【技术实现步骤摘要】
本专利技术涉及一种基于天气分类的短期光伏功率预测方法，属于光伏发电。
技术介绍
1、随着全球光伏发电累计装机容量的不断增加，其随机性、波动性和不确定性是电力整合面临的关键挑战之一。光伏发电的短期预测对电力系统的供需平衡具有独特的帮助，能够降低经济成本和可靠性风险。
2、目前，光伏发电短期预测有物理方法、统计方法、机器学习方法三种。物理方法采用光伏组件运行方程、太阳辐射传递方程等物理方程对光伏功率进行预测，物理方法需要气象数据、太阳辐照度、组件参数和光伏电站的地理位置，物理方法计算云运动位移向量，建立了基于图像相移不变性的超短期光伏发电功率预测模型，但该模型的抗干扰能力较差，在一些异常天气条件下的预报效果并不理想。统计方法利用大量历史数据，运用时间序列分解等统计技术将待预测的功率与相关历史数据联系起来，以统计学的角度分析数据，得出光伏输出的概率预测结果，然而，光伏产量受到多种因素影响，因此仅仅从历史数据的角度进行分析可能导致实际预测精度较低。机器学习方法已成为目前光伏产量预测的主流方法，它利用机器学习技术从气象数据和历史光伏输...
【技术保护点】
1.一种基于天气分类的短期光伏功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于天气分类的短期光伏功率预测方法，其特征在于，所述气象变量包括太阳短波辐射、太阳长波辐射、温度、地表压力、降水、地表风速、地表风向、环境湿度、太阳辐射量、太阳仰角和太阳方位角；
3.根据权利要求1所述的一种基于天气分类的短期光伏功率预测方法，其特征在于，所述步骤S2将关键特征组合成为向量进行多指标的FCM聚类分析时，先采用最大最小归一化法对历史光伏输出功率和筛选的关键特征进行归一化处理；
4.根据权利要求1所述的一种基于天气分类的短...
【技术特征摘要】
1.一种基于天气分类的短期光伏功率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于天气分类的短期光伏功率预测方法，其特征在于，所述气象变量包括太阳短波辐射、太阳长波辐射、温度、地表压力、降水、地表风速、地表风向、环境湿度、太阳辐射量、太阳仰角和太阳方位角；
3.根据权利要求1所述的一种基于天气分类的短期光伏功率预测方法，其特征在于，所述步骤s2将关键特征组合成为向量进行多指标的fcm聚类分析时，先采用最大最小归一化法对历史光伏输出功率和筛选的关键特征进行归一化处理；
4.根据权利要求1所述的一种基于天气分类的短期光伏功率预测方法，其特征在于，所述步骤s2中，在fcm方法中，将由n个关键特征组成的n维度向量λi划分为c个模糊数据组，并确定每个组的聚类中心，通过损失函数描述从每个向量到聚类中心的欧式距离，通过不...
【专利技术属性】
技术研发人员：徐敦彬，黄涛，肖学权，张潇，滕松，周峰，苏岭东，王一清，许浩，王章杰，
申请(专利权)人：国网江苏省电力有限公司徐州供电分公司，
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。