【技术实现步骤摘要】
一种光伏功率预测方法、装置、设备和介质
[0001]本专利技术涉及光伏发电
,尤其涉及一种光伏功率预测方法、装置、设备和介质。
技术介绍
[0002]随着世界能源需求的不断增长,光伏发电作为清洁能源收到越来越多的关注,然而光伏发电受云团移动等因素的影响,导致光伏发电具有随机性、间歇性和波动性,直接影响电力系统的安全稳定性。为此,通过光伏发电功率的精准预测而助于电力系统更加安全稳定的运行,具有重要意义。
[0003]目前,主要通过构建预测模型进行光伏场站的光伏发电功率预测,由于光伏发电功率受到受云团移动等因素的影响存在波动特性,预测模型不可避免存在预测误差。而传统的光伏功率预测模型主要通过采用均值类评价指标来评价预测模型的优劣,仅从误差角度单一采用均值类评价指标对预测结果偏差进行平均化,难以体现指标接近的预测模型之间的个体差异性,导致最终确定的预测模型的功率预测精度低下。
技术实现思路
[0004]本专利技术提供了一种光伏功率预测方法、装置、设备和介质,用于解决现有技术对光伏功率预测误差单一采用均值类评价指标进行评估,导致最终确定的预测模型的功率预测精度低下的技术问题。
[0005]本专利技术第一方面提供的一种光伏功率预测方法,包括:
[0006]获取多个预设的光伏功率预测模型,通过各所述光伏功率预测模型分别构建光伏场站在预设的调度周期内的预测光伏功率集;
[0007]采用预设的云团影响功率评估指标体系和所述调度周期关联的实际光伏功率集,分别计算各所述预测光伏功率集 ...
【技术保护点】
【技术特征摘要】
1.一种光伏功率预测方法,其特征在于,包括:获取多个预设的光伏功率预测模型,通过各所述光伏功率预测模型分别构建光伏场站在预设的调度周期内的预测光伏功率集;采用预设的云团影响功率评估指标体系和所述调度周期关联的实际光伏功率集,分别计算各所述预测光伏功率集的多个评价指标值;对全部所述评价指标值执行正向化处理,并构建成正向化矩阵;基于全部所述评价指标值,根据预置层次分析法、预置熵权法和最小鉴别信息原理确定所述云团影响功率评估指标体系的综合权重向量;对所述正向化矩阵执行标准化处理,并结合全部所述综合权重向量确定各所述光伏功率预测模型的相对贴近度;选取相对贴近度最大的光伏功率预测模型作为目标光伏功率预测模型,通过所述目标光伏功率预测模型预测输出目标预测时刻的目标预测光伏功率。2.根据权利要求1所述的光伏功率预测方法,其特征在于,所述云团影响功率评估指标体系包括均方根误差、平均绝对误差、平均相对误差、合格率、准确率、跌落预判时间、跌落预测均方根误差、平均跌落持续时间、平均跌落深度和跌落频率;所述跌落预判时间具体为:其中,T
pre
为跌落预判时间,t
drop
为实际光伏功率受云团影响而开始跌落的时刻,t
fore
为预测光伏功率受云团影响而开始跌落的时刻;所述跌落预测均方根误差具体为:其中,E
RMESEdrop
为跌落预测均方根误差,g为第g次跌落,n
drop
为调度周期内的跌落频率,y
dropg
为第g次跌落的实际跌落深度,为第g次跌落的预测跌落深度;跌落深度的计算过程具体为:y
′
drop
=max(P[t
′
drop
,t
′
drop
+T
drop
])
‑
min(P[t
′
drop
,t
′
drop
+T
drop
]);y
′
drop
为跌落深度,t
′
drop
为光伏功率受云团影响而开始跌落的时刻,T
drop
为平均跌落持续时间,P[t
′
drop
,t
′
drop
+T
drop
]为光伏功率集的功率曲线在波动段的功率序列,max(P[t
′
drop
,t
′
drop
+T
drop
])为波动段的最大光伏功率,min(P[t
′
drop
,t
′
drop
+T
drop
])为波动段的最小光伏功率;所述平均跌落持续时间具体为:其中,T
drop,g
为第g次跌落时的跌落持续时间;所述平均跌落深度具体为:
其中,为平均跌落深度,y
drop,g
为第g次跌落时的跌落深度。3.根据权利要求1所述的光伏功率预测方法,其特征在于,所述基于全部所述评价指标值,根据预置层次分析法、预置熵权法和最小鉴别信息原理确定所述云团影响功率评估指标体系的综合权重向量的步骤,...
【专利技术属性】
技术研发人员:李达扬,陈钢,李健波,林彦楷,张俊华,陈林,赖春林,宋惠宇,黄晓光,郭亮,张锦添,钟毅伟,
申请(专利权)人:广东电网有限责任公司,
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。