一種光伏輸出功率超短期預測方法
【技術領域】
[0001]本發明涉及電力系統分析技術領域，尤其涉及一種新能源電力系統分析技術。
【背景技術】
[0002] 能源和環境問題促使以光伏為代表的清潔能源獲得了廣泛關注。由于光照和光伏 發電的自身特性，使得光伏發電呈現波動性和間歇性的特點。光伏大規模并網后會對電網 的安全、經濟和可靠運行產生多方面影響，因此必須獲得光伏出力的超短期預測數值，從而 調節常規電源實時出力曲線，達到優化調度。
[0003] 但是，現有技術中，對于光伏出力超短期預測的技術方案較少，技術效果也具有較 大局限，例如使用統計學原理的模型精度較低。造成此結果的一個原因是光伏輸出功率具 有強烈的隨機波動特性，規律難以把握。
【發明內容】
[0004] 鑒于此，本發明的目的在于克服現有技術的缺點，提出一種光伏輸出功率超短期 預測方法，首先使用經驗模態分解法對光伏出力歷史序列進行平穩化預處理，使得序列規 律更容易被學習，然后使用具有良好回歸特性的最小二乘支持向量機進行預測，從而獲得 更高預測精度。
[0005] 為了實現此目的，本發明采取的技術方案為如下。
[0006] -種光伏輸出功率超短期預測方法，包括下述步驟：
[0007] A、使用經驗模態分解法對光伏輸出功率歷史數據進行分解，得到本征模函數和剩 余分量；
[0008] B、對所有本征模函數和剩余分量分別建立最小二乘支持向量機預測模型，進行光 伏輸出功率超短期預測，得到預測值；
[0009] C、將步驟B最后所得所有預測值相加，得到最終預測結果。
[0010] 步驟A中使用經驗模態分解法進行分解包括：
[0011] A1、識別光伏輸出功率歷史數據序列x(t)中所有極大值點并使用三次樣條插值法 擬合，得到上包絡線eup(t)，
[0012] A2、識別光伏輸出功率歷史數據序列x(t)中所有極小值點并使用三次樣條插值法 擬合，得到下包絡線elOT(t)，
[0013]
計算均值包絡線即上下包絡線的平均值nu(t)，
[0014] A4、根據hKOzxUhnuU)計算luU)，判斷luU)是否滿足篩分終止條件，若滿 足，則lu(t)為第一個本征模函數，記為(^(0=^(0,若lu(t)不滿足篩分終止條件，則將lu (t)視為新的序列x(t)，從步驟A1開始重新篩分，直到選出滿足篩分終止條件的本征模函 數，記為ci(t)=hi(t)，
[0015] A5、根據ri(t) = x(t)-ci(t)計算ri(t)，若ri(t)極值點數目大于等于2個，則將η (t)作為新的序列x(t)，從步驟A1開始重新篩分，若n(t)極值點數目不足2個，則停止分解， n(t)作為剩余分量予以保留，
[0016]最終，光伏輸出功率歷史數據序列被分解為本征模函數和剩余分量，表示如下：
[0018] 其中Cl(t)為第i個本征模函數，rN(t)為剩余分量。
[0019] 步驟B所述的最小二乘支持向量機預測模型，它的回歸方式為：
[0021] 其中：/⑷為模型輸出的出力預測值，ω為權向量，外?)為映射函數，i為訓練樣 本和測試樣本，b為偏置，最小二乘支持向量機中使用徑向基核函數，共包含兩個未知參數 需要進行尋優:正則化參數γ和平方帶寬σ 2;
[0022] 使用遺傳方法，得到γ和σ2的最佳取值。
[0023]其中，所述篩分終止條件為：
[0024]設此時進行第k次篩分，則當σ小于給定數值，篩分終止：
[0026]其中hak-Wt)和hak)⑴是兩個連續篩分的結果序列，η為光伏輸出功率歷史數 據序列x(t)樣本點個數，
[0027] 〇max 取值為0.1。
[0028] 通過采用本發明的光伏輸出功率超短期預測方法，能夠獲得以下有益技術效果： 首先采用經驗模態分解法對光伏出力歷史序列進行預處理，降低其波動性和隨機性，使其 分量變得更平穩更容易被學習。然后使用最小二乘支持向量機模型作為主體預測模型，充 分利用了支持向量機良好的回歸特性、小樣本適用性、不易陷入局部最優特性、計算速度快 特性等。以上特性使本發明所提模型適宜應用于光伏超短期預測領域，并且實際算例證明， 該模型具有較高精度以及相對其他模型而言的較大優勢。
【附圖說明】
[0029] 圖1為本發明【具體實施方式】中光伏輸出功率超短期預測方法的流程示意圖。
[0030] 圖2為本發明【具體實施方式】中光伏出力樣本數據經經驗模態分解后的結果示意 圖。
[0031] 圖3本發明【具體實施方式】中EMD-LSSVM-GA法預測結果示意圖。
[0032]圖4本發明【具體實施方式】中LSSVM-GA法預測結果示意圖。
【具體實施方式】
[0033] 下面結合附圖，對本發明作詳細說明。
[0034] 以下公開詳細的示范實施例。然而，此處公開的具體結構和功能細節僅僅是出于 描述示范實施例的目的。
[0035]然而，應該理解，本發明不局限于公開的具體示范實施例，而是覆蓋落入本公開范 圍內的所有修改、等同物和替換物。在對全部附圖的描述中，相同的附圖標記表示相同的元 件。
[0036]同時應該理解，如在此所用的術語"和/或"包括一個或多個相關的列出項的任意 和所有組合。另外應該理解，當部件或單元被稱為"連接"或"耦接"到另一部件或單元時，它 可以直接連接或耦接到其他部件或單元，或者也可以存在中間部件或單元。此外，用來描述 部件或單元之間關系的其他詞語應該按照相同的方式理解(例如，"之間"對"直接之間"、 "相鄰"對"直接相鄰"等）。
[0037] 如圖1所示，本發明【具體實施方式】中公開了一種光伏輸出功率超短期預測方法，它 包括下述步驟：
[0038] 使用經驗模態分解法對光伏輸出功率歷史數據進行分解，得到本征模函數和剩余 分量；
[0039] B、對所有本征模函數和剩余分量分別建立最小二乘支持向量機預測模型，進行光 伏輸出功率超短期預測，得到預測值；
[0040] C、將步驟B最后所得所有預測值相加，得到最終預測結果。
[0041] 因此，本發明的光伏輸出功率超短期預測方法首先采用經驗模態分解法對光伏出 力歷史序列進行預處理，降低其波動性和隨機性，使其分量變得更平穩更容易被學習。然后 使用最小二乘支持向量機模型作為主體預測模型，充分利用了支持向量機良好的回歸特 性、小樣本適用性、不易陷入局部最優特性、計算速度快特性等。
[0042] 特別地，在【具體實施方式】中，步驟A中使用經驗模態分解法進行分解包括：
[0043] A1、識別光伏輸出功率歷史數據序列x(t)中所有極大值點并使用三次樣條插值法 擬合，得到上包絡線eup(t)，
[0044] A2、識別光伏輸出功率歷史數據序列x(t)中所有極小值點并使用三次樣條插值法 擬合，得到下包絡線elOT(t)，
[0045]
計算均值包絡線即上下包絡線的平均值nu(t)，
[0046] A4、根據hi (t) = x(t)-mi (t)計算hi (t)，判斷hi (t)是否滿足篩分終止條件，若滿 足，則hKt)為第一個本征模函數，記為(^(0=^(0,若hKt)不滿足篩分終止條件，則將In (t)視為新的序列x(t)，從步驟A1開始重新篩分，直到選出滿足篩分終止條件的本征模函 數，記為ci(t)=hi(t)，
[0047] A5、根據ri(t) = x(t)_ci(t)計算