尺度预测单点偏差(实际预测误差允许范围)不超出偏差的
±
20％，超出预测误差和功率波动范围的功率不仅会被罚款，而且会影响电网的安全稳定运行。
[0003]由于光伏发电的输出功率受温度、云层影响较大，现存的预测算法难以得到一个十分精确的预测模型，所得到的光伏计划输出是一个不精准的输出模型，在与不同能量的发电系统共同并网时，可能会造成用户端电力短缺，甚至在大误差的情况下，导致电网崩溃，对电网系统的一些设备造成了极大的损害。因此得到一个精准的光伏计划输出，对实现电网的经济调度十分有益。
[0004]现如今对于光伏预测误差的补偿方法主要有对云层、温度、辐照度等气象条件进行预测，建立气象预测模型，再将所建立的气象预测模型对光伏功率预测模型进行修正。
[0005]中国专利申请文献CN 110598896A公开了一种基于预测误差校正的光伏功率预测方法，首先利用辐照度作为相似变量，筛选得到相似日；然后利用相似日光伏发电功率预测误差数据计算各相似日的加权系数，并利用邻近日的光伏功率预测误差期望对预测值进行修正。
[0006]中国专利申请文献CN 111626473A公开了一种考虑误差修正的两阶段光伏功率预测方法，首先采用主成分分析法对标准化处理后的气象因素数据进行非相关性处理；然后采用回归分析的方法构建各时段不同气象类型的差异化初步预测模型；最后根据初步预测误差的分布特性，建立不同气象类型对应的误差修正模型，实现对初步预测结果的误差修正。
[0007]中国专利申请文献CN 106372749A公开了一种基于云变分析的超短期光伏功率预测方法，通过对光伏电站上空的气象条件进行预测，再将预测结果作为修正参数应用到光伏发电模型中，预测出光伏输出功率。
[0008]上述所提出的方法都存在如下不足：
[0009](1)需要得到云层和辐照度精确的数据，否则将再次带来误差；
[0010](2)获取云层、辐照度所需要的硬件成本较高。

技术实现思路

[0011]针对现存的光伏功率预测值和实际值之间的差值问题，本专利技术提供了一种基于天气条件的光伏功率预测误差补偿方法，建立了光伏预测误差概率模型，并提出了用超级电
容补偿光伏实际输出值，使光伏输出实际值靠近光伏计划输出值，减少实际值和预测值之间的差值。本专利技术无需获取云层及辐照度的精确数据，实现了光伏功率预测误差补偿，使电网能够获得更准确、更及时的光伏功率预测信息，可以用更有效的方式进行管理。
[0012]本专利技术提供了一种基于天气条件的光伏功率预测误差补偿方法，包括如下步骤：
[0013]S100：从光伏电站的预设时间段内的历史数据中等间隔采集光伏输出功率数据，作为样本数据；
[0014]S200：从样本数据中剔除夜间数据，将数据按天气条件划分，并对数据进行归一化处理；
[0015]S300：构建LSSVM预测模型，并对不同天气条件下的光伏输出功率进行预测，与实际输出功率比较，得到天气条件下的输出功率预测误差；
[0016]S400：将每个天气条件下的光伏输出功率预测误差用Gaussian Coupla函数分别建立预测误差模型；
[0017]S500：用构建好的LSSVM预测模型对下一时刻光伏输出功率进行预测，得到光伏输出功率预测值P
pre
，将光伏输出功率预测值P
pre
代入所建立的预测误差模型，得到在已知光伏输出功率预测值P
pre
条件下的光伏输出功率预测误差的条件概率分布；
[0018]S600：用超级电容补偿光伏预测值和光伏输出功率的实际输出值之间的差值，构建超级电容约束条件；
[0019]S700：将机会约束进行确定性转化，并构建机会约束条件；
[0020]S800：把超级电容输出功率P
c
作为目标函数，把预测误差δ作为随机变量，采用天牛
‑
萤火虫搜索算法对预测误差模型求解，在同时满足超级电容约束条件和机会约束条件时，得到超级电容的输出功率最优值；
[0021]S900：采用超级电容的输出功率最优值对光伏预测输出功率进行补偿，得到补偿后的光伏实际输出功率。
[0022]优选地，步骤S400包括如下步骤：
[0023]S401：将历史输出实际值记为
ɑ
i.t
，历史预测值记为β
i.t
，对天气条件的历史输出实际值
ɑ
i.t
和历史预测值β
i.t
分别统计，得到光伏实际输出的边缘分布函数F
ɑ
t
和光伏预测输出的边缘分布函数F
βt
；
[0024]其中，
[0025]i∈[1,...,n]表示天气条件，n为天气条件的类型数；
[0026]t∈[1,T]表示所属时段；
[0027]T为历史数据的时段总数；
[0028]S402：求出历史输出实际值
ɑ
i.t
和历史预测值β
i.t
的Kendall相关系数；
[0029]S403：根据Kendall相关系数采用Gaussian Coupla函数分别建立不同天气条件下的预测误差模型。
[0030]通过Kendall相关系数可得知，在不同天气条件下历史输出实际值
ɑ
i.t
和历史预测值β
i.t
的差异十分明显，因此在用Coupla理论建立预测误差模型时，必须要考虑不同天气对预测误差分布的影响。
[0031]优选地，S500中光伏输出功率预测误差的条件概率密度函数为：
[0032][0033]其中，
[0034]δ为预测误差；
[0035]f
XY
(x,P
pre
)为联合概率密度函数；
[0036]f
Y
(P
pre
)为预测点P
pre
的边缘分布概率密度；
[0037]c(F
X
(δ+P
pre
),F
X
(P
pre
))为coupla密度函数；
[0038]f
X
(δ+P
pre
)为实际输出功率值的边缘分布概率密度；
[0039]x为光伏输出功率的实际输出值；
[0040]P...

【技术保护点】

【技术特征摘要】
1.一种基于天气条件的光伏功率预测误差补偿方法，其特征在于，包括如下步骤：S100：从光伏电站的预设时间段内的历史数据中等间隔采集光伏输出功率数据，作为样本数据；S200：从样本数据中剔除夜间数据，将数据按天气条件划分，并对数据进行归一化处理；S300：构建LSSVM预测模型，并对不同天气条件下的光伏输出功率进行预测，与实际输出功率比较，得到天气条件下的输出功率预测误差；S400：将每个天气条件下的光伏输出功率预测误差用Gaussian Coupla函数分别建立预测误差模型；S500：用构建好的LSSVM预测模型对下一时刻光伏输出功率进行预测，得到光伏输出功率预测值P
pre
，将光伏输出功率预测值P
pre
代入所建立的预测误差模型，得到在已知光伏输出功率预测值P
pre
条件下的光伏输出功率预测误差的条件概率分布；S600：用超级电容补偿光伏预测值和光伏输出功率的实际输出值之间的差值，构建超级电容约束条件；S700：将机会约束进行确定性转化，并构建机会约束条件；S800：把超级电容输出功率P
c
作为目标函数，把预测误差δ作为随机变量，采用天牛
‑
萤火虫搜索算法对预测误差模型求解，在同时满足超级电容约束条件和机会约束条件时，得到超级电容的输出功率最优值；S900：采用超级电容的输出功率最优值对光伏预测输出功率进行补偿，得到补偿后的光伏实际输出功率。2.根据权利要求1所述的基于天气条件的光伏功率预测误差补偿方法，其特征在于，步骤S400包括如下步骤：S401：将历史输出实际值记为
ɑ
i.t
，历史预测值记为β
i.t
，对天气条件的历史输出实际值
ɑ
i.t
和历史预测值β
i.t
分别统计，得到光伏实际输出的边缘分布函数F
ɑ
t
和光伏预测输出的边缘分布函数F
βt
；其中，i∈[1,...,n]表示天气条件，n为天气条件的类型数；t∈[1,T]表示所属时段；T为历史数据的时段总数；S402：求出历史输出实际值
ɑ
i.t
和历史预测值β
i.t
的Kendall相关系数；S403：根据Kendall相关系数采用Gaussian Coupla函数分别建立不同天气条件下的预测误差模型。3.根据权利要求2所述的基于天气条件的光伏功率预测误差补偿方法，其特征在于，S500中光伏输出功率预测误差的条件概率密度函数为：其中，δ为预测误差；
f
XY
(x,P
pre
)为联合概率密度函数；f
Y
(P
pre
)为预测点P
pre
的边缘分布概率密度；c(F
X
(δ+P
pre
),F
X
(P
pre
))为coupla密度函数；f
X
(δ+P
pre
)为实际输出功率值的边缘分布概率密度；x为光伏输出功率的实际输出值；P
pre

【专利技术属性】
技术研发人员：赵振兴，张普，宁勇，刘增，朱积嘉，彭子舜，张福家，陈颖，戴瑜兴，杨亚超，王俊，潘文武，
申请(专利权)人：湖南工程学院，
类型：发明
国别省市：