System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于光伏发电功率预测,特别涉及一种分布式光伏发电功率预测方法、系统、设备及介质。
技术介绍
1、光伏发电受自然环境、气象因素影响,具有明显的波动性、间歇性与随机性等特点,其发电功率也呈现出同样的特性,给电网调度、安全稳定、设计规划等带来诸多不利影响。因此,光伏发电功率的精细化预测以及实时展示,对解决上述问题有着重要的意义。
2、根据预测建模机理,新能源功率预测方法可以分为物理方法和数据驱动方法两大两类。物理方法一般是采用光伏电站的详细地理信息以及气象、光照强度数据,通过太阳辐照传递方程等物理方程进行预测。上述物理方法不需要电站历史运行数据,适用于新建或者运行数据较少的光伏电站;但是,其建模过程较为复杂,需要大量的物理参数,模型抗干扰能力较差,鲁棒性不强。数据驱动方法常见的包括回归分析、灰色理论、模糊理论、支持向量机、随机森林和深度神经网络等人工智能方法,该方法需要大量的历史数据,对于新建或者数据不完善的电站,数据驱动方法局限性很强;但是,其建模过程不需要电站的详细地理信息以及发电设备的相关参数,建模简单且模型鲁棒性高,是目前最常见的一种光伏功率预测方法。
3、随着技术的发展,已有公开的文献采用自回归(auto-regression,ar)模型,建立当前功率值与延迟功率的回归关系,利用历史输出功率值对未来进行一步或者多步预测;已有公开的文献采用最小二乘支持向量机建立风电功率预测模型,实现对光伏功率的有效预测;但是,上述公开的技术方案没考虑不同气象条件对光伏出力的影响,导致模型的泛化性能较低。考虑到
4、综上所述,目前国内外在新能源发电功率预测方面取得了一些学术研究成果,但针对分布式新能源发电功率预测研究还较少;针对不同的场景,当前预测方法在模型超参数优化、模型场景自适应方面缺少研究,亟需解决的技术问题包括:1)针对直接采用光伏出力数据进行预测的方案,实际应用很多情况下无法直接获取光伏出力数据,只能先获取净负荷数据再进行分解得到光伏出力数据,现有分解方案是按照机理分析进行分解,分解精度较低;2)光伏出力受天气工况的影响较大,现有单一模型受自身结构的限制,无法实现在不同气象条件下对光伏功率的精准预测。
技术实现思路
1、本专利技术的目的在于提供一种分布式光伏发电功率预测方法、系统、设备及介质,以解决上述存在的一个或多个技术问题。本专利技术提供的技术方案,能够实现不同气象条件下的光伏发电功率预测,且预测的精度较高。
2、为达到上述目的,本专利技术采用以下技术方案:
3、本专利技术第一方面,提供一种分布式光伏发电功率预测方法,包括以下步骤:
4、基于待预测发电功率的分布式光伏发电系统,获取预测时刻的气象观测数据和数值天气预报数据;其中,所述气象观测数据包括太阳总辐照度、散射辐照度和直接辐照度;所述数值天气预报数据包括温度、风速、风向、降水量、云量、相对湿度和大气压强;
5、基于获取的所述数值天气预报数据中的降水量和云量,确定天气类型;根据确定的所述天气类型,选取训练好的预测模型;
6、以获取的预测时刻的所述气象观测数据和所述数值天气预报数据作为输入,利用选取的所述训练好的预测模型进行预测,获得分布式光伏发电功率预测值。
7、本专利技术方法的进一步改进在于,所述训练好的预测模型的训练步骤中,获取训练样本集中每个训练样本的步骤包括:
8、基于所述分布式光伏发电系统,获取样本时刻与光伏发电相关的样本数据;其中,所述样本数据包括净负荷数据、气象观测数据和数值天气预报数据;
9、基于所述净负荷数据,分解获得样本时刻的光伏功率数据;将样本时刻的光伏功率数据、气象观测数据和数值天气预报数据,作为一个用于训练预测的训练样本。
10、本专利技术方法的进一步改进在于,所述基于所述净负荷数据,分解获得样本时刻的光伏功率的步骤具体包括:
11、将待分解的净负荷数据输入训练好的分解模型,获得分解后的光伏功率数据;
12、其中,所述训练好的分解模型的获取步骤包括:
13、采用lstm作为分解模型架构;
14、以样本净负荷数据的时间序列x为输入数据,以对应获取的样本真实光伏功率数据的时间序列yv为标签,以预测光伏功率数据的时间序列ypv为输出数据;根据损失函数lpv,通过反向传播算法训练,达到预设收敛条件得到训练好的分解模型;
15、其中,损失函数lpv的表达式为,lpv=mse(ypv,yv)。
16、本专利技术方法的进一步改进在于,
17、所述天气类型包括:晴、多云、阴、小雪、中雪、大雪、小雨、中雨、雷阵雨、大雨和暴雨;
18、其中,晴、阴的天气类型,对应选取的预测模型为rf预测模型;多云的天气类型,对应选取的预测模型为svr预测模型;小雪、中雪、大雪、小雨、中雨和雷阵雨的天气类型,对应选取的预测模型为lightgbm预测模型;大雨、暴雨的天气类型,对应选取的预测模型为xgboost预测模型。
19、本专利技术第二方面,提供一种分布式光伏发电功率预测系统,包括:
20、数据获取模块,用于基于待预测发电功率的分布式光伏发电系统,获取预测时刻的气象观测数据和数值天气预报数据;其中,所述气象观测数据包括太阳总辐照度、散射辐照度和直接辐照度;所述数值天气预报数据包括温度、风速、风向、降水量、云量、相对湿度和大气压强;
21、模型选取模块,用于基于获取的所述数值天气预报数据中的降水量和云量,确定天气类型;根据确定的所述天气类型,选取训练好的预测模型;
22、预测模块,用于以获取的预测时刻的所述气象观测数据和所述数值天气预报数据作为输入,利用选取的所述训练好的预测模型进行预测,获得分布式光伏发电功率预测值。
23、本专利技术系统的进一步改进在于,所述训练好的预测模型的训练步骤中,获取训练样本集中每个训练样本的步骤包括:
24、基于所述分布式光伏发电系统,获取样本时刻与光伏发电相关的样本数据;其中,所述样本数据包括净负荷数据、气象观测数据和数值天气预报数据;
25、基于所述净负荷数据,分解获得样本时刻的光伏功率数据;将样本时刻的光伏本文档来自技高网...
【技术保护点】
1.一种分布式光伏发电功率预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种分布式光伏发电功率预测方法,其特征在于,所述训练好的预测模型的训练步骤中,获取训练样本集中每个训练样本的步骤包括:
3.根据权利要求2所述的一种分布式光伏发电功率预测方法,其特征在于,所述基于所述净负荷数据,分解获得样本时刻的光伏功率的步骤具体包括:
4.根据权利要求1所述的一种分布式光伏发电功率预测方法,其特征在于,
5.一种分布式光伏发电功率预测系统,其特征在于,包括:
6.根据权利要求5所述的一种分布式光伏发电功率预测系统,其特征在于,所述训练好的预测模型的训练步骤中,获取训练样本集中每个训练样本的步骤包括:
7.根据权利要求6所述的一种分布式光伏发电功率预测系统,其特征在于,所述基于所述净负荷数据,分解获得样本时刻的光伏功率的步骤具体包括:
8.根据权利要求5所述的一种分布式光伏发电功率预测系统,其特征在于,
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质
...【技术特征摘要】
1.一种分布式光伏发电功率预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种分布式光伏发电功率预测方法,其特征在于,所述训练好的预测模型的训练步骤中,获取训练样本集中每个训练样本的步骤包括:
3.根据权利要求2所述的一种分布式光伏发电功率预测方法,其特征在于,所述基于所述净负荷数据,分解获得样本时刻的光伏功率的步骤具体包括:
4.根据权利要求1所述的一种分布式光伏发电功率预测方法,其特征在于,
5.一种分布式光伏发电功率预测系统,其特征在于,包括:
6.根据权利要求5所述的一种...
【专利技术属性】
技术研发人员:王晓辉,郭鹏天,高毅,卢毓东,景超,赵如意,
申请(专利权)人:国家电网有限公司,
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。