一种用于光伏电站功率预测的相似日的选择方法
【技术领域】
[0001]本发明涉及光伏发电功率预测领域，具体涉及个用于光伏电站功率预测的相似日 的选择方法。
【背景技术】
[0002] 随着国内光伏发电并网规模的逐年增大，国内外对于光伏发电并网问题的研究越 来越深入，但光伏出力预测的研究仍达不到令人满意的程度。光伏发电系统的输出功率受 到太阳辐照强度、辐照时间、气温、气压、湿度等多种气象因素的影响，具有一定的时变性和 随机性，如何提高预测精度仍面临较大的困难。
[0003] 在光伏发电预测中，通常将即将预测系统出力的那一天称为预测日，将这一天之 前的若干天称为预测日的历史日，将历史日中与预测日天气信息最为接近的一天称为"相 似日"。一般认为，相似日的发电量数据对预测日的发电量数据有重要的参考意义。
[0004] 目前，相似日的选择一般根据经验或者"欧氏距离"计算结果选取，选取的相似日 的质量难以保证，也有通过关联度方法来选取相似日，但传统的关联度方法在选取相似日 时采用的是等权处理，而事实上各因素对光伏出力的影响程度并不相同，因此必须根据具 体情况赋予不同的权重。如何选取较为准确的相似日作为基础来提高光伏出力预测精度具 有重要的研究价值。
【发明内容】
[0005] 本发明的目的是提供一种准确选择用于光伏电站功率预测的相似日的方法。
[0006] 本发明采用如下技术方案： 一种用于光伏电站功率预测的相似日的选择方法，包括如下步骤： 1) 从预测日起，在历史数据库中逆向选出与预测日相同季节、同一天气类型的若干个 历史日，分别得到预测日和每一个历史日的气象信息向量;所述气象信息向量包括如下气 象信息向量分量： 2) 分别将步骤1)得到的气象信息向量的分量采用极差法方法进行归一化； 3) 采用关联系数法计算步骤1)所述预测日的气象信息向量分量对步骤2)得到的归一 化后的各历史日的气象信息向量分量的关联系数； 4) 采用层次分析法计算步骤3)得到的关联系数的主观权重； 5) 采用熵权法计算步骤3)得到的关联系数的客观权重； 6) 将步骤4)得到的主观权重和步骤5)得到的客观权重进行线性加权得到组合权重，利 用关联系数及组合权重计算步骤1)所述预测日对各历史日的相似度，相似度数值大的历史 日即为相似日。
[0007] 进一步的，所述步骤1)中的气象信息向量分量通过如下方法确定： 预测日的气象信息向量的确定:从气象部门获取翌日12个小时内太阳辐射照强度平均 值、气压平均值、相对湿度平均值、日内最高温度、日内最低温度和日平均温度，构成气象信 息向量X: X=[Sa ver j Paver ? haver ? Th，Ti，T aver ] (1) 式(1)中，SavCT为12个小时内太阳辐射照强度平均值;PavCT为气压平均值;lw r为相对湿 度平均值;Th、Ti、T_r分别为日内最高温度、最低温度和平均温度； 历史日的气象信息向量的确定:从预测日起，从历史数据库中逆向选出同季节同一天 气类型的若干个历史日，由式(1)构成每一个历史日的气象信息向量。
[0008] 进一步的，步骤2)中归一化方法为： 将各气象信息向量分量采用如下公式进行归一化： xj(i) = [yj(i)-m(i)]/[M(i)-m(i)] (2) 式中h(i)为归一化前的气象信息向量分量，x』（i)为归一化后的数值;m(i)和M(i)分 别为归一化前的气象信息向量的第i个分量的最小值和最大值。
[0009] 进一步的，步骤3)所述的关联系数通过如下方法得到： 假设气象信息向量有η个分量，归一化后的预测日和第j个历史日的气象信息向量分别 为XQ和Xj，则有： xo=[xo(l)，xo(2)，···，xo(n)]T (3) xj = [xj(l) ,xj(2) ,··· ,xj(n)]T (4) xo对xj在第k个分量的关联系数为：
式(5)中:P是分辨系数。P值一般取0.5。
[0010] 进一步的，步骤4)所述的主观权重通过如下方法得到： a)确定气象信息向量的判断矩阵A:
式(6)中，表示第i个目标与第j个目标的相对重要程度； aij= ω?/ω」元素 ω标度取Satty标度为1，3,5,7,9;如下表1所示。
[0011]表1判断矩阵标度值及对应含义
b) 进行一致性检验：
式(7)中，λΜΜ为矩阵A的最大特征根，η为矩阵A的维数； 当满足式(8)时可认为判断矩阵A具有一致性。其中RI的取值见表2。
[0012]
表2RI取值说明 c) 求取主观权重：
首先计算判断矩阵A每一行元素的乘积姐：
然后计算Mi的η次方根:胃；
最后对向量
正规化(归一化处理）：
(Π ) 贝IJWa = [ Wl，W2，…，Wn]、为所求的主观权重。
[0013] 进一步的，步骤5)所述的客观权重通过如下方法得到： 采用熵值法确定客观权重：
式（12)中，
为判断矩阵R的元素，Ei为第i个指标的信息熵，i = l， 2, · · ·，m为指标数，j = l，2, · · ·，n为评价对象数，系数Κ = 1/1η η。
[0014] 进一步的，步骤6)所述的相似度通过如下方法得到： 综合预测日的气象信息向量分量对各历史日的气象信息向量分量的关联系数，得出整 个XQ对Xj的相似度为：
式(14)中，Ak为各分量的权重系数，其计算公式如下： Ak = kAffA+ksffs (15) 式(15)中，kA，ks分别为线性加权的主客观偏好系数，主、客观偏好系数均取值为0.5，Ak 为组合权重，Wa为主观权重，Ws为客观权重。
[0015]本发明的有益效果在于：本发明将影响光伏发电系统的输出功率的太阳辐照强 度、辐照时间、气温、气压、湿度等多种气象因素综合考虑，采用非等权处理方法，根据具体 情况赋予不同的权重，提出了基于关联系数与组合权重相结合的相似日选择方法，极大程 度上消除了各个气象因素存在的时变性和随机性对预测精度的影响，为光伏出力预测提供 了较为准确的基础数据。
【附图说明】
[0016]图1为本发明方法的流程图。
【具体实施方式】
[0017] 下面结合图1和实施例对本发明进行详细说明。本发明保护范围不限于实施例，本 领域技术人员在权利要求限定的范围内做出任何改动也属于本发明保护的范围。
[0018] 实施例 下面以某地区光伏发电站为例，说明相似日的选择方法。
[0019] -、确定气象信息向量： 从气象部门获取翌日12个小时内太阳辐射照强度平均值、气压平均值、相对湿度平均 值、日内最高温度、日内最低温度和日平均温度。
[0020] 从预测日起，从历史数据库中逆向选出同季节同一天气类型的若干个历史日，获 得每一个历史日中的12个小时内太阳辐射照强度平均值、气压平均值、相对湿度平均值、日 内最高温度、日内最低温度和日平均温度。
[0021] 关于同一天气类型，此处以晴天日类型为例，从预测日起，从历史数据库中逆向选 出同季节一定数量的晴天历史日，构成气象信息向量集，其他类型日选择方法相似。
[0022] 数据见表3所示。表1中，8月2日为预测日，其他为历史日。
[0023] 表3气象信息相关数据
表3中的各气象信息带入由式（1)构成预测日和每一个历史日的气象信息向量，各气象 信息向量构成气象信息向量集。
[0024]二、气象信息向量各分量归一化处理： 利用公式(2)对确定的气象信息向量采用极差法进行归一化。
[0025]三、求取关联系数： 由公式(3)、（4)、（