[发明专利]一种基于时间序列相似性的短期光功率预测方法

权利要求书

1.一种基于时间序列相似性的短期光功率预测方法，其特征在于，包括如下步骤：

步骤1，对光伏电站历史气象观测数据和设备运行状况数据进行修复；

步骤2，通过功率数据分析将所有光伏阵列分类；

步骤3，对每类光伏阵列根据气象预测数据找出上一年同时期相近气象条件下的功率曲线，然后采用加权平均的方式对功率进行预测；

步骤4，将几类光伏阵列的预测功率求和，得到全站的预测功率；

光伏电站气象数据包括在t时刻的辐照度R_t以及在t时刻的温度T_t，设备运行状况数据包括在t时刻全厂阵列功率P_t；

所述步骤1中，设预测日期为T，则以日为单位从数据库历史资料中抽取本站上一年[T-15,T+15]范围内的光伏电站气象观测数据和设备运行状况数据共计30组，每组数据中按时间等间隔取样，数据修复包括如下具体步骤：

步骤1a，根据当地历史统计气象数据中最大值和最小值作为该类型数据的上下限，并引入参数α作为松弛因子来确立指标合理范围：当历史数据均为正值时，指标合理范围的下限调整为最小数据与α的商，指标合理范围的上限调整为最大数据与α的积；当历史数据的最小数据为负值时，指标合理范围的下限调整为最小数据与α的积，指标合理范围的上限调整为最大数据与α的积，得到光伏阵列功率、辐照度、温度的合理范围分别为：

P_t∈[0,α·P_max]，

R_t∈[R_min/α,α·R_max]，

T_t∈[α·T_min,α·T_max]

步骤1b，令D_t＝{P_t,R_t,T_t}，对于D_t中出现的各类数据采用步骤1a确定的指标合理范围进行检查，若发生越界时，则用边界值替代；

步骤1c，在D_t中，若某个数据不存在或未采集则通过数据插值的方式来进行修复，从而保证数据的完整性，数据插值采用内插法；

所述步骤2包括如下具体步骤：

首先计算光伏阵列功率特性的相似度：

设本光伏电站包括若干个光伏阵列，选取所有光伏阵列最近一周的运行时间序列，以日为单位计算任意两个阵列的功率序列的相似度，设阵列i的功率列Pⁱ＝P₀ⁱ,P₁ⁱ,…,P_zⁱ，阵列j的功率列P^j＝P₀^j,P₁^j,…,P_z^j，则二者的相似度Sim^p(i,j)由马氏距离进行计算：

其中，下标z表示一天中数据的取样总次数；

然后以所述相似度为度量，采用k均值分类方法将所有阵列分为G类；

所述步骤3包括如下具体步骤：

步骤3a，对每一类阵列，选择上一年[T-15,T+15]内的30组数据进行计算，对于所有的历史气象观测数据与气象预测数据分别结算辐照度序列相似度和温度序列相似度；

设在d日历史辐照度时间序列为R_d＝R₀^d,R₁^d,…,R_z^d，预测辐照度时间序列为R_p＝R₀^p,R₁^p,…,R_z^p，则两者的相似度为：

设在d日历史温度时间序列为T_d＝T₀^d,T₁^d,…,T_z^d，预测温度时间序列为T_p＝T₀^p,T₁^p,…,T_z^p，则两者的相似度为：

由和确定d日综合相似度Sim_d：

其中，α为加权系数；

步骤3b，设步骤3a获得的所有历史序列与预测序列最为相似的M个序列的综合相似度分别为：Sim₁，Sim₂，…，Sim_M，则在日期T，阵列平均功率系数w_i为：

步骤3c，某类光伏阵列在t时刻的预测功率由最为相似的M个序列在各自t时刻的功率加权得到：

其中，P_t^g为g类光伏阵列在t时刻的预测功率，P_t^gi为g类光伏阵列M个相似序列中第i个序列t时刻的功率；

所述步骤4包括如下具体步骤：

设光伏电站所有阵列分为G类，则全站在t时刻的发电功率预测值P_t为：