[发明专利]功率预测方法和系统

说明书

技术领域

本发明涉及光伏发电领域，尤其涉及一种太阳能采集装置输出功率预测的方法和系统。

背景技术

近年来，由于化石能源的不断减少，人们越来越迫切地寻找其他能够代替石油、煤等传统能源的新能源，而太阳能作为一种清洁可再生能源，它的开发和利用日益受到各国的重视。受天气和环境等因素的影响，光伏系统输出功率存在高度的间歇性、波动性和随机性。当大规模光伏发电接入电网后，将给电力系统的功率平衡、安全稳定与经济运行带来巨大挑战。在不具备良好间歇性电源消纳技术的条件下，从电网调度管理、优化运行和光伏发电产业可持续发展等多个角度出发，如何在满足电网安全稳定和经济运行的前提下，最大限度的开发利用可再生能源，已经成为当前可再生能源电力系统领域的研究热点。

高精度的光伏发电功率预测技术是提高电网接纳间歇性可再生能源的关键技术之一。针对输出功率随机波动的光伏系统，开展高精度发电功率预测研究已成为当务之急。目前，常用的光伏发电功率预测方法有，统计预测模型、卡尔曼滤波及时间序列法等。然而，上述方法预测效果往往并不理想，主要表现在，无法适应长期预测要求、参数推导困难以及预测精度不高等问题。近年来，人工智能技术快速发展，为进一步提高光伏发电预测精度提供了一个很好地解决途径。但是光伏发电功率具有复杂性、非线性和非平稳性等特点，基于单一机制的预测方案难以进一步提高预测精度。

发明内容

本发明的目的是提供一种功率预测方法和系统，以解决太阳能采集装置输出功率预测精度不高的问题。

第一方面，本发明提供了一种功率预测方法，所述方法包括：

定期获取太阳能采集装置输出的功率数据，并将所述功率数据和所述功率数据对应的天气类型信息以二元组表示；

根据所述天气类型信息，将所述二元组存储在的不同的缓存队列中，生成功率历史数据，其中，所述功率历史数据为相同天气类型时的功率数据的集合；

判断所述缓存队列中是否存在预测时刻的功率历史数据，如果所述缓存队列中存在所述预测时刻的功率历史数据，提取所述功率历史数据，并将所述功率历史数据分解为趋势项训练序列和非趋势项训练序列，根据所述趋势项训练序列建立ARMA趋势项预测模型，获取趋势项预测结果，根据所述非趋势项训练序列建立模糊神经网络，获取非趋势项预测结果，并将所述趋势项预测结果和非趋势项预测结果叠加，生成预测时刻的功率数据。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述趋势项训练序列建立ARMA趋势项预测模型，获取趋势项预测结果具体包括：

利用计算趋势项训练序列{T_n}中第n个功率历史数据中的趋势项T_n，其中，{T_n}为趋势项训练序列，T_n表示第n个功率历史数据中的趋势项，s为多项式阶数，b_j为多项式系数，j=t/15为预测时刻，Δt为采样间隔（Δt=0.25）。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，计算趋势项训练序列{T_n}具体包括：