[发明专利]一种光伏出力波动类型的划分方法

说明书

本发明提供一种光伏出力波动类型的划分方法，所述方法包括：I、历史数据的收集与处理；II、根据反应光伏出力特性的特征指标确定特征向量；III、用自组织特征映射神经网络进行聚类分析；IV、划分光伏出力波动类型。本发明可作为前期基础应用在光伏发电中长期出力时间序列建模中，为含大规模新能源的时序生产模拟仿真、年度新能源消纳能力分析等需要的光伏仿真模拟数据的生成提供前期技术手段。

技术领域

本发明属于新能源发电技术领域，具体讲涉及一种光伏出力波动类型的划分方法。

背景技术

在能源消费快速增长和人们对气候环境日益关注的背景下，为推动经济社会的可持续发展，必须大力发展太阳能、风能等新能源。近年来光伏发电增长迅速，从补充能源向替代能源过渡。然而大规模光伏发电并网会使得系统发电的不确定性增加，给电网的调峰和调频带来一定影响。而准确的光伏电站长期出力建模能够为电网的调度计划与运行方式安排提供依据。

光伏出力与天气状态密切相关，模拟光伏出力时间序列也按天气类型分别建模，但由于部分光伏电站目前没有气象预报业务，无法准确获得每日的天气类型，或者部分历史数据对应的天气类型信息由于传输错误、通信故障、服务中断等原因造成缺失，导致了光伏出力建模的不准确。而不同的天气类型对应着不同光伏出力波动类型，基于此，需要提供一种光伏出力波动类型的划分方法，为光伏发电中长期出力时间序列建模提供前期支撑。

发明内容

针对上述问题，本发明提出了一种光伏出力波动类型的划分方法。

一种光伏出力波动类型的划分方法，其特征在于，所述方法包括：

I、历史数据的收集与处理；

II、根据反应光伏出力特性的特征指标确定特征向量；

III、用自组织特征映射神经网络进行聚类分析；

IV、划分光伏出力波动类型。

进一步的，所述步骤I包括

将搜集整理的光伏电站一年的光伏出力逐日历史数据分解为净空理论出力和相对出力的乘积。

进一步的，所述步骤II的特征指标包括平均值、一阶差分绝对值的平均值、标准差、一阶差分绝对值的标准差和一阶差分绝对值的最大值。

进一步的，按下式计算所述特征指标：

d₅＝max|z_i+1-z_i| i＝1,2,…,n-1 (5)

其中，d₁为光伏电站各天的平均相对出力，d₂为各天相对出力矩阵一阶差分绝对值的平均值，d₃为光伏电站各天相对出力的标准差，d₄为各天相对出力矩阵一阶差分绝对值的标准差，d₅为各天相对出力矩阵一阶差分绝对值的最大值，反映了天气变化的程度；z_i为i时刻的相对出力，z_i′＝|z_i+1-z_i|,i＝1,2,…n-1；为z_i′的平均值。

进一步的，所述步骤II中的特征向量d如下式所示：d＝[d₁,d₂,d₃,d₄,d₅]。

进一步的，所述步骤IV的光伏出力波动类型包括：晴、多云、阴天和变化天气。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：