[发明专利]训练方法、所适用的预测发电功率的方法及各自系统

说明书

本发明提供一种训练方法、所适用的预测发电功率的方法及各自系统。所述训练方法包括：获取根据历史实测的光伏电站相关信息所构建的样本集合；其中，样本集合中每个样本包含温度值、地面辐射值、实际发电功率值；以及采用网格搜索的方式，更换基于SVM所构建的模型中的各常量参数，并利用样本集合中的各温度值和地面辐射值对所述模型进行预测训练，直至得到模型所训练出的预测发电功率值与样本集合中的实际发电功率值的误差最小。所述预测方法包括：获取预测的不同时刻的温度值、地面辐射值；以及，将各温度值、地面辐射值输入由上述训练系统所训练的模型，得到预测的光伏电站在所述不同时刻的发电功率。本发明有效解决预测光伏电站的发电功率准确度低的问题。

技术领域

本发明涉及光伏电站应用领域，尤其涉及一种训练方法、所适用的预测发电功率的方法及各自系统。

背景技术

太阳能是未来最具竞争力的绿色能源之一。目前，世界各发达国家十分重视通过发展光伏发电产业进行太阳能资源的开发利用，光伏发电是利用半导体材料的光电效应，直接将太阳能转换为电能。由于光伏发电受天气变化、季节变化而具有波动性和间歇性，大规模光伏电站并网运行会影响电力系统的安全稳定经济运行。

因此，需要对光伏电站的输出功率进行预测，以便电网调度部门统筹安排常规电源和光伏发电的协调配合，合理安排电网运行方式，提高电力系统运行的安全性和稳定性，获得更大的经济效益和社会效益。

近几年来，人们借助统计智能类预测方法、简单物理模型类预测方法及复杂物理模型类预测方法对光伏发电进行超短期预测进行了探索，取得了一定的成果，但是上述各方法所预测的平均准确度都比较低。这主要是模型构建方面有待提高。因此，需要对现有技术进行改进。

发明内容

本发明提供一种训练方法、所适用的预测发电功率的方法及各自系统，用于解决现有技术中预测光伏电站发电功率的准确度低的问题。

第一方面，提供一种光伏电站模型的训练方法，包括：获取根据历史实测的光伏电站相关信息所构建的样本集合；其中，所述样本集合中每个样本包含温度值、地面辐射值、实际发电功率值；以及采用网格搜索的方式，更换基于SVM所构建的模型中的各常量参数，并利用所述样本集合中的各温度值和地面辐射值对所述模型进行预测训练，直至得到所述模型所训练出的预测发电功率值与所述样本集合中的实际发电功率值的误差最小。

第二方面，提供一种预测光伏电站的发电功率的方法，包括：获取预测的不同时刻的温度值、地面辐射值；以及将各所述温度值、地面辐射值输入由上述训练方法所训练的模型，得到预测的所述光伏电站在所述不同时刻的发电功率。

第三方面，提供一种光伏电站模型的训练系统，包括：第一获取模块，用于获取根据历史实测的光伏电站相关信息所构建的样本集合；其中，所述样本集合中每个样本包含温度值、地面辐射值、实际发电功率值；训练模块，用于采用网格搜索的方式，更换基于SVM所构建的模型中的各常量参数，并利用所述样本集合中的各温度值和地面辐射值对所述模型进行预测训练，直至得到所述模型所训练出的预测发电功率值与所述样本集合中的实际发电功率值的误差最小。

第四方面，提供一种预测光伏电站的发电功率的系统，包括：第二获取模块，用于获取预测的不同时刻的温度值、地面辐射值；预测模块，用于将各所述温度值、地面辐射值输入由上述训练系统所训练的模型，得到预测的所述光伏电站在所述不同时刻的发电功率。

如上所述，本发明的训练方法、所适用的预测发电功率的方法及各自系统，具有以下有益效果：采用网格搜索的方式训练SVM模型中的常量参数，能够快速的同时搜索模型中的多个常量参数，该多个常量参数能够使所设计的模型更均衡，预测精度更高。

另外，将样本进行等价剔除，有效提高样本多样性，并减少重复样本对模型的冗余训练；还有，对于等价样本，采用按预设权重结合两样本的方式，能够有效增加各样本之间的差异，进一步提高训练效果。