一种基于扩展相似日时间尺度的光伏出力预测方法技术

本发明专利技术提供一种基于扩展相似日时间尺度的光伏出力预测方法，首先计算近N年同期月典型日的加权输出功率并归一化处理；然后将预测日与典型日的气候因素的残差进行加权指数化处理，采用神经网络计算权值系数，进而得到预测日相对于典型日的相似系数；同时基于已选取的典型日建立门函数；再结合典型日加权输出功率，构建各月的光伏出力预测模型组；最后，按预测日一天24时刻分别取各月光伏出力预测模型组中相似度最高的值，即相似日中光伏出力最相似的时刻。本发明专利技术构建了一个全新的、适用于所有气候类型和极端天气的光伏出力预测模型，保障预测结果更准确、预测效率更高。

【技术实现步骤摘要】

本专利技术属于光伏出力预测领域，具体涉及一种基于扩展相似日时间尺度的光伏出力预测方法。

技术介绍

1、随着新能源产业的蓬勃发展，太阳能的开发利用也更加广泛、更加深入。然而光伏发电具备随机性、波动性、反调峰和间歇性的特征，其受天气因素影响较大，输出功率具有不确定性，不利于电力系统调度和安全运行，因此建立基于气候因素的光伏发电模型，对光伏发电出力进行精确地预测显得尤为重要。

2、目前，光伏发电功率预测领域有三类主流的预测方法：第一类是构建物理模型，该类方法结合光伏电池的基本原理，结合预测日的天气信息，直接建立物理模型，从而计算出当日的光伏功率出力。第二类是基于统计学方法的预测模型，该类方法结合时间序列分析法、回归分析法、灰色理论法、模糊理论法等典型的数学建模方法，在大量历史出力数据和气候数据的基础上实现拟合。第三类是神经网络学习法，该类方法采用算法对样本数据进行训练从而得到输入量与输出量即预测条件与待预测量之间的关系。但这些方法存在如下问题：

3、(1)选取“相似日”的时间尺度局限于同月或者同季度，且预测日光伏各时刻的出力仅限于参考同一本文档来自技高网...

【技术保护点】

1.一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤S1具体包括以下步骤：

3.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤S2具体包括以下步骤：

4.根据权利要求3所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤S204中，神经网络的训练具体包括以下步骤：

5.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，基于光伏发电典型日的光伏出...

【技术特征摘要】

1.一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤s1具体包括以下步骤：

3.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤s2具体包括以下步骤：

4.根据权利要求3所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，步骤s204中，神经网络的训练具体包括以下步骤：

5.根据权利要求1所述的一种基于扩展相似日时间尺度的光伏出力预测方法，其特征在于，基于光伏发电典型日的光伏出力情况建立门...

【专利技术属性】
技术研发人员：李思凡，李东海，孙运武，崔建钊，王海生，马立红，覃丹，宋朝霞，
申请(专利权)人：海南电网有限责任公司，
类型：发明
国别省市：