基于多元线性回归的太阳辐照预报方法
【专利摘要】本发明公开了一种基于多元线性回归的太阳辐照预报方法，包括以下步骤,计算太阳辐照值的理论值；计算太阳辐照的衰减率；基于多元线性回归模型建立云量、云图亮温、可见光发射率与辐射衰减率的逐月回归方程；根据步骤3建立的逐月回归方程以及太阳辐照值的理论值计算太阳实际辐照强度预测值。通过基于多元线性回归模型建立云量、云图亮温、可见光发射率与辐射衰减率的逐月回归方程，将云图各个特征量根据线性回归模型进行预测，达到精确预测太阳辐照的目的。
【专利说明】基于多元线性回归的太阳辐照预报方法
【技术领域】
[0001]本发明具体地，涉及一种基于多元线性回归的太阳辐照预报方法。
【背景技术】
[0002]目前，太阳能资源丰富、分布广泛，是21世纪最具发展潜力的可再生能源。随着全球能源短缺和环境污染等问题日益突出，太阳能光伏发电因其清洁、安全、便利、高效等特点，已成为世界各国普遍关注和重点发展的新兴产业。“十二五”时期我国将新增太阳能光伏电站装机容量约1000万千瓦，太阳能光热发电装机容量100万千瓦，分布式光伏发电系统约1000万千瓦。在今后的十几年中，中国光伏发电的市场将会进入高速发展时期。
[0003]截至2013年8月，甘肃电网并网光伏装机容量已超过140万千瓦，成为仅次于青海的第二大光伏发电基地。随着光伏电站的大规模并网，光伏发电出力的不确定性和不可控性给电网运行管理带来诸多问题，
[0004]因此，开发实用的光伏发电功率预测系统，在为调度运行人员制定调度计划提供参考依据、减少旋转备用容量、提高电网安全经济运行水平等方面都具有重要意义。
[0005]丹麦、德国、意大利、西班牙、美国、日本等国家均已开展光伏发电功率预测方法的相关研究，同时部分国家已经形成相关的产品并得到规模化应用。光伏发电功率预测方法研究在国内刚刚起步，已经出现一些针对光伏发电功率预测的相关技术，包括利用专家知识库进行光伏发电功率预测的方法、利用BP神经网络进行光伏发电功率预测的方法等。但尚未出现基于云图特征量分析的太阳辐照预报方法。
【发明内容】
[0006]本发明的目的在于，针对上述问题，提出一种基于多元线性回归的太阳辐照预报方法，以实现利用云图特征量分析精确预测太阳辐照的优点。
[0007]为实现上述目的，本发明采用的技术方案是:
[0008]一种基于多元线性回归的太阳辐照预报方法，包括以下步骤，
[0009]步骤1、计算太阳辐照值的理论值；
[0010]步骤2、计算太阳辐照的衰减率；
[0011]步骤3、基于多元线性回归模型建立云量、云图亮温、可见光发射率与辐射衰减率的逐月回归方程；
[0012]步骤4、根据上述步骤3建立的逐月回归方程以及太阳辐照值的理论值计算太阳辐照的预测值。
[0013]根据本发明的优选实施例,步骤I中计算太阳辐照值的理论值采用以下公式:
【权利要求】
1.一种基于多元线性回归的太阳辐照预报方法，其特征在于，包括以下步骤， 步骤1、计算太阳辐照值的理论值； 步骤2、计算太阳辐照的衰减率； 步骤3、基于多元线性回归模型建立云量、云图亮温、可见光发射率与辐射衰减率的逐月回归方程； 步骤4、根据上述步骤3建立的逐月回归方程以及太阳辐照值的理论值计算太阳实际辐照强度预测值。
2.根据权利要求1所述的基于多元线性回归的太阳辐照预报方法，其特征在于，步骤I中计算太阳辐照值的理论值采用以下公式:
3.根据权利要求1所述的基于多元线性回归的太阳辐照预报方法，其特征在于，所述步骤2中的太阳辐照的衰减率公式如下: 某个小时内，太阳辐射衰减值It与太阳辐射理论值I的比值，即认为是该小时太阳辐射的衰减率K，表达式为:
K = It/I。
4.根据权利要求1所述的基于多元线性回归的太阳辐照预报方法，其特征在于， 上述步骤3中基于多元线性回归模型为: 设y为因变量，X1, X2,..., xk为自变量，且自变量与因变量之间为线性关系时，多元线性回归模型为:
y = Vb1Xjb2X2+.? ? +bkxk+e 其中，k为常数项，b1； b2,...，bk为回归系数。
5.根据权利要求4所述的基于多元线性回归的太阳辐照预报方法，其特征在于， 上述步骤3中还包括根据多元线性回归模型筛选因子的步骤， 即从一个变量开始，按自变量对应变量作用的显著程度从大到小依次逐个引入上述多元线性回归模型，当先引入的变量由于后面变量的引入而变得不显著时，则将其剔除。
6.根据权利要求5所述的基于多元线性回归的太阳辐照预报方法，其特征在于，基于多元线性回归模型建立云量、云图亮温、可见光发射率与辐射衰减率的逐月回归方程具体为:公式中元素说明:y:福射衰减率，xl:云量，χ2:通道I亮温，χ3:通道2亮温，χ4:通道3亮温，χ5:通道4亮温，χ6:反射率，则满足大于α =0.1的置信度检验； I月，通过因子筛选，云量、通道I亮温、通道2亮温、通道4亮温、反射率被作为I月方程变量:
y=0.018340*xl+0.012082*x2_0.012856*x3+0.003090*x5+0.011225*x6_0.496307 预测误差平方:
7.根据权利要求5所述的基于多元线性回归的太阳辐照预报方法，其特征在于，所述步骤4中，计算太阳辐照的实际辐照强度预测值计算公式如下:
It = KI K是辐射衰减率预报值，I是理论辐照强度预测值。
【文档编号】G06Q50/06GK103761578SQ201310729210
【公开日】2014年4月30日 申请日期:2013年12月25日 优先权日:2013年12月25日
【发明者】汪宁渤, 路亮, 王有生, 赵龙, 李照荣, 刘光途 申请人:国家电网公司, 国网甘肃省电力公司, 甘肃省电力公司风电技术中心