基于copula函数的光伏功率概率预测方法及系统技术方案

本发明专利技术公开了一种基于copula函数的光伏功率概率预测方法及系统，该方法包括：获取集中式和分布式光伏电站的历史光伏功率数据和历史气象数据；通过聚类得到不同的天气类型；根据不同的天气类型下的历史光伏功率数据，得到光伏功率的累计分布，分别构建量化动态表示集中式光伏和分布式光伏功率空间相关性的最优copula函数模型；根据获取的集中式光伏电站的光伏功率数据，结合对应的最优copula函数模型，得到分布式光伏功率点预测值；基于分位数回归方法，构建条件概率模型，通过条件概率模型得到分布式光伏功率点预测值对应的条件概率预测值，实现更精确的分布式光伏功率预测及功率概率预测，保障电力系统运行的可靠性。保障电力系统运行的可靠性。保障电力系统运行的可靠性。

【技术实现步骤摘要】
基于copula函数的光伏功率概率预测方法及系统


[0001]本专利技术涉及光伏发电
，尤其涉及一种基于copula函数的光伏功率概率预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]随着工业化电气化进程加快，人类对能源的需求量猛增，尤其是对电能的需求，更是呈现逐年攀升的趋势。分布式光伏具有可开发资源丰富、开发建设难度小、节能环保效益显著等优势，是光伏开发利用的重要方式之一。但由于天气条件的不稳定性，光伏发电具有很强的间歇性和随机性，对现有电力系统的规划和运行造成挑战。因此，光伏发电功率预测的准确性是影响光伏接入电力系统的重要影响因素。
[0004]专利技术人发现，现有的光伏发电功率预测方法包括基于物理模型的方法和基于统计模型的方法，其中基于物理模型的方法建模复杂，因此通常采用基于统计模型的方法进行光伏发电功率预测。统计模型包括神经网络模型、copula模型等。由于分布式光伏数据获取难度大、安装分散等特点，通常采用copula模型来更好的刻画光伏发电功率与气象变量的不确定性，且该建模所需的数据量也相对较小。但是，传统的copula函数有局限性，不能很好地拟合功率数据，导致光伏功率预测的精度较低。
[0005]此外，传统的确定性预测无法对光伏功率预测的不确定性作出有效地描述，难以满足电网调度决策和风险评估的需求，而概率预测可提供未来光伏出力的概率信息，具有更重要的工程意义。相对于分布式光伏功率的点预测，光伏功率概率预测能够反应更多的预测信息，具有更优的实际使用参考价值。
[0006]目前，光伏功率概率预测方法可以分为参数方法和非参数方法。其中，参数方法为假定光伏功率服从某种概率分布，其主观性较强，预测结果往往与实际概率分布情况存在较大偏差；非参数方法不依赖任何先验知识，更能反应样本本身的分布特征，其使得模型有更好的泛化能力。但是，非参数方法通常以分位数回归为主，与机器学习相结合，往往存在分位数交叉问题。

技术实现思路

[0007]为解决上述现有技术的不足，本专利技术提供了一种基于copula函数的光伏功率概率预测方法及系统，通过聚类分析确定天气类型，构建Frank Copula函数模型和vine copula函数模型，根据天气类型的不同，选择适用于对应天气类型的最优函数模型进行分布式光伏功率预测，并基于分位数回归思想，构建光伏功率概率预测模型，避免分位数交叉问题，实现分布式光伏功率概率预测，提高功率预测的精度及电力系统运行的可靠性，降低用电成本，降低能耗，节能减排，提高经济效益。
[0008]第一方面，本公开提供了一种基于copula函数的光伏功率概率预测方法。
[0009]一种基于copula函数的光伏功率概率预测方法，包括：
[0010]获取集中式和分布式光伏电站的历史光伏功率数据和历史气象数据；
[0011]对历史光伏功率数据和历史气象数据进行预处理，通过聚类得到不同的天气类型；
[0012]根据不同的天气类型下的历史光伏功率数据，得到光伏功率的累计分布，分别构建不同的天气类型下量化动态表示集中式光伏和分布式光伏功率空间相关性的最优copula函数模型；
[0013]根据获取的集中式光伏电站的光伏功率数据，结合对应天气类型下的最优copula函数模型，得到分布式光伏功率点预测值；
[0014]基于分位数回归方法，构建条件概率模型，通过条件概率模型得到分布式光伏功率点预测值对应的条件概率预测值。
[0015]第二方面，本公开提供了一种基于copula函数的光伏功率概率预测系统。
[0016]一种基于copula函数的光伏功率概率预测系统，包括：
[0017]数据获取模块，用于获取集中式和分布式光伏电站的历史光伏功率数据和历史气象数据；
[0018]数据处理模块，用于对历史光伏功率数据和历史气象数据进行预处理，通过聚类得到不同的天气类型；
[0019]最优copula函数模型构建模块，用于根据不同的天气类型下的历史光伏功率数据，得到光伏功率的累计分布，分别构建不同的天气类型下量化动态表示集中式光伏和分布式光伏功率空间相关性的最优copula函数模型；
[0020]光伏功率点预测模块，用于根据获取的集中式光伏电站的光伏功率数据，结合对应天气类型下的最优copula函数模型，得到分布式光伏功率点预测值；
[0021]光伏功率概率预测模块，用于基于分位数回归方法，构建条件概率模型，通过条件概率模型得到分布式光伏功率点预测值对应的条件概率预测值。
[0022]第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
[0023]第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
[0024]以上一个或多个技术方案存在以下有益效果：
[0025]1、本专利技术提供了一种基于copula函数的光伏功率概率预测方法及系统，通过聚类分析确定天气类型，构建Frank Copula函数模型和Vine Copula函数模型，根据天气类型的不同，选择适用于对应天气类型的最优函数模型进行分布式光伏功率预测，解决单一Copula拟合不足的问题，提高功率预测的精度。
[0026]2、本专利技术基于分位数回归思想，给出一种基于copula的分位数回归算法，构建光伏功率概率预测模型，由于存在解析化表达式，因而能够克服现有非参数方法中存在的分位数交叉问题，实现分布式光伏功率概率预测，为电力系统运行调控提供了比较准确的参考数据，保障电力系统运行的可靠性，降低用电成本，降低能耗，节能减排，提高经济效益。
附图说明
[0027]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，本专利技术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。
[0028]图1为本专利技术实施例一的基于copula函数的光伏功率概率预测方法的流程图；
[0029]图2是本专利技术实施例一中K
‑
means聚类的天气聚类结果图；
[0030]图3(a)是本专利技术实施例一中多云天气类型下集中式、分布式光伏出力的频数直方图；
[0031]图3(b)是本专利技术实施例一中晴天天气类型下集中式、分布式光伏出力的频数直方图；
[0032]图3(c)是本专利技术实施例一中阴天天气类型下集中式、分布式光伏出力的频数直方图；
[0033]图4是本专利技术实施例一中Vine Copula函数模型的结构图；
[0034]图5(a)是本专利技术实施例一中多云天气类型下光伏出力的点预测、实际值；
[0035]图5(b)是本专利技术实施例一中晴天天气类型下光伏出力的点预测、实际值；
[0036]图5(c)是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于copula函数的光伏功率概率预测方法，其特征是，包括：获取集中式和分布式光伏电站的历史光伏功率数据和历史气象数据；对历史光伏功率数据和历史气象数据进行预处理，通过聚类得到不同的天气类型；根据不同的天气类型下的历史光伏功率数据，得到光伏功率的累计分布，分别构建不同的天气类型下量化动态表示集中式光伏和分布式光伏功率空间相关性的最优copula函数模型；根据获取的集中式光伏电站的光伏功率数据，结合对应天气类型下的最优copula函数模型，得到分布式光伏功率点预测值；基于分位数回归方法，构建条件概率模型，通过条件概率模型得到分布式光伏功率点预测值对应的条件概率预测值。2.如权利要求1所述的基于copula函数的光伏功率概率预测方法，其特征是，所构建的copula函数模型包括Frank Copula相关性函数模型和Vine Copula相关性函数模型；所述Vine Copula相关性函数模型为多个二元Copula相关性函数模型的组合。3.如权利要求2所述的基于copula函数的光伏功率概率预测方法，其特征是，所述Vine Copul相关性函数模型包括Frank Copula函数模型、Clayton Copula函数模型、Gumbel Copula函数模型和t Copula函数模型。4.如权利要求1所述的基于copula函数的光伏功率概率预测方法，其特征是，获取历史光伏功率数据对应时期的历史气象数据，基于相关性分析确定聚类要素，通过聚类得到不同的天气类型，包括：基于气象要素与光伏功率的相关性系数，确定影响光伏发电功率的气象要素，将确定的气象要素作为聚类要素；根据聚类要素，采用k
‑
means聚类算法进行天气聚类，根据聚类结果所对应的各个气象要素范围，确定不同的天气类型。5.如权利要求1所述的基于copula函数的光伏功率概率预测方法，其特征是，分别构建不同的天气类型下量化动态表示集中式光伏和分布式光伏功率空间相关性的最优copula函数模型，包括：根据光伏功率的累计分布，得到每种天气类型下的相关系数值，建立Frank Copula相关性函数模型；根据光伏功率的累计分布，得到每种天气类型下的相关系数值，建立Vine Copul相关性函数模型；根据每一天气类型下不同copula函...

【专利技术属性】
技术研发人员：史洁，付钻，程新功，王潇晨，唐亮，侯振，
申请(专利权)人：济南大学，
类型：发明
国别省市：