一种基于季节分区的光伏功率预测方法
【技术领域】
[0001] 本发明属于功率预测领域，尤其是涉及一种基于季节分区的光伏功率预测方法。
【背景技术】
[0002] 现有的功率预测模型是根据电站的历史有效数据建立的功率与太阳辐照度、温度 之间的对应关系，然后基于此对应关系和未来一段时间内的数值天气预报信息，得到未来 一段时间内的预测功率。从光伏发电机理和光伏发电系统的组成结构中，可以看出，光伏电 站的输出功率将受到太阳辐照度和温度等因素的影响，而地球的公转规律会导致太阳辐照 度和温度在中国大部分地域呈现季节性规律，若不考虑季节的因素，建立的模型的通用性 及泛化性较差，影响电站的预测精度。
[0003] 另一方面，光伏电站最近一段时间内的发电状态及天气信息将会对未来一段时间 内的预测功率造成影响，所以，将最近两周的实发功率和实际太阳辐照度数据加入到功率 预测模型中，实时修正预测偏差，可以达到使预测更加接近实发的目标，从而提高预测精 度。
【发明内容】
[0004] 有鉴于此，本发明旨在提出一种基于季节分区的光伏功率预测方法，以提高功率 预测的准确性。
[0005] 为达到上述目的，本发明的技术方案是这样实现的：
[0006] -种基于季节分区的光伏功率预测方法，包括
[0007] S1.收集光电站的历史太阳辐照度数据、功率数据；
[0008] S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；
[0009] S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处 理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应 关系；
[0010] S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，可以由预 测日的预测太阳辐照度数据得到预测日的预测功率 yi;
[0011] S5.针对预测日之前一个时间段的数据，建立最小二乘模型，得到最近一段时间内 功率与太阳辐照度之间的对应关系，从而得到预测日的预测功率 y2;
[0012] S6.计算预测功率y。
[0013] 进一步的，所述步骤S3包括
[0014] S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处 理；
[0015] S32.使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间 的对应关系。
[0016] 进一步的，所述步骤S31中的数据预处理操作为使用聚类分析方法剔除异常数据 点。
[0017] 进一步的，所述步骤S31包括
[0018] S311.对每一太阳辐照度X，总有一功率Y与其对应，设其形成的样本集为(X，Y)。输 入样本集(X，Y)，输入指定聚类类数N，并在样本集中随机选取N个对象作为初始聚类中心。 设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。
[0019] S312.进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心，从而形成 一类。初始化隶属度矩阵。
[0020] S313.更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重新分配数据 对象。
[0021] S314.反复执行步骤S312和步骤S313直至满足中止条件。
[0022]进一步的，所述步骤S5中时间段为两周。
[0023]进一步的，所述步骤S6包括设预测日的预测功率值为y，设y = ayi+(l-a)y2,其中 yi，y2分别为使用支持向量回归模型和最小二乘模型得到的预测功率。
[0024] 进一步的，所述步骤S6中，a为未知参数，是使得预测日之前一周的预测功率和实 际功率的误差平方和达到最小时的取值。
[0025] 相对于现有技术，本发明所述的基于季节分区的光伏功率预测方法具有以下优 势：
[0026] 本发明所述的基于季节分区的光伏功率预测方法建立的模型的通用性及泛化性 较好，能够提高电场的预测精度，将最近两周的实发数据加入到功率预测模型中，可以修正 每一季节的预测模型，使预测更加接近实发，从而提高预测精度。
【附图说明】
[0027] 构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实 施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0028] 图1为本发明实施例所述的基于季节分区的光伏功率预测方法流程图；
[0029] 图2为本发明实施例所述的基于季节分区的光伏功率预测方法步骤3的流程图。
【具体实施方式】
[0030] 需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相 互组合。
[0031] 在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"上"、"下"、 "前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"等指示的方位或位置关系为 基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗 示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对 本发明的限制。此外，术语"第一"、"第二"等仅用于描述目的，而不能理解为指示或暗示相 对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"等的特征可 以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，"多个" 的含义是两个或两个以上。
[0032] 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语"安装"、"相 连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接;可 以是机械连接，也可以是电连接;可以是直接相连，也可以通过中间媒介间接相连，可以是 两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语 在本发明中的具体含义。
[0033] 下面将参考附图并结合实施例来详细说明本发明。
[0034] 如图1所示，一种基于季节分区的光伏功率预测方法，包括
[0035] S1.收集光电站的历史太阳辐照度数据、功率数据；
[0036] S2.对所述步骤S1中收集到的太阳辐照度数据、功率数据按照季节进行分类；由于 光伏电站的输出功率受到太阳辐照度和温度等因素的影响，而地球公转规律会导致太阳辐 照度和温度在中国大部分地域呈现季节性规律，所以本发明按季节建立功率预测模型。
[0037] S3.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处 理，并使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间的对应 关系；以季节为单位，对每一季节的数据进行预处理操作。
[0038] S4.根据预测日所属季节类型，确定进行功率预测需要使用的回归模型，可以由预 测日的预测太阳辐照度数据得到预测日的预测功率 yi;
[0039] S5.针对预测日之前一个时间段的数据，进行数据预处理，并建立最小二乘模型， 得到最近一段时间内功率与太阳辐照度之间的对应关系，然后根据预测日的预测太阳辐照 度数据得到预测日的预测功率y 2。
[0040] S6.计算预测功率y。
[0041] 进一步的，所述步骤S3包括
[0042] S31.将所述步骤S2分类后的每一季节的太阳辐照度数据、功率数据进行数据预处 理；
[0043] S32.使用预处理之后的数据建立支持向量回归模型，得到功率与太阳辐照度之间 的对应关系。
[0044] 所述步骤S31中的数据预处理操作为使用聚类分析方法剔除异常数据点。
[0045] 所述步骤S31包括
[0046] 如图2所示，S311.对每一太阳辐照度X，总有一功率Y与其对应，设其形成的样本集 为(X，Y)。输入样本集(X，Y)，输入指定聚类类数N，并在样本集中随机选取N个对象作为初始 聚类中心。设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。
[0047] S312.进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心，从而形成 一类。初始化隶属度矩阵。
[0048] S313.更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重新分配数据 对象。
[0049] S314.反复执行步骤S312和步骤S313直至满足中止条件。
[0050] 这是聚类算法中最简单的一种，其目的在于使各个样本与所在类均值的误差平方 和达到最小。
[0051] 所述步骤S5中时间段为两周。