一种光伏发电功率特征参数提取方法及系统与流程

本发明涉及电力系统自动化，尤其涉及一种光伏发电功率特征参数提取方法及系统。

背景技术：

1、随着分布式光伏的大量接入，配电网面临的安全稳定运行问题日益突出。光伏发电具有随机性、波动性、抗干扰性能力差等缺点，当渗透率过高时，将严重影响电网的安全稳定运行。因此，现在亟需开展分布式光伏发电功率预测，逐步将分布式光伏发电纳入调度运行。

2、对于光伏发电功率预测来说，太阳辐射强度、大气湿度、大气温度、气压等气象数据是重要的数据源。由于分布式光伏电站具有数量多、地理分布广等特点，所以在一个区域内的分布式光伏发电功率对应着多组数据源。当两个分布式光伏电站距离较近时，气象数据有较强的相关性，如果不加选择地将每组气象数据都用于预测建模，一方面会导致由于预测模型数量多、复杂度大所带来的计算成本的提高，另一方面会导致高相关性的冗余输入会导致模型难以达到全局最优，进而降低所述功率预测的准确度。

技术实现思路

1、为了解决上述技术问题，本发明公开了一种光伏发电功率特征参数提取方法及系统，降低后期发电功率预测的计算成本及提高所述发电功率预测的准确度。

2、为了实现上述目的，本发明公开了一种光伏发电功率特征参数提取方法，包括：

3、对获取的历史光伏发电功率及所述历史光伏发电功率对应的若干个初始特征参数分别进行归一化处理，并通过预设的线性函数获取归一化处理后的所述若干个初始特征参数中的每一个初始特征参数与归一化处理后的历史光伏发电功率的相关系数；

4、根据所述相关系数从所述若干个初始特征参数中提取若干个第一特征参数；

5、根据所述若干个第一特征参数构建变量矩阵，并通过预设的协方差矩阵计算公式对所述变量矩阵进行处理，获得所述若干个第一特征参数对应的协方差矩阵；

6、对所述协方差矩阵中的每一个第一特征参数分别进行特征值计算，获得若干个特征值及所述若干个特征值中每一个特征值对应的特征向量，并对所述若干个特征值进行从大到小的排序，获得所述若干个特征值对应的第一序列；

7、通过预设的贡献率计算公式依次获取所述第一序列中的每一个特征值对应的第一贡献率，并根据所述贡献率从所述若干个特征值中筛选获取若干个第一特征值，并结合所述若干个第一特征值及所述每一个特征值对应的特征向量，获得若干个第二特征参数。

8、本发明公开的一种光伏发电功率特征参数提取方法，对获取的初始特征参数进行归一化处理，清除所述初始特征参数中无效的数据，降低数据量，接着利用预设的皮尔逊计算公式获取归一化处理后的所述若干个初始特征参数中每一个初始特征参数对应的皮尔逊相关系数，以使利用所述皮尔逊相关系数r来进行冗余度评估，以使将与所述光伏发电功率相关性不高的特征参数剔除，在保证保留与发电功率相关性高的特征参数的同时进一步降低后期进行预测的计算成本，在根据所述相关性进行特征参数的初步筛选后，通过对所述筛选后的特征参数进行变量矩阵的构建及协方差矩阵的构建，使得获得所述每一个特征参数对应的特征值，进而根据所述特征值及预设的贡献率计算公式获得每一个特征参数在光伏发电功率中的贡献率，进而根据所述贡献率对所述筛选后的特征参数再次进行筛选，使得再次筛选后的特征参数保留了原始特征参数绝大部分信息的同时降低了特征参数的维度，从而降低了后期计算的数据量，降低了计算成本及特征参数的冗余，进而提高后期功率预测的效率及精度。

9、作为优选例子，在所述对获取的历史光伏发电功率及所述历史光伏发电功率对应的若干个初始特征参数分别进行归一化处理，并通过预设的线性函数获取归一化处理后的所述若干个初始特征参数中每一个初始特征参数与所述历史光伏发电功率的相关系数，包括：

10、根据预设的归一化计算公式对所述历史光伏发电功率及所述若干个初始特征参数分别进行归一化处理，获得第一发电功率及若干个初始第一特征参数；所述初始特征参数包括特征参数的参数类型及所述参数类型对应的参数数据；

11、通过预设的皮尔逊函数计算获得所述若干个初始第一特征参数中每一个第一特征参数与所述第一发电功率的皮尔逊相关系数。

12、本发明首先对所述获得的历史光伏发电功率及所述初始特征参数进行归一化操作，以使清楚无效的数据，降低数据计算成本，接着利用皮尔逊函数计算每一个特征参数与所述光伏发电功率的皮尔逊相关系数，进而对所述特征参数进行冗余度评估，便于后续清楚点冗余度高的特征参数，以使提高功率预测的准确度。

13、作为优选例子，在所述根据所述相关系数从所述若干个初始特征参数中提取若干个第一特征参数，包括：

14、将所述若干个初始第一特征参数中的每一个第一特征参数对应的皮尔逊相关系数的绝对值分别与预设的系数阈值进行比较，判定是否提取所述初始特征参数作为所述第一特征参数；

15、若所述皮尔逊相关系数的绝对值大于所述预设的系数阈值，则提取所述皮尔逊相关系数对应的初始特征参数作为所述第一特征参数；

16、若所述皮尔逊相关系数的绝对值小于或等于所述预设的系数阈值，则不提取所述皮尔逊相关系数对应的初始特征参数作为所述第一特征参数。

17、本发明通过皮尔逊相关系数能直观反映因变量与自变量的相关性强弱的特性，因此利用每一个特征参数对应的皮尔逊相关系数对所述特征参数的冗余度进行评估，因此时考虑的是相关性，所以用皮尔逊相关系数的绝对值与预设的系数阈值进行比较，依次从所述若干个特征参数中筛选出与光伏发电功率关联性较强的特征参数，降低了特征参数的冗余度，提高了计算的效率及后期功率预测的准确度。

18、作为优选例子，在所述根据所述若干个第一特征参数构建变量矩阵，并通过预设的协方差矩阵计算公式对所述变量矩阵进行处理，获得所述若干个第一特征参数对应的协方差矩阵，包括：

19、根据所述若干个第一特征参数中包含的参数类型及所述参数类型对应的参数数据，构建所述若干个第一特征参数对应的变量矩阵；所述变量矩阵为：

20、

21、其中，所述x是一个n行，p列的矩阵，其中p是参数类型的个数；n是参数数据的个数；xnp是第n类特征参数中的第p个参数数据；

22、通过预设的协方差矩阵计算公式计算所述变量矩阵的协方差矩阵；所述协方差计算公式采用如下计算公式：

23、

24、其中，s为获得的协方差矩阵，代表每类特征参数对应的参数数据的均值，所述xi代表每类特征参数中的参数数据。

25、本发明将所述若干个第一特征参数转变为变量矩阵及协方差矩阵，以便于后续对所述协方差矩阵进行矩阵计算，便于后续对所述矩阵中的每一类第一特征参数进行贡献率计算。

26、作为优选例子，在所述通过预设的贡献率计算公式依次获取所述第一序列中的每一个特征值对应的第一贡献率，包括：

27、通过预设的贡献率计算公式依次对所述第一序列中的每一个特征值进行贡献率计算，获得所述每一个特征值分别对应的第一贡献率；所述预设的贡献率计算公式如下式：

28、

29、其中，λi是协方差矩阵中第i个特征值，且所述λi从大到小排序，p代表所述第一特征参数中参数类型的个数。

30、本发明通过计算所述特征值在总特征值的比率占比，进而获得所述第一特征参数中每一类第一特征参数在总第一特征参数的占比，进而根据所述占比，以使在保留原始特征参数的绝大部分信息的同时，对所述特征参数做进一步的筛选，以使降低计算成本，保证后续功率预测的准确性。

31、作为优选例子，在所述根据所述第一贡献率从所述若干个特征值中筛选获取若干个第一特征值，包括：

32、根据所述第一序列，依次累加所述若干个特征值中每一个特征值对应的第一贡献率，并获得所述第一贡献率累加后的总贡献率；

33、当所述总贡献率大于或等于预设的贡献率阈值后，则提取所述总贡献率中每一个第一贡献率对应的特征值，获得所述若干个第一特征值。

34、本发明基于完整的反映原始特征参数中的信息，设置了贡献率阈值，只有当所述总贡献率大于或等于预设的贡献率阈值时，才停止特征参数的提取，保证了其提取的特征信息的完整度，进而提高后期功率预测的准确度及效率。

35、另一方面，本发明公开了一种光伏发电功率特征参数提取系统，包括系数计算模块、第一参数提取模块、矩阵变换模块、矩阵计算模块及第二参数提取模块；

36、所述系数计算模块用于对获取的历史光伏发电功率及所述历史光伏发电功率对应的若干个初始特征参数分别进行归一化处理，并通过预设的线性函数获取归一化处理后的所述若干个初始特征参数中的每一个初始特征参数与归一化处理后的历史光伏发电功率的相关系数；

37、所述第一参数提取模块用于根据所述相关系数从所述若干个初始特征参数中提取若干个第一特征参数；

38、所述矩阵变换模块用于根据所述若干个第一特征参数构建变量矩阵，并通过预设的协方差矩阵计算公式对所述变量矩阵进行处理，获得所述若干个第一特征参数对应的协方差矩阵；

39、所述矩阵计算模块用于对所述协方差矩阵中的每一个第一特征参数分别进行特征值计算，获得若干个特征值及所述若干个特征值中每一个特征值对应的特征向量，并对所述若干个特征值进行从大到小的排序，获得所述若干个特征值对应的第一序列；

40、所述第二参数提取模块用于通过预设的贡献率计算公式依次获取所述第一序列中的每一个特征值对应的第一贡献率，并根据所述第一贡献率从所述若干个特征值中筛选获取若干个第一特征值，并结合所述若干个第一特征值及所述每一个特征值对应的特征向量，获得若干个第二特征参数。

41、本发明公开的一种光伏发电特征参数提取系统，对获取的初始特征参数进行归一化处理，清除所述初始特征参数中无效的数据，降低数据量，接着利用预设的皮尔逊计算公式获取归一化处理后的所述若干个初始特征参数中每一个初始特征参数对应的皮尔逊相关系数，以使利用所述皮尔逊相关系数r来进行冗余度评估，以使将与所述光伏发电功率相关性不高的特征参数剔除，在保证保留与发电功率相关性高的特征参数的同时进一步降低后期进行预测的计算成本，在根据所述相关性进行特征参数的初步筛选后，通过对所述筛选后的特征参数进行变量矩阵的构建及协方差矩阵的构建，使得获得所述每一个特征参数对应的特征值，进而根据所述特征值及预设的贡献率计算公式获得每一个特征参数在光伏发电功率中的贡献率，进而根据所述贡献率对所述筛选后的特征参数再次进行筛选，使得再次筛选后的特征参数保留了原始特征参数绝大部分信息的同时降低了特征参数的维度，从而降低了后期计算的数据量，降低了计算成本及特征参数的冗余，进而提高后期功率预测的效率及精度。

42、作为优选例子，所述系数计算模块包括参数处理单元及相关性计算单元；

43、所述参数处理单元用于根据预设的归一化计算公式对所述历史光伏发电功率及所述若干个初始特征参数分别进行归一化处理，获得第一发电功率及若干个初始第一特征参数；所述初始特征参数包括特征参数的参数类型及所述参数类型对应的参数数据；

44、所述相关性计算单元用于通过预设的皮尔逊函数计算获得所述若干个初始第一特征参数中每一个第一特征参数与所述第一发电功率的皮尔逊相关系数。

45、本发明首先对所述获得的历史光伏发电功率及所述初始特征参数进行归一化操作，以使清楚无效的数据，降低数据计算成本，接着利用皮尔逊函数计算每一个特征参数与所述光伏发电功率的皮尔逊相关系数，进而对所述特征参数进行冗余度评估，便于后续清楚点冗余度高的特征参数，以使提高功率预测的准确度。

46、作为优选例子，所述第一参数提取模块包括比较单元及提取单元；

47、所述比较单元用于将所述若干个初始第一特征参数中的每一个第一特征参数对应的皮尔逊相关系数的绝对值分别与预设的系数阈值进行比较，判定是否提取所述初始特征参数作为所述第一特征参数；

48、所述提取单元用于若所述皮尔逊相关系数的绝对值大于所述预设的系数阈值，则提取所述皮尔逊相关系数对应的初始特征参数作为所述第一特征参数；若所述皮尔逊相关系数的绝对值小于或等于所述预设的系数阈值，则不提取所述皮尔逊相关系数对应的初始特征参数作为所述第一特征参数。

49、本发明通过皮尔逊相关系数能直观反映因变量与自变量的相关性强弱的特性，因此利用每一个特征参数对应的皮尔逊相关系数对所述特征参数的冗余度进行评估，因此时考虑的是相关性，所以用皮尔逊相关系数的绝对值与预设的系数阈值进行比较，依次从所述若干个特征参数中筛选出与光伏发电功率关联性较强的特征参数，降低了特征参数的冗余度，提高了计算的效率及后期功率预测的准确度。

50、作为优选例子，所述矩阵变换模块包括变量矩阵单元及写协方差矩阵单元；

51、所述变量矩阵单元用于根据所述若干个第一特征参数中包含的特征参数的参数类型及所述参数类型对应的参数数据，构建所述若干个第一特征参数对应的变量矩阵；所述变量矩阵为：

52、

53、其中，所述x是一个n行，p列的矩阵，其中p是参数类型的个数；n是参数数据的个数；xnp是第n类特征参数中的第p个参数数据；

54、所述协方差矩阵单元用于通过预设的协方差矩阵计算公式计算所述变量矩阵的协方差矩阵；所述协方差计算公式采用如下计算公式：

55、

56、其中，s为获得的协方差矩阵，代表每类特征参数对应的参数数据的均值，所述xi代表每类特征参数中的参数数据。

57、本发明将所述若干个第一特征参数转变为变量矩阵及协方差矩阵，以便于后续对所述协方差矩阵进行矩阵计算，便于后续对所述矩阵中的每一类第一特征参数进行贡献率计算。