一種光伏電站超短時功率預測修正方法
【技術領域】
[0001] 本發明設及一種光伏電站的功率預測修正方法。
【背景技術】
[0002] 大規模光伏并網發電是充分利用太陽能的一種有效方式。但是，光伏發電系統大 規模接入電網，會給電網可靠、穩定運行帶來諸多問題，給電網調度增加困難，影響電網的 傳統開機方式和調度方式。對光伏發電系統進行功率預測，對于光伏發電系統的投資規劃 及優化設計等有重要的作用。尤其是超短期功率預測，有助于判斷光伏發電系統輸出功率 的變化趨勢，進而降低光伏發電系統輸出功率波動性對電力系統的影響，減少電網調度計 劃安排的偏差，進一步提高電力系統運行安全性和經濟性。
[0003] 由于光伏發電受太陽福射強度、溫度、濕度和云量等多因素影響，具有很強的隨機 性，光伏發電系統輸出功率預測難度很大。目前采用的方法有神經網絡模型法和支持向量 機（SVM)模型法，神經網絡模型法是根據歷史功率數據和簡單日模型估計，建立基于神經 網絡模型的光伏發電功率預測系統，W預測光伏發電系統每小時的輸出功率，而支持向量 機（SVM)模型法是根據歷史功率數據和簡單日模型估計，建立基于支持向量機（SVM)模型 的光伏發電功率預測系統，W預測光伏發電系統每小時的輸出功率，W上預測方法均為超 短期光伏功率預測。存在的問題是，W上功率預測方法采用的日模型均為簡單日模型，比 如日模型僅僅簡單地分為幾種類型，并沒有對各種有效的氣象因素對光伏發電系統的發電 功率的影響進行全面的考察，所建立的功率預測模型在多種氣象條件下的有效性還有待驗 證。特別地，運幾種方法得到的光伏電站預測功率對預測日的氣象各要素的實時變化信息 處理不夠，例如對多云、暴雨等突發天氣很難實現超短時的精確預測。此外，電網調度部口 對功率預測的時間分辨率要求為15min，W上功率預測模型W及預測時間尺度不能滿足電 網調度的實際要求。
【發明內容】
[0004] 為了解決現有技術中的上述不足，本發明提供一種光伏電站超短時功率預測修正 方法，引入了溫度變化量、福照度變化量、W及濕度變化量運些氣象參數用來衡量實時天氣 變化，對原有功率預測模型的光伏電站預測功率值加 W修正，W提高光伏電站超短時功率 預測的準確性。 陽〇化]為了解決上述技術問題，本發明采用W下的技術方案：
[0006] 一種光伏電站超短時功率預測修正方法，包括W下步驟：
[0007] 步驟一，對光伏電站歷史數據按月建立4種日類型集合；
[0008] 光伏電站歷史數據按月建立4種日類型集合，其具體實施方法為同周期歷史 氣象參數及光伏發電功率為主要參數依據，按月建立數據集合，每月同日類型的光伏電站 的氣象變化和發電功率具有相似性；
[0009] 4種日類型集合為A、B、C、D四種，其中A類日類型為晴、晴間多云、多云間晴天氣， B類日類型為陰、陰間多云、多云、多云間陰、霧天氣，C類日類型為雨夾雪、小雨、凍雨、小至U 中雨、陣雪、小雪、小到中雪陣雨、雷陣雨、雷陣雨伴有冰富天氣，D類日類型為特大暴雨、中 雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙塵暴、 中到大雨、大到暴雨、雷雨到大暴雨天氣；
[0010] 步驟二，每數據集合選取每周6個工作日的光伏電站歷史數據，共建立每月24組 工作日數據，其中每組工作日的光伏電站歷史數據至少包括溫度T、濕度S、福照度F、光伏 電站實測功率P。、W及功率預測系統的光伏電站預測功率Py,每組工作日的光伏電站歷史 數據從早晨6點到下午6點之間采集，光伏電站歷史數據的采集分辨率為15分鐘；
[0011] 步驟=，計算每個工作日連續兩采集點之間的溫度變化值ATw、濕度變化值ASw、 福照度變化值A Fw、W及當前采集點的光伏電站實測功率與預測功率差值APw;
[0012] 其實現方法為： 陽01引 A Tn= T N I-Tn 2;
[0014] A Sn= S N I-Sn 2;
[001 引 A Fn= F N I-Fn 2;
[0016] APn= Pc, N-Py, N;
[0017] N點是未來的時間點，N-I和N-2是已經發生的時間點，我們運里用前面兩個時間 點的溫度、濕度、福照度的變化規律來衡量未來時間點的變化規律；
[0018] 其中A Tw為工作日第N個采集點的溫度變化值，A S W為工作日第N個采集點的濕 度變化值，AFw為工作日第N個采集點的福照度變化值，APw為工作日第N個采集點的實 測功率與預測功率差值，P。^為工作日第N個采集點的光伏電站實測功率，Py,W為工作日第 N個采集點的光伏電站預測功率，N為工作日的第N個采集點，早晨6點為第一個采集點，此 時N為1，下午6點為最后一個采集點，此時N為48,每個工作日連續兩采集點之間的溫度 變化值A町、濕度變化值A或、福照度變化值A Fw均為46個；
[0019] 步驟四，按月計算每數據集合連續兩采集點的溫度影響系數Ktw、濕度影響系數 KSn、福照度影響系數KfN;
[0020] 第N個采集點的光伏電站實測功率與預測功率差值A Pw為：
[0021] -二 ?投AW + ASy "?短紙乂十么/^一的'義^成 陽02引對于光伏電站的歷史發電數據，上述A Pw的算式存在3個未知數，即Ktw,M、Ksw,m、 Kfw,M，需要3組數據可W求出Ktw m、Ksw M、Kfw,M，但在數據集合中對應某種日類型存在6組工 作日數據，故可W得到
種解，具體來說，對于溫度影響系數Ktw,具有Ktw,e 個解，B是1到20的數，對于濕度影響系數Ksw，具有Ksw,e個解，B是1到20的數，對于福照 度影響系數Kfw,具有個解，B是1到20的數；于是，
[0023] 某日類型下的第N采集點的溫度影響系數Ktw為：
[0025] 某日類型下的第N采集點的濕度影響系數Ksw為：
[0027] 某日類型下的第N采集點的福照度影響系數Kfw為：
[0029] 步驟五，對光伏電站預測功率進行修正，其方法為：
[0030] Px,N= P y,N+ A Tn ? KtN+ A Sn ? KSn+ A Fn ? KfN;
[0031] 其中，Px,W為工作日第N個采集點的光伏電站預測功率修正值，Py,W為工作日第N 個采集點的光伏電站預測功率，ATN、KtN、ASn、Ksn、AFN、KfN同上；
[0032] 上述求解某月某種日類型的超短時功率預測修正方法，按其同樣方法可W應用于 某月其它3種日類型的超短時功率預測修正方法，也同理可W應用于其它月的4種不同日 類型超短時功率預測修正方法。
[0033] 本發明的有益效果是：提供一種光伏電站超短時功率預測修正方法，引入了溫度 變化量、福照度變化量、W及濕度變化量運些氣象參數用來衡量實時天氣變化，也即把時時 的氣象變化因素考慮進來，才能有效了解當前具體的溫度、福照度、濕度的變化情況，來準 確分析當前的氣象變化規律，通過當前的氣象變化規律更加準確地糾正下一個時間點的功 率預測結果，該功率修正方法可W更加準確地衡量某種日類型下天氣變化對光伏電站發電 功率的影響，從而對原有功率預測模型的光伏電站預測功率加 W修正，W提高光伏電站超 短時功率預測的準確性。
【附圖說明】
[0034] 圖1為本發明一種光伏電站超短時功率預測修正方法的步驟圖；
[0035] 圖2為采用本發明得到的光伏電站預測功率修正值曲線圖W及光伏電站實測功 率曲線圖；
[0036] 圖3為本發明的溫度、濕度、福照度的日變化曲線圖；
[0037] 附圖標記說明：1-光伏電站預測功率修正值曲線，2-光伏電站實測功率曲線； 3-溫度日變化曲線；4-濕度日變化曲線；5-福照度變化曲線。
【具體實施方式】
[0038] 下面結合附圖與實施例對本發明作進一步詳細描述：
[0039] 如圖1所示，一種光伏電站超短時功率預測修正方法，包括W下步驟：
[0040] 步驟一，對光伏電站歷史數據按月建立4種日類型集合；
[0041] 光伏電站歷史數據按月建立4種日類型集合，其具體實施方法為同周期歷史 氣象參數及光伏發電功率為主要參數依據，按月建立數據集合，每月（同周期）同日類型 (例如晴天）的光伏電站的氣象變化和發電功率具有相似性；
[0042] 4種日類型集合為A、B、C、D四種，其中A類日類型為晴、晴間多云、多云間晴天氣， B類日類型為陰、陰間多云、多云、多云間陰、霧天氣，C類日類型為雨夾雪、小雨、凍雨、小至U 中雨、陣雪、小雪、小到中雪陣雨、雷陣雨、雷陣雨伴有冰富天氣，D類日類型為特大暴雨、中 雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙塵暴、 中到大雨、大到暴雨、雷雨到大暴雨天氣；
[0043] 步驟二，每數據集合選取每周6個工作日的光伏電站歷史數據，共建立每月24組 工作日數據，其中每組工作日的光伏電站歷史數據至少包括溫度T、濕度S、福照度F、光伏 電站實測功率P。、W及功率預測系統的光伏電站預測功率Py,每組工作日的光伏電站歷史 數據從早晨6點到下午6點之間采集，光伏電站歷史數據的采集分辨率為15分鐘； W