一种基于马尔可夫链的改进光伏功率序列预测方法
【技术领域】
[0001] 本发明是一种光伏功率预测方法，属于新能源光伏预测技术领域。
【背景技术】
[0002] 光伏发电技术的快速发展促进了光伏电站的大型化与并网化。由于光伏发电的 随机性和波动性，使得大规模光伏并网对电网的电能质量及稳定性与可靠性产生了不利影 响。目前光伏出力的研究方法主要有人工神经网络、最小二乘向量机、组合方法等。研究光 伏发电功率的特性，进而生成其模拟序列对于评估光伏并网对于电网的影响及电网的调度 规划具有极其重要的意义。
[0003] 模拟序列相较于历史序列具有以下优点：（1)历史序列中极可能出现数据缺失与 数据错误的现象，利用这种历史数据进行评估结果会有偏差（2)由于国内光伏产业起步较 晚，对部分地区光伏出力历史数据较少，数据长度对于评估需求不够，而利用模拟序列则可 以产生任意长度的数据序列，对评估较方便（3)模拟序列是经过特性提取研究后产生的能 够体现光伏出力特性的数据，故对于并网评估其结果具有可信性。
[0004] 现有研究中光伏功率模拟的建模方法一般分为两类。第一类是首先根据辐照历史 数据基于统计方法建立辐照强度的模型，然后根据光伏阵列的能量转化关系，利用辐照强 度得到光伏功率模拟数据。由于光伏阵列的能量转化受到温度，光伏电池的化学成分等多 种因素的影响，而这类方法难以综合全面考虑这些因素，会导致数据结果不准确。同时用概 率统计模型建模很难考虑到生成序列的时序性。第二类方法为不计辐照强度到光伏功率的 转化过程，直接利用光伏出力历史数据模拟生成光伏出力数据。该类方法省去光电转化过 程，无需考虑转化过程的多种因素提高了数据准确性，同时简化了建模过程。
【发明内容】
[0005] 为解决现有技术的不足，本发明的目的在于提供一种基于马尔可夫链的改进光伏 功率序列预测方法，以原始一阶马尔科夫链方法为基础，考虑光伏发电功率的季节特性，时 段特性，天气特性生成多个状态转移矩阵，经过特性判别选择相应矩阵生成目标时刻状态 量，考虑差分特性叠加差分量，从而建立光伏功率预测的改进马尔可夫链模型。
[0006] 为了实现上述目标，本发明采用如下的技术方案：
[0007] -种基于马尔可夫链的改进光伏功率序列预测方法，其特征是，包括如下步骤：
[0008] 1)对历史光伏功率数据作数据预处理，剔除错误数据，对缺失数据用前后时间点 平均值代替，形成用于预测的样本数据集S ;
[0009] 2)根据样本数据资料按照季节、时段、天气特性分类样本数据；将样本数据分类 为三十二个数据集（S 1, S2,…S3J ;
[0010] 3)对步骤2)中的数据集进行状态分类，然后分别建立马尔可夫状态转移矩阵P， 计算累积状态转移矩阵Q ;
[0011] 4)假设当前时刻为t，当前的出力状态为Pt，光伏出力数值为CIt，所在季节 为Yt，时段为Qt，天气状态为Et，波动量为ft;依据当前的γ t，0t，et，选定相应的 状态转移矩阵，其元素为Ριγ并计算相应的累积状态转移矩阵，其元素为 %:，/ =馬=1典，丨， ，.
[0012] 5)设光伏出力下一时刻状态为i3t+1;生成服从均匀分布的随机数μ t，并判断μ t 的取值范围；若!，则 Pt+1= 1，若 ，则 i3t+1=m+l ;
[0013] 6)抽样确定波动量σ t，在当前出力数值a t之上叠加波动量σ t得到η，判断η 是否在步骤5)中所得i3t+1所对应的出力取值范围内；若是，则下一时刻出力值a t+1= q， 否则重新生成波动量进行判断；如若t不是该时段的结束时刻，则et+1= ε t，否则根据天 气状态转移矩阵进行天气状态的选择后再进行上述步骤。
[0014] 前述的一种基于马尔可夫链的改进光伏功率序列预测方法，其特征是，所述步骤 2)中季节特性按照四季划分，时段特性分为上午与下午时段，天气特性分为大雨、雨、多云 与晴四种类型。
[0015] 本发明所达到的有益效果：在马尔科夫链模型中考虑光伏出力天气特性，并利用 天气状态转移矩阵描述天气状态变化；将波动特性加入到光伏出力状态到光伏出力数值的 计算过程中，体现光伏特性；考虑光伏发电功率的季节特性、日特性和天气特性生成多个状 态转移矩阵，经过气候特性和时间属性判别选择相应矩阵，生成目标时刻状态量。
【具体实施方式】
[0016] 下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方 案，而不能以此来限制本发明的保护范围。
[0017] 本发明涉及一种基于马尔可夫链的光伏功率预测方法，具体包括如下步骤：
[0018] 步骤1)对历史光伏功率数据作数据预处理，剔除其错误数据，对缺失数据用前后 时间点平均值代替，形成用于预测的样本数据集S。
[0019] 其具体实替代数据计算公式是：
[0020]
,其中dt为缺失功率数据，d t i与d t+1分别为确实数据前一时刻 与后一时刻光伏功率值。
[0021] 步骤2)根据样本数据历史资料按照季节、时段、天气特性分类样本数据。季节特 性即为一年四季，时段特性分为上午与下午时段，天气特性分为大雨、雨、多云与晴四种类 型，将样本数据分类为三十二个数据集{ Sl，S2，…S3J。其中晴日记为F，多云日记为C，阵雨 日记为S，大雨日记为R。天气类型之间转换可用概率转移矩阵P w来表示，其为一 4X4的 方阵，w表示天气类型，w e {F，C，S，R}。
[0022] υ?Ν 丄丄oduou λ -/·?·? o/ ^
[0023] 其中的元素 P (FIF)表示前日为晴日的情况下，本日也为晴日的条件概率，其他元 素的含义以此类推，根据天气状态转移矩阵进行天气特性判断。
[0024] 步骤3)对数据集进行状态分类，然后分别建立马尔可夫状态转移矩阵，计算累积 状态转移矩阵。
[0025] 马尔可夫链状态转移矩阵由不同状态间的转移概率所组成的矩阵称为状态转移 矩阵P，其是各行之和为1的NXN的方阵。
[0026]
[0027] 该矩阵在状态转移过程中保持不变。
[0028] 针对于光伏出力的马尔科夫过程，其元素可由下式进行估计：
1?表示状态i经过一步转移到状态j的频数，X t 与xt+1分别表示t和t+Ι时刻的状态，i与j是状态空间中的元素。
[0029] 累计状态转移矩阵Q则是基于状态转移矩阵计算的。
[0030]
[0031] 步骤4)假设当前时刻为t，当前的出力状态为Pt，光伏出力数值为at，所在月份 为y t，时段为Qt，天气状态为et，波动量为ft。
[0032] 依据当前的yt，0t，et，选定相应的状态转移矩阵其元素为P i j，并计算 相应的累积状态转移矩阵，其中元素为屯,。
[0033] 步骤5)设光伏出力下一时刻状态为i3t+1。生成服从均匀分布的随机数μ t，并判 断μ t的取值范围，若〈々,i，则β t+1= 1，若<和，1，则β t+1= m+1。
[0034] 步骤6)抽样确定波动量σ t，在当前出力数值a t之上叠加波动量得到q，判断q 是否在Pt+1的取值范围内，若是则下一时刻出力值a t+1= η，否则重新生成波动量再进行 判断。如若t不是该时段的起始时刻，则et+1= ε t，否则根据天气状态转移矩阵进行天气 状态的选择后再进行上述步骤。
[0035] 本发明在马尔科夫链模型中考虑光伏出力天气特性，并利用天气状态转移矩阵描 述天气状态变化；将波动特性加入到光伏出力状态到光伏出力数值的计算过程中，体现光 伏特性；考虑光伏发电功率的季节特性、日特性和天气特性生成多个状态转移矩阵，经过气 候特性和时间属性判别选择相应矩阵，生成目标时刻状态量。
[0036] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形 也应视为本发明的保护范围。
【主权项】
1. 一种基于马尔可夫链的改进光伏功率序列预测方法，其特征是，包括如下步骤： 1) 对历史光伏功率数据作数据预处理，剔除错误数据，对缺失数据用前后时间点平均 值代替，形成用于预测的样本数据集S ; 2) 根据样本数据资料按照季节、时段、天气特性分类样本数据；将样本数据分类为 三十二个数据集（S1, S2,…S3J ; 3) 对步骤2)中的数据集进行状态分类，然后分别建立马尔可夫状态转移矩阵P，计算 累积状态转移矩阵Q ; 4) 假设当前时刻为t，当前的出力状态为Pt，光伏出力数值为at，所在季节为Yt，时 段为0，天气状态为e t，波动量为ft;依据当前的y t，爲，et，选定相应的状态转移矩阵 尺，其元素为P1, i，并计算相应的累积状态转移矩阵込,…,，其元素为仏.； 5) 设光伏出力下一时刻状态为I3t+1;生成服从均匀分布的随机数y t，并判断yt的取 值范围；若0<兴<以，则0 t+1= 1，若私树尤兴，/%，紐，则0t+1=m+l ; 6) 抽样确定波动量〇 t，在当前出力数值a t之上叠加波动量〇 t得到q，判断q是否 在步骤5)中所得Pt+1的状态所对应的出力取值范围内；若是，则下一时刻出力值a t+1 = n，否则重新生成波动量进行判断；如若t不是该时段的结束时刻，则et+1= e t，否则根据 天气状态转移矩阵进行天气状态的选择后再进行上述步骤。2. 根据权利要求1所述的一种基于马尔可夫链的改进光伏功率序列预测方法，其特征 是，所述步骤2)中季节特性按照四季划分，时段特性分为上午与下午时段，天气特性分为 大雨、雨、多云与晴四种类型。
【专利摘要】本发明公开了一种基于马尔可夫链的改进光伏功率序列预测方法，其特征是，针对光伏功率样本数据进行数据预处理，根据季节、时段、天气特性分类样本数据，基于马尔可夫链建立不同转移矩阵；根据天气历史资料建立天气状态转移矩阵；计算功率数据基础部分，对于功率数据波动特性，利用样本数据前后时间点一阶差分量进行描述。本发明所达到的有益效果：在马尔科夫链模型中考虑光伏出力天气特性，并利用天气状态转移矩阵描述天气状态变化；将波动特性加入到光伏出力状态到光伏出力数值的计算过程中，体现光伏特性；考虑光伏发电功率的季节特性、日特性和天气特性生成多个状态转移矩阵，经过气候特性和时间属性判别选择相应矩阵，生成目标时刻状态量。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105139080
【申请号】CN201510471216
【发明人】朱卫平, 袁晓冬, 陈兵, 孙健, 贾萌萌
【申请人】国家电网公司, 江苏省电力公司, 江苏省电力公司电力科学研究院
【公开日】2015年12月9日
【申请日】2015年8月4日