【技术实现步骤摘要】
一种光伏功率超短期预测方法及系统
[0001]本专利技术涉及电力系统光伏出力预测
，尤其涉及一种光伏功率超短期预测方法及系统。
技术介绍
[0002]为了减少二氧化碳排放，实现碳达峰，碳中和，推进能源消费结构转型，大力发展可再生能源成为已成为我国能源行业的大方向。目前可再生能源中太阳能作为最丰富的可再生能源，已成为最主要的可再生能源来源。
[0003]但是，光伏发电会受到环境因素、时间因素等多种因素影响，表现出较大的时空差异性，在不同地理位置下光伏发电功率差异巨大，在较短时间中光伏发电功率也会出现大幅波动，出力间歇、出力功率随机的特点，在较长时间跨度下也会出现季节性特点。另一方面，对于电力系统而言，光伏出力的不稳定会导致光伏电站并网困难，严重时可能会导致并网电力系统稳定性被破坏，利用历史数据对光伏电站出力功率进行预测已成为解决光伏并网问题的主要方法，而其预测精度及预测时间直接决定了电力系统调控方案的准确性与时效性。
技术实现思路
[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简...
【技术保护点】
【技术特征摘要】
1.一种光伏功率超短期预测方法，其特征在于：包括，根据光伏电站分布情况，获取相近电站光伏功率序列；将所述相近电站光伏功率序列与带预测电站光伏功率序列，结合灰色关联分析确定目标电站的高度关联电站；通过引入注意力机制动态捕捉目标光伏电站待预测时刻各特征变量与光伏功率的相关性；利用多层嵌套时空网络，动态捕捉待预测时刻与各历史时刻的相关性，考虑光伏功率随时间变化关系，进一步优化预测结果。2.如权利要求1所述的光伏功率超短期预测方法，其特征在于：所述获取相近电站光伏功率序列包括，根据光伏电站分布情况，选取距待预测光伏电站直线距离小于等于固定值并具备气象监测能力的光伏电站，作为相近电站，分别编号为1～N，N为相近电站个数，为预测目标光伏电站t时刻的功率值，从N个相近电站的历史数据中得到n天历史t时刻光伏功率序列：其中，表示第N个相近电站在历史t时刻的光伏功率序列，表示第N个相近电站在过去第n天中的t时刻的光伏功率，n取决于历史数据量。3.如权利要求2所述的光伏功率超短期预测方法，其特征在于：所述灰色关联分析包括，利用灰色关联法得到N个相近电站中的高度关联电站；在待预测光伏电站功率序列与相近电站光伏功率序列的基础上，逐个计算每个相近电站序列与待预测电站序列的关联度r，计算公式如下：站序列与待预测电站序列的关联度r，计算公式如下：则第N个电站光伏功率序列与待预测电站光伏功率序列的关联度r
0N
如下：其中，为n天中的t时刻的光伏功率差值，为关联系数，T为所考虑的t时刻数量，为第j个相近电站在过去第n天中的t时刻的光伏功率的最小值，为第N个相近电站在过去第n天中的t时刻的光伏功率的最小值，ρ为灰度系数，取为0.5。4.如权利要求3所述的光伏功率超短期预测方法，其特征在于：还包括，将高度关联电
站的历史光伏数据、历史气象数据进行数据处理，高度关联电站一天的观测时间为从τ0～τ
m
，观测间隔为Δτ，则一天的观测次数为：设置观测时间时需保证M为整数，将历史光伏数据、气象数据按观测时间划分为M组，每组按历史观测天数的多少划分为U批次；将光伏功率与气象因素组合构建特征向量：其中，f
1i
表示预测总辐照度数据，f
2i
表示预测直射辐照度数据，f
3i
表示预测散射辐照数据，表示预测总云量数据，f
5i
表示预测低云量数据，表示预测地面百叶箱气温数据，f
7i
表示预测地面百叶箱相对湿度数据，f
8i
表示预测地面10米风速数据，f
9i
表示预测地面10米风向数据，表示预测空气质量数据，表示预测地面气压数据，表示预测逐15分钟降水数据，表示实测总辐照度数据，表示实测散射辐照度数据，表示实测直射辐照度数据，表示实测环境温度数据，表示实测气压数据，表示实测风速数据，表示实测风向数据，表示光伏功率数据。5.如权利要求4所述的光伏功率超短期预测方法，其特征在于：所述多层嵌套时空网络包括，将处理完后的数据按预测时刻输入不同预测时刻对应的多层嵌套时空注意力网络模型进行网络训练；每批次数据使网络模型训练一次，U批次数据使网络模型训...
【专利技术属性】
技术研发人员：肖小兵，李跃，蔡永翔，肖勇，付宇，金鑫，黄博阳，潘廷哲，何肖蒙，王扬，方阳，郑友卓，张洋，刘安茳，熊楠，郝树青，何心怡，苗宇，窦陈，张恒荣，李前敏，代奇迹，李新皓，宋子宏，
申请(专利权)人：贵州电网有限责任公司，
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。