光伏电站日前功率预测方法技术

本发明专利技术公开了光伏电站日前功率预测方法，包括：获得影响光伏电站功率的当前环境参数，对当前环境参数按照时间序列构建序列分布曲线；当前环境参数并不是当前时刻的环境参数，而是当前时间段内的环境参数，即预测之前的设定时间内的环境参数设定为当前环境参数。根据序列分布曲线判断环境参数中任一参数的变化率大于等于设定的第一阈值时，根据环境参数中所有参数的变化率创建波动因子；根据波动因子的从波动因子数据库中查找出对应的预测模型；将当前环境参数输入到查找出的预测模型中，输出预测结果。该预测结果为当前环境参数下，日前功率的预测值。通过本方案可以更加精准的获得预测结果。得预测结果。得预测结果。

【技术实现步骤摘要】
光伏电站日前功率预测方法


[0001]本专利技术涉及光伏发电站
，具体涉及光伏电站日前功率预测方法。

技术介绍

[0002]随着光伏发电系统的装机容量的扩大，其对电力系统的影响也越专利技术显。光伏阵列的发电功率预报对于减轻光伏发电功率的不确定性对电网运行的影响有重要作用。预测结果的准确性直接关系到电力系统运行的经济性和安全性。从电力系统稳定运行来看，精确的功率预测可让电网部门依据预测功率，从而准确调度，降低大规模光伏并网后对电网带来的冲击，提升新能源发电利用效率，与电网部门配合实现最大限度间歇能源消纳。从电网的调度运行来看，精确的功率预测有利于区域电网制定发电计划、实时的功率调控等决定提供科学的数据参考，保障电站的整体运行效率因此，提高光伏发电功率预测的精确度一直是该领域在现阶段所要解决的技术问题。

技术实现思路

[0003]本专利技术提供光伏电站日前功率预测方法，以解决现有技术中存在的上述问题。
[0004]本专利技术提供光伏电站日前功率预测方法，该预测方法包括：
[0005]S100，获得影响光伏电站功率的当前环境参数，对当前环境参数按照时间序列构建序列分布曲线；
[0006]S200，根据序列分布曲线判断环境参数中任一参数的变化率大于等于设定的第一阈值时，根据环境参数中所有参数的变化率创建波动因子；
[0007]S300，根据波动因子的从波动因子数据库中查找出对应的预测模型；预测模型通过当前环境参数与输出功率的关系对功率进行预测；
[0008]S400，将当前环境参数输入到查找出的预测模型中，输出预测结果。
[0009]优选的，所述S100包括：
[0010]S101，当前环境参数包括：太阳辐照参数、当前环境温度、当前环境湿度和当前风速；
[0011]S102，设置序列分布曲线的横坐标为监测时间点，监测时间点为等间距分布，序列分布曲线的纵坐标为每个当前环境参数在相应的监测时间点的监测值；
[0012]S103，将太阳辐照参数、当前环境温度、当前环境湿度和当前风速分别按照时间序列形成序列分布曲线。
[0013]优选的，所述S200包括：
[0014]S201，计算每个序列分布曲线上的每个监测时间点的斜率，得出每个序列分布曲线上的所有斜率，构建当前环境参数
‑
斜率集合；该斜率为参数的变化率；当前环境参数
‑
斜率集合是每个当前环境参数对应的序列分布曲线上的所有点的斜率的集合；
[0015]S202，判断每个当前环境参数
‑
斜率集合中的斜率是否大于等于设定的第一阈值；每个当前环境参数
‑
斜率集合设定有不同的第一阈值；
[0016]S203，筛选出若大于等于设定的第一阈值的所有斜率，以及筛选出的斜率对应的当前环境参数；
[0017]S204，根据筛选出的斜率以及对应的参数确定波动因子。
[0018]优选的，所述S204包括：
[0019]S2041，设置当前环境参数中所有参数的第一权重值，该第一权重值与参数和输出功率之间的关系确定；
[0020]S2042，将筛选出的斜率与相应的第一权重值进行加权求和计算，得出筛选出的当前环境参数的所有参数的加权求和值；
[0021]S2043，将加权求和值大于等于求和阈值的参数作为波动因子。
[0022]优选的，所述S300包括：
[0023]S301，构建波动因子数据库，在波动因子数据库中记录每个波动因子对应的预测模型，该预测模型包括：太阳辐照参数
‑
预测模型、当前环境温度
‑
预测模型、当前环境湿度
‑
预测模型和当前风速
‑
预测模型；
[0024]S302，判断波动因子的数量是否大于等于1，若大于等于1，则查找出大于等于1个预测模型，构成预测模型集合。
[0025]优选的，所述S400包括：
[0026]S401，为预测模型集合中每个预测模型设置第二权重值；
[0027]S402，将当前环境参数分别输入预测模型集合中的所有预测模型，通过不同的预测模型获得多个预测结果；
[0028]S403，对应不同预测模型的第二权重值以及相对应的预测结果，计算确定最终的预测结果。
[0029]优选的，所述S400还包括：构建预测模型；构建预测模型的方法包括：
[0030]S404，获得历史大数据，所述历史大数据包括：太阳辐照参数、当前环境温度、当前环境湿度和当前风速，以及太阳辐照参数、当前环境温度、当前环境湿度和当前风速分别与输出功率的关系；
[0031]S405，分别按照太阳辐照参数、当前环境温度、当前环境湿度和当前风速具有大波动数据作为分类原则，分类出分别以太阳辐照参数、当前环境温度、当前环境湿度和当前风速作为大波动因素的不同数据集；
[0032]S406，针对不同数据集采用太阳辐照参数、当前环境温度、当前环境湿度和当前风速分别与输出功率的关系进行训练，获得分别以太阳辐照参数、当前环境温度、当前环境湿度和当前风速作为波动因素的不同预测模型。
[0033]优选的，所述S406包括：
[0034]S4061，按照监测时间点作为横坐标，每个太阳辐照参数、当前环境温度、当前环境湿度和当前风速在相应的监测时间点的监测值作为纵坐标，分别形成以太阳辐照参数、当前环境温度、当前环境湿度和当前风速作为纵坐标的四个序列分布曲线；横坐标为等间距分布；
[0035]S4062，针对具有不同波动因素的数据集，以波动因素对应的参数的监测值作为变化依据，将监测值进行等间距分布，将序列分布曲线转换为以监测值的等速变化的转换分布曲线，转换分布曲线的横坐标为不等间距分布；
[0036]S4063，将转换分布曲线以及对应的输出功率作为输出参数，输入至循环神经网络RNN中进行训练，获得预测结果。
[0037]优选的，所述S100步骤还包括：
[0038]获得当前环境参数后，对当前环境参数进行异常数据筛选，筛选出异常数据；
[0039]对异常数据进行替换操作，将替换的数据补充至原数据位置，形成完整数据，将完整数据构建序列分布曲线。
[0040]优选的，所述筛选出异常数据，包括：若某一时间段该数据相比于当天变化规律为异常，但综合当前时间前后的数据具有周期性，则该数据为非异常数据；
[0041]所述对异常数据进行替换操作，将替换数据补充至原数据位置，包括：
[0042]将异常数据之前的数据设定为前数据，将异常数据之后的数据设定为后数据；
[0043]基于前数据和后数据，输入数据填补模型中，输出该异常数据的替换数据；
[0044]将该替换数据对应监测时间点补充至原数据位置；
[0045]所述数据填补模型通过深度神经网络进行训练获得。
[0046]与现有技术相比，本专利技术具有以下优点：
...

【技术保护点】

【技术特征摘要】
1.光伏电站日前功率预测方法，其特征在于，包括：S100，获得影响光伏电站功率的当前环境参数，对当前环境参数按照时间序列构建序列分布曲线；S200，根据序列分布曲线判断环境参数中任一参数的变化率大于等于设定的第一阈值时，根据环境参数中所有参数的变化率创建波动因子；S300，根据波动因子的从波动因子数据库中查找出对应的预测模型；预测模型通过当前环境参数与输出功率的关系对功率进行预测；S400，将当前环境参数输入到查找出的预测模型中，输出预测结果。2.根据权利要求1所述的光伏电站日前功率预测方法，其特征在于，所述S100包括：S101，当前环境参数包括：太阳辐照参数、当前环境温度、当前环境湿度和当前风速；S102，设置序列分布曲线的横坐标为监测时间点，监测时间点为等间距分布，序列分布曲线的纵坐标为每个当前环境参数在相应的监测时间点的监测值；S103，将太阳辐照参数、当前环境温度、当前环境湿度和当前风速分别按照时间序列形成序列分布曲线。3.根据权利要求2所述的光伏电站日前功率预测方法，其特征在于，所述S200包括：S201，计算每个序列分布曲线上的每个监测时间点的斜率，得出每个序列分布曲线上的所有斜率，构建当前环境参数
‑
斜率集合；该斜率为参数的变化率；当前环境参数
‑
斜率集合是每个当前环境参数对应的序列分布曲线上的所有点的斜率的集合；S202，判断每个当前环境参数
‑
斜率集合中的斜率是否大于等于设定的第一阈值；每个当前环境参数
‑
斜率集合设定有不同的第一阈值；S203，筛选出若大于等于设定的第一阈值的所有斜率，以及筛选出的斜率对应的当前环境参数；S204，根据筛选出的斜率以及对应的参数确定波动因子。4.根据权利要求3所述的光伏电站日前功率预测方法，其特征在于，所述S204包括：S2041，设置当前环境参数中所有参数的第一权重值，该第一权重值与参数和输出功率之间的关系确定；S2042，将筛选出的斜率与相应的第一权重值进行加权求和计算，得出筛选出的当前环境参数的所有参数的加权求和值；S2043，将加权求和值大于等于求和阈值的参数作为波动因子。5.根据权利要求1所述的光伏电站日前功率预测方法，其特征在于，所述S300包括：S301，构建波动因子数据库，在波动因子数据库中记录每个波动因子对应的预测模型，该预测模型包括：太阳辐照参数
‑
预测模型、当前环境温度
‑
预测模型、当前环境湿度
‑
预测模型和当前风速
‑
预测模型；S302，判断波动因子的数量是否大于等于1，若大于等于1，则查找出大于等于1个预测模型，构成预测模型集合。6.根据权...

【专利技术属性】
技术研发人员：周鹏，李雪文，石永，关新伟，闫锦荣，李达，
申请(专利权)人：三峡新能源左云发电有限公司，
类型：发明
国别省市：