一种基于天气分型的光伏功率预测方法和系统技术方案

本发明专利技术涉及一种基于天气分型的光伏功率预测方法和系统，属于光伏发电技术领域，用以解决现有的光伏功率预测方法的精准度较低的问题

【技术实现步骤摘要】
一种基于天气分型的光伏功率预测方法和系统


[0001]本专利技术涉及光伏发电
，尤其涉及一种基于天气分型的光伏功率预测方法和系统
。

技术介绍

[0002]光伏发电是一种可再生
、
清洁
、
灵活的分布式能源，在满足世界范围内日益增长的清洁能源需求方面发挥着重要作用
。
随着光伏发电一体化带来了显著的经济效益和环境效益，光伏发电渗透率逐步提高，但它的高普及率也给现有电网系统的运行带来了许多新的问题
。
尤其是，光伏出力具有波动性和间歇性，光伏电站高比例地接入电网后，会给电力系统带来冲击
。
为了解决上述问题，对光伏出力预测的需求不断增加，其中，微气象环境下基于精细化天气分型识别的分布式光伏电站出力预测是光伏出力预测的重要领域，通过对天气类型的有效划分可以提高光伏功率预测的精准度
。
[0003]现有技术中，用于光伏出力预测的天气分型技术大多针对全天气类型进行细分，例如通过清晰度指数对天气类型进行划分将天气划分为三类，或者通过引入总云量交叉细分进而将晴天类型分为三类
。
但是，在工程应用中，由于气象环境因子的不确定性，往往一天之中出现较大波动的转折天气
(
即气象剧烈变化的天气
)
对于光伏出力以及电网的稳定性和调度的影响较大，在进行光伏并网储能设计时通常要考虑这种影响，而以往的天气类型划分不能很好的识别出出现较大幅度的功率波动的转折天气所在日，导致光伏功率预测的精准度较低
。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种天气分型的光伏功率预测方法和系统，用以解决现有的光伏功率预测方法的精准度较低的问题
。
[0005]一方面，本专利技术实施例提供了一种基于天气分型的光伏功率预测方法，所述方法包括如下步骤：
[0006]基于天气变化和光伏出力波动情况，将待预测光伏电场所在地区在历史时期中每日的天气类型划分为平稳天气和转折天气两类；
[0007]对平稳天气日的历史天气数据和历史光伏功率数据进行预处理以构建平稳天气日的训练数据集，对转折天气日的历史天气数据和历史光伏功率数据进行预处理以构建转折天气日的训练数据集；
[0008]分别通过平稳天气日的训练数据集和转折天气的训练数据集对预先建立的光伏功率预测模型进行训练，获取训练好的平稳天气日的子预测模型和转折天气的子预测模型；
[0009]确定预测日的天气类型，根据预测日的天气类型选择相应的子光伏功率预测模型获取其预测光伏功率
。
[0010]基于上述方法的进一步改进，所述基于天气变化和光伏出力波动情况，将待预测
光伏电场所在地区在历史时期中每日的天气类型划分为平稳天气和转折天气两类，包括：
[0011]根据待预测光伏电场在历史时期的历史光伏功率数据获取功率变化率数据；
[0012]基于
SOM
网络对所述功率变化率数据进行聚类并划分为至少两类，并将功率波动幅度最大的一类筛选出并作为潜在转折天气样本；
[0013]根据历史太阳辐射数据计算所述潜在转折天气样本对应时段的清晰度指数；
[0014]将清晰度指数小于清晰度阈值的所述潜在转折天气样本所在日的天气类型识别为转折天气，历史时期中的其他日期的天气类型为平稳天气
。
[0015]基于上述方法的进一步改进，所述根据待预测光伏电场在历史时期的历史光伏功率数据获取功率变化率数据，包括如下步骤：
[0016]计算待预测光伏电场所在地区的太阳高度角，并将太阳高度角大于预设角度的时段作为光伏出力统计时间段；
[0017]根据所述历史光伏功率数据计算所述光伏出力统计时间段的功率变化率，以获取功率变化率数据
。
[0018]基于上述方法的进一步改进，所述功率变化率为逐时功率之差，根据如下公式计算：
[0019]Δ
P
＝
P
i+1
‑
P
i
；
[0020]式中，
Δ
P
逐时功率变化率，
P
i+1
为每日
i+1
时刻的功率值，
P
i
为每日
i
时刻的功率值
。
[0021]基于上述方法的进一步改进，采用如下方法确定预测日的天气类型：
[0022]建立天气识别模型；
[0023]通过平稳天气的历史天气数据和转折天气的历史天气数据对天气类型识别模型进行训练，获取训练好的天气类型识别模型；
[0024]将预测日的预测天气数据输入训练好的天气类型识别模型，获取预测日的天气类型
。
[0025]基于上述方法的进一步改进，所述对平稳天气日的历史天气数据和历史光伏功率数据进行预处理以构建平稳天气日的训练数据集，对转折天气日的历史天气数据和历史光伏功率数据进行预处理以构建转折天气日的训练数据集，包括：
[0026]对平稳天气日的历史天气数据和历史光伏功率数据进行相关性分析，从平稳天气日的历史天气数据中选择相关性高的至少两类气象特征数据构建平稳天气日的输入数据序列；
[0027]对转折天气日的历史天气数据和历史光伏功率数据进行相关性分析，从转折天气日的历史天气数据中选择相关性高的至少两类气象特征数据构建转折天气日的输入数据序列
。
[0028]基于上述方法的进一步改进，所述光伏功率预测模型为轻量化卷积神经网络模型，所述轻量化卷积神经网络模型包括：
[0029]第一卷积层，用于提取输入数据的浅层特征并输出浅层特征；
[0030]最大池化层，用于降低浅层特征的维度；
[0031]多个
shuffleNet
模块，用于采用逐点群卷积和通道混洗的方式从降维后的浅层特征数据中提取深层语义特征；
[0032]第二卷积层，用于降低深层语义特征的通道维度，输出预测结果
。
[0033]基于上述方法的进一步改进，在获取预测日的预测光伏功率之后，采用均方根误差和绝对值误差对预测结果的准确度进行评价
。
[0034]基于上述方法的进一步改进，所述方法还包括：
[0035]将预测时段划分为多个预测日；
[0036]将多个预测日的预测光伏功率按照时间顺序排列叠加，从而获取预测时段的预测光伏功率
。
[0037]另一方面，本专利技术实施例提供了一种基于天气分型的光伏功率预测系统，所述系统包括：
[0038]天气分类模块，基于天气变化和光伏出力波动情况，将待预测光伏电场所在地区在历史时期中每日的天气类型划分为平稳天气和转折天气两类，
[0039]数据处理模块，对平稳天气日的历史天气数据和历史光伏功率数据进行预处理以构建平稳天气日的训练数据集，对转折天气日的历史天气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于天气分型的光伏功率预测方法，其特征在于，所述方法包括如下步骤：基于天气变化和光伏出力波动情况，将待预测光伏电场所在地区在历史时期中每日的天气类型划分为平稳天气和转折天气两类；对平稳天气日的历史天气数据和历史光伏功率数据进行预处理以构建平稳天气日的训练数据集，对转折天气日的历史天气数据和历史光伏功率数据进行预处理以构建转折天气日的训练数据集；分别通过平稳天气日的训练数据集和转折天气日的训练数据集对预先建立的光伏功率预测模型进行训练，获取训练好的平稳天气日的子预测模型和转折天气日的子预测模型；确定预测日的天气类型，根据预测日的天气类型选择相应的子光伏功率预测模型获取其预测光伏功率
。2.
根据权利要求1所述的方法，其特征在于，所述基于天气变化和光伏出力波动情况，将待预测光伏电场所在地区在历史时期中每日的天气类型划分为平稳天气和转折天气两类，包括：根据待预测光伏电场在历史时期的历史光伏功率数据获取功率变化率数据；基于
SOM
网络对所述功率变化率数据进行聚类并划分为至少两类，并将功率波动幅度最大的一类筛选出并作为潜在转折天气样本；根据历史太阳辐射数据计算所述潜在转折天气样本对应时段的清晰度指数；将清晰度指数小于清晰度阈值的所述潜在转折天气样本所在日的天气类型识别为转折天气，历史时期中的其他日期的天气类型为平稳天气
。3.
根据权利要求2所述的方法，其特征在于，所述根据待预测光伏电场在历史时期的历史光伏功率数据获取功率变化率数据，包括如下步骤：计算待预测光伏电场所在地区的太阳高度角，并将太阳高度角大于预设角度的时段作为光伏出力统计时间段；根据所述历史光伏功率数据计算所述光伏出力统计时间段的功率变化率，以获取功率变化率数据
。4.
根据权利要求2所述的方法，其特征在于，所述功率变化率为逐时功率之差，根据如下公式计算：
Δ
P
＝
P
i+1
‑
P
i
；式中，
Δ
P
逐时功率变化率，
P
i+1
为每日
i+1
时刻的功率值，
P
i
为每日
i
时刻的功率值
。5.
根据权利要求1‑4中任一项所述的方法，其特征在于，采用如下方法确定预测日的天气类型：建立天气识别模型；通过平稳天气的历史天气数据和转折天气的历...

【专利技术属性】
技术研发人员：张莹，徐冰雁，李峰，陈佳俊，陈龙，郭磊，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：