【技术实现步骤摘要】
本专利技术涉及光伏电站的短期概率预测，尤其涉及一种基于残差双聚类的光伏电站短期预测置信区间计算方法。
技术介绍
1、光伏电站功率变化由电源所在区域的天气变化决定,风速、温度、光照辐射度等气象因素的微小变化都将带动光伏电站功率随之波动,给维持电力系统的供需平衡带来了巨大的挑战。因此,为保障电力系统的安全、稳定、经济运行,光伏电站功率预测的必要性随之提高。
2、由于目前的数值天气预报还难以对云层生成、运动和可见度进行准确的预测，而太阳辐射受云层影响，光伏电站的功率预测不确定性大大增加。由于预测存在偏差，且这种偏差也存在很大的波动性和随机性。电网的平衡的控制和调节都需要成本，少了不利于电网安全，多了就造成资源浪费。对于电网调度部门制定发电计划需要相对明确的功率预测信息，因此需要功率预测需要提供预测结果的概率分布，或者置信区间。相比与传统的点预测，概率预测还提供了不确定性，即对于光伏功率的波动范围的精确估计；
3、光伏电站的预测不确定性并不完全随着预报时间的推移变大；一天的不同时段预测的不确定性差别很大，如，夜间没有太阳辐射时间，光伏电站的功率为0，不存在不确定；云层多变的时间段，不确定性大，比如天气变化过程中；云层的变化越大，不确定越大。相对于晴天、多云和阴雨天不确定性将引起更大的功率不确定性。目前的基于置信区间的概率预测认为光伏电站的功率预测偏差服从正态分布，并基于预测偏差正态分布的假设，以各种预测模型进行预测，并对历史预测和实测数据的残差进行平均值和标准差计算，从而得出不同置信区间下的概率预测。传统的概率预
技术实现思路
1、为解决光伏电站短期预测置信区间计算可信度不高的技术问题，本专利技术提供一种基于残差双聚类的光伏电站短期预测置信区间计算方法。
2、本专利技术采用以下技术方案实现：一种基于残差双聚类的光伏电站短期预测置信区间计算方法，包括以下步骤：
3、s1获取历史短期预测数据和实测数据，并对获取的数据进行清洗和匹配；
4、s2计算短期预测数据和实测数据的残差并将计算所得的残差作为原始矩阵；
5、s3构造基于时间段和发电功率容量比的索引矩阵；
6、s4获取残差数组按照索引矩阵的条件和基因双聚类，得出光伏电站不同运行工况下的双聚类的各个预测残差子矩阵；
7、s5计算各残差子矩阵的均值和标准差；
8、s6根据设定的置信度计算置信度。
9、作为上述方案的进一步改进，所述步骤s1中：获取光伏电站的实测功率数据和历史短期预测数据，此后进行预处理，包括去除异常值、时间匹配操作，确保数据一致性和可靠。
10、作为上述方案的进一步改进，所述步骤s2中：计算预测数据和实测数据的残差并作为原始矩阵：datai＝(p预测i-p实测i)。
11、作为上述方案的进一步改进，所述步骤s3中：构造基于时间段和发电功率容量比的索引矩阵，由于预测数据和实际功率存在时间点匹配的唯一性，直接将残差数组作为原始一维矩阵data[i]，回避了预测数据和实际功率作为原始矩阵聚类后引起的时序不对应；索引矩阵按照光伏电站的实际运行工况穷举出行和列的数量。
12、作为上述方案的进一步改进，所述步骤s4中：获取残差数组按照索引矩阵的条件和基因双聚类，得出光伏电站不同运行工况下的双聚类的各个预测残差子矩阵(数组)；
13、计算各残差子矩阵(dataij，其中i为索引矩阵条件数，j为索引矩阵基因数)的均值和标准差：
14、meanij＝np.mean(dataij)；
15、std_devij＝np.std(dataij)；
16、其中，dataij表示双聚类后产生的残差子矩阵数组集。
17、作为上述方案的进一步改进，所述步骤s5中：计算各残差数组(dataij)标准误差：
18、std_errij＝std_devij/np.sqrt(len(dataij))；
19、其中，std_devij表示双聚类后产生的残差标准差数组集，dataij表示双聚类后产生的残差子矩阵数组集。
20、作为上述方案的进一步改进，所述步骤s6中：按一定置信度(y)计算置信度
21、confidence＝y；
22、ciij＝norm.interval(confidence,loc＝meanij,scale＝std_errij)；
23、其中，meanij表示双聚类后产生的残差均值数组集，std_errij表示双聚类后产生的残差标准误差数组集；
24、得到光伏电站预测数据在不同辐射条件和时间段下的置信区间值。
25、相比现有技术，本专利技术的有益效果在于：
26、1、本专利技术量化了不确定因素引起的光伏电站短期功率预测变动概率区间，给出符合实际条件和工况的短期预测可信程度；向决策者提供更精准用于规划、调度和风险评估的信息，使其更好的了解光伏电站短期预测在未来变化种可能存在的不确定性和风险，降低电力系统的备用容量和电力系统的运行成本。
27、2、本专利技术在电网调度部门制定的发电计划时，能够合理调配电网资源，有益于光伏电站的调护和维修，提升光伏电站的总发电量和容量系数，提高光伏电站运行维护成本，提高光伏电站的输出功率利用率，在整个电力市场的优势和竞争力，促进新能源的消纳和发展，对电力系统的平衡和经济调度意义重大。
本文档来自技高网...【技术保护点】
1.一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S1中：获取光伏电站的实测功率数据和历史短期预测数据，此后进行预处理，包括去除异常值、时间匹配操作，确保数据一致性和可靠。
3.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S2中：计算预测数据和实测数据的残差并作为原始矩阵：datai＝(P预测i-P实测i)。
4.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S3中：构造基于时间段和发电功率容量比的索引矩阵，由于预测数据和实际功率存在时间点匹配的唯一性，直接将残差数组作为原始一维矩阵data[i]，回避了预测数据和实际功率作为原始矩阵聚类后引起的时序不对应；索引矩阵按照光伏电站的实际运行工况穷举出行和列的数量。
5.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S4
6.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S5中：计算各残差数组(dataij)标准误差：
7.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤S6中：按一定置信度(Y)计算置信度
...【技术特征摘要】
1.一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤s1中：获取光伏电站的实测功率数据和历史短期预测数据，此后进行预处理，包括去除异常值、时间匹配操作，确保数据一致性和可靠。
3.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤s2中：计算预测数据和实测数据的残差并作为原始矩阵：datai＝(p预测i-p实测i)。
4.如权利要求1所述的一种基于残差双聚类的光伏电站短期预测置信区间计算方法，其特征在于，所述步骤s3中：构造基于时间段和发电功率容量比的索引矩阵，由于预测数据和实际功率存在时间点...
【专利技术属性】
技术研发人员：程琦，伍万祥，何宏扬，宋如航，温全，徐正亚，冯晨波，郭龙龙，李燚喆，叶海峰，李智，赵尧，
申请(专利权)人：安徽立卓智能电网科技有限公司，
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。