一種基于季節分區的光伏功率預測方法
【技術領域】
[0001] 本發明屬于功率預測領域，尤其是涉及一種基于季節分區的光伏功率預測方法。
【背景技術】
[0002] 現有的功率預測模型是根據電站的歷史有效數據建立的功率與太陽輻照度、溫度 之間的對應關系，然后基于此對應關系和未來一段時間內的數值天氣預報信息，得到未來 一段時間內的預測功率。從光伏發電機理和光伏發電系統的組成結構中，可以看出，光伏電 站的輸出功率將受到太陽輻照度和溫度等因素的影響，而地球的公轉規律會導致太陽輻照 度和溫度在中國大部分地域呈現季節性規律，若不考慮季節的因素，建立的模型的通用性 及泛化性較差，影響電站的預測精度。
[0003] 另一方面，光伏電站最近一段時間內的發電狀態及天氣信息將會對未來一段時間 內的預測功率造成影響，所以，將最近兩周的實發功率和實際太陽輻照度數據加入到功率 預測模型中，實時修正預測偏差，可以達到使預測更加接近實發的目標，從而提高預測精 度。
【發明內容】
[0004] 有鑒于此，本發明旨在提出一種基于季節分區的光伏功率預測方法，以提高功率 預測的準確性。
[0005] 為達到上述目的，本發明的技術方案是這樣實現的：
[0006] -種基于季節分區的光伏功率預測方法，包括
[0007] S1.收集光電站的歷史太陽輻照度數據、功率數據；
[0008] S2.對所述步驟S1中收集到的太陽輻照度數據、功率數據按照季節進行分類；
[0009] S3.將所述步驟S2分類后的每一季節的太陽輻照度數據、功率數據進行數據預處 理，并使用預處理之后的數據建立支持向量回歸模型，得到功率與太陽輻照度之間的對應 關系；
[0010] S4.根據預測日所屬季節類型，確定進行功率預測需要使用的回歸模型，可以由預 測日的預測太陽輻照度數據得到預測日的預測功率 yi;
[0011] S5.針對預測日之前一個時間段的數據，建立最小二乘模型，得到最近一段時間內 功率與太陽輻照度之間的對應關系，從而得到預測日的預測功率 y2;
[0012] S6.計算預測功率y。
[0013] 進一步的，所述步驟S3包括
[0014] S31.將所述步驟S2分類后的每一季節的太陽輻照度數據、功率數據進行數據預處 理；
[0015] S32.使用預處理之后的數據建立支持向量回歸模型，得到功率與太陽輻照度之間 的對應關系。
[0016] 進一步的，所述步驟S31中的數據預處理操作為使用聚類分析方法剔除異常數據 點。
[0017] 進一步的，所述步驟S31包括
[0018] S311.對每一太陽輻照度X，總有一功率Y與其對應，設其形成的樣本集為(X，Y)。輸 入樣本集(X，Y)，輸入指定聚類類數N，并在樣本集中隨機選取N個對象作為初始聚類中心。 設定迭代中止條件，比如最大循環次數或者聚類中心收斂誤差容限。
[0019] S312.進行迭代。根據相似度準則將數據對象分配到最接近的聚類中心，從而形成 一類。初始化隸屬度矩陣。
[0020] S313.更新聚類中心。然后以每一類的平均向量作為新的聚類中心，重新分配數據 對象。
[0021] S314.反復執行步驟S312和步驟S313直至滿足中止條件。
[0022]進一步的，所述步驟S5中時間段為兩周。
[0023]進一步的，所述步驟S6包括設預測日的預測功率值為y，設y = ayi+(l-a)y2,其中 yi，y2分別為使用支持向量回歸模型和最小二乘模型得到的預測功率。
[0024] 進一步的，所述步驟S6中，a為未知參數，是使得預測日之前一周的預測功率和實 際功率的誤差平方和達到最小時的取值。
[0025] 相對于現有技術，本發明所述的基于季節分區的光伏功率預測方法具有以下優 勢：
[0026] 本發明所述的基于季節分區的光伏功率預測方法建立的模型的通用性及泛化性 較好，能夠提高電場的預測精度，將最近兩周的實發數據加入到功率預測模型中，可以修正 每一季節的預測模型，使預測更加接近實發，從而提高預測精度。
【附圖說明】
[0027] 構成本發明的一部分的附圖用來提供對本發明的進一步理解，本發明的示意性實 施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：
[0028] 圖1為本發明實施例所述的基于季節分區的光伏功率預測方法流程圖；
[0029] 圖2為本發明實施例所述的基于季節分區的光伏功率預測方法步驟3的流程圖。
【具體實施方式】
[0030] 需要說明的是，在不沖突的情況下，本發明中的實施例及實施例中的特征可以相 互組合。
[0031] 在本發明的描述中，需要理解的是，術語"中心"、"縱向"、"橫向"、"上"、"下"、 "前"、"后"、"左"、"右"、"豎直"、"水平"、"頂"、"底"、"內"、"外"等指示的方位或位置關系為 基于附圖所示的方位或位置關系，僅是為了便于描述本發明和簡化描述，而不是指示或暗 示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對 本發明的限制。此外，術語"第一"、"第二"等僅用于描述目的，而不能理解為指示或暗示相 對重要性或者隱含指明所指示的技術特征的數量。由此，限定有"第一"、"第二"等的特征可 以明示或者隱含地包括一個或者更多個該特征。在本發明的描述中，除非另有說明，"多個" 的含義是兩個或兩個以上。
[0032] 在本發明的描述中，需要說明的是，除非另有明確的規定和限定，術語"安裝"、"相 連"、"連接"應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接;可 以是機械連接，也可以是電連接;可以是直接相連，也可以通過中間媒介間接相連，可以是 兩個元件內部的連通。對于本領域的普通技術人員而言，可以通過具體情況理解上述術語 在本發明中的具體含義。
[0033] 下面將參考附圖并結合實施例來詳細說明本發明。
[0034] 如圖1所示，一種基于季節分區的光伏功率預測方法，包括
[0035] S1.收集光電站的歷史太陽輻照度數據、功率數據；
[0036] S2.對所述步驟S1中收集到的太陽輻照度數據、功率數據按照季節進行分類；由于 光伏電站的輸出功率受到太陽輻照度和溫度等因素的影響，而地球公轉規律會導致太陽輻 照度和溫度在中國大部分地域呈現季節性規律，所以本發明按季節建立功率預測模型。
[0037] S3.將所述步驟S2分類后的每一季節的太陽輻照度數據、功率數據進行數據預處 理，并使用預處理之后的數據建立支持向量回歸模型，得到功率與太陽輻照度之間的對應 關系；以季節為單位，對每一季節的數據進行預處理操作。
[0038] S4.根據預測日所屬季節類型，確定進行功率預測需要使用的回歸模型，可以由預 測日的預測太陽輻照度數據得到預測日的預測功率 yi;
[0039] S5.針對預測日之前一個時間段的數據，進行數據預處理，并建立最小二乘模型， 得到最近一段時間內功率與太陽輻照度之間的對應關系，然后根據預測日的預測太陽輻照 度數據得到預測日的預測功率y 2。
[0040] S6.計算預測功率y。
[0041] 進一步的，所述步驟S3包括
[0042] S31.將所述步驟S2分類后的每一季節的太陽輻照度數據、功率數據進行數據預處 理；
[0043] S32.使用預處理之后的數據建立支持向量回歸模型，得到功率與太陽輻照度之間 的對應關系。
[0044] 所述步驟S31中的數據預處理操作為使用聚類分析方法剔除異常數據點。
[0045] 所述步驟S31包括
[0046] 如圖2所示，S311.對每一太陽輻照度X，總有一功率Y與其對應，設其形成的樣本集 為(X，Y)。輸入樣本集(X，Y)，輸入指定聚類類數N，并在樣本集中隨機選取N個對象作為初始 聚類中心。設定迭代中止條件，比如最大循環次數或者聚類中心收斂誤差容限。
[0047] S312.進行迭代。根據相似度準則將數據對象分配到最接近的聚類中心，從而形成 一類。初始化隸屬度矩陣。
[0048] S313.更新聚類中心。然后以每一類的平均向量作為新的聚類中心，重新分配數據 對象。
[0049] S314.反復執行步驟S312和步驟S313直至滿足中止條件。
[0050] 這是聚類算法中最簡單的一種，其目的在于使各個樣本與所在類均值的誤差平方 和達到最小。
[0051] 所述步驟S5中時間段為兩周。