[发明专利]一种考虑分时段的非线性光伏出力预测方法

说明书

一种考虑分时段的非线性光伏出力预测方法，该方法由建立分段模型和非线性时间序列模型对太阳辐射强度预测，以及建立光伏发电功率模型两部分组成；首先由最大后验概率推导得分段模型，该分段模型以工程实际经验作为辐射强度先验信息，同时考虑辐射强度序列本身的分布特性对非平稳时间序列进行分段；分段后的每一段序列都是平稳序列，解决了非线性SIAVAR单指标可加向量自回归模型要求序列必须平稳的假设；然后，分别对每一段序列应用非线性SIAVAR模型进行模拟；非线性模拟对非线性模型中非参函数全局逼近，并用Backfitting回溯法进行半参数估计，完成辐射强度时间序列拟合；根据光伏发电出力与太阳辐射强度之间的关系，建立光伏出力模型，得到光伏出力预测时间序列。

技术领域

本发明属于光伏发电技术领域，尤其涉及一种考虑分时段的非线性光伏出力预测方法。

背景技术

随着全球能源危机和环境保护问题的日益突出，并网光伏发电以其安全性、清洁型、长寿命以及潜在的经济性等优势，得到了快速推广应用。但是，光伏出力的波动性、间歇性以及随机性会威胁到电网的安全和稳定运行。提前对光伏输出功率进行预测，并提高预测精度，可以减少电网调度的偏差，减轻光伏发电功率变化的不确定性对电网造成的影响，电力系统的安全性和稳定性得到进一步提高。因此，光伏出力预测对电力系统规划、运行具有重要意义。

近年来，很多学者对光伏出力预测方法进行了广泛研究。从预测方式上可分为直接预测和间接预测。前者直接对光伏电站的输出功率进行预测；后者首先对太阳辐射强度进行预测，然后根据光伏发电系统发电模型得到输出功率。直接预测模型需要从历史发电数据直接预测未来的发电功率，其准确性取决于预测算法和历史数据的准确性。而间接预测方式包括太阳辐射强度预测和光伏发电系统功率模型两个过程，每个过程中方法的选择具有灵活性，克服了直接预测方式的局限性。由于光伏电站的太阳辐射强度数据按一定周期连续测得，所以时间序列是对光伏出力的一种较为精准的刻画。通过预测太阳辐射强度时间序列，然后根据光伏发电功率模型转化为对光伏出力的预测。目前，这些用以描述时间序列的拟合方法主要包括AR模型、滑动平均(MA)模型、自回归滑动平均(ARMA)模型等，都假定当前值和过去值之间存在线性关系。然而现实中无论是太阳辐射强度还是光伏发电往往存在着非线性，使用线性时间序列预测只是对光伏出力在一定范围内的近似，无法进行更精确的模拟。非线性时间序列模型在一定程度上解决了太阳辐射强度预测的本质非线性问题，主要方法有人工神经网络法、支持向量机法和小波分析预测法等方法。但是至今为止，这些非线性方法都需要将天气、季节等影响因素作为输入，用历史数据对算法进行训练，计算复杂，数据量大。而且，时间序列模型的拟合都是建立在平稳序列的假设之上，即一个平稳序列的联合分布不随时间的变化而变化，这个假设对现实中的序列来说是很弱的。尽管有学者提出了考虑非平稳序列的模型，但是基于线性自回归模型。当前关于非线性非平稳时间序列的研究还比较少，并没有形成一套完整的通用模型体系。

因此有必要提出一种能适用于非线性非平稳时间序列的光伏出力预测方法，对于精确预测光伏出力、在接入大量新能源的情况下维持电能稳定和高质量、减少光伏发电投资成本、建立电力市场等方面具有重要意义。

发明内容

本发明的目的在于提出一种考虑分时段的非线性光伏出力预测方法，该方法既可以改善对太阳辐射强度在一天内时间区段纯人工分段精确度不高的问题，也可以防止完全自动分段可能出现不符合实际的情况，具有较强的通用性和工程实用性。

为了达到上述目的，本发明采用的如下技术方案：

一种考虑分时段的非线性光伏出力预测方法，包括以下步骤：

1)通过工程实践中一天内早中晚的太阳辐射强度的经验，获取太阳辐射强度时间序列的先验信息，包括分段点数量M(m＝0,…,M)、预估分段点位置初值t_m、分段点在该位置附近的摆动时间Δt_m以及分段点在该位置的可能性大小ρ_m；