[发明专利]一种单步渐进式光伏电站超短期功率预测方法及系统

说明书

本发明涉及一种单步渐进式光伏电站超短期功率预测方法及系统，所述方法包括：利用预先建立的ARIMA时间序列模型获取预测日的气象数据；根据所述预测日的气象数据，利用预先建立的SVR回归模型预测所述预测日的光伏电站的输出功率；其中，所述ARIMA时间序列模型根据历史气象数据获取，所述SVR回归模型根据历史气象数据及其对应的光伏电站的输出功率获取；以初始化后的历史气象数据为自变量，以初始化后的历史气象数据对应的光伏电站输出功率为因变量训练用于预测光伏电站输出功率的SVR回归模型。本发明的技术方案利用与光伏电站输出功率相关度较大的气象数据通过SVR回归模型预测输出功率，获得高精确度的预测结果。

技术领域

本发明涉及一种电力系统自动化技术领域的光伏电站功率预测领域，具体涉及一种单步渐进式光伏电站超短期功率预测方法及系统。

背景技术

以火电和石油等不可再生的传统能源消耗为主的能源供给方式逐渐难以满足日益增长的能源需求，发展新能源特别是太阳能替代化石能源是目前的一种有效解决途径；作为太阳能利用的重要形式的光伏发电，近年来得到了迅速发展。

现有的光伏功率预测算法基本上包括直接预测和间接预测。现有的直接预测包括茆美琴等人用集合经验模态分解(EEMD)将光伏出力曲线分解为多个平稳分量，据此建立了多个支持向量机(SVM)回归模型。BESSA RJ等人利用矢量自回归模型(VAR)和梯度下降法建立了微网分布式光伏出力概率预测模型。黄磊等人利用构造的不同时间尺度的光伏功率均值序列和支持向量回归(SVR)建立了光伏功率局部预测模型。陈昌松等人建立了RBF神经网络模型，以气象数据或气象指数作为模型输入进行功率预测。已有的间接预测包括，YangDZ等人去除辐照度时间序列的趋势来实现时间平稳，用前向克里金法建立了辐照度预测模型实现光伏出力的预测。Chen SX等学者提出了一种基于模糊逻辑和神经网络的太阳辐照强度预报方法。朱想等学者提出了先建立晴天条件下功率预测模型，再利用数值天气预报和地基云图进行辐照度校正的功率预测的方法。陈志宝等前人提出了RBF神经网络的辐照强度预测方法，来预测超短期光伏功率。

现有的预测模型的输入主要来源于气象部门的数值天气预报，关联度较大的数据如辐照强度等获取困难且数据周期较长。同时，气象部门的预报数据也不能完全反应光伏电站所在地的气象状况。这些问题阻碍了光伏功率预测向工程应用的转化，难以实现超短期功率预测；在实际应用中，受到的影响一是光伏预测过于依赖气象预报，而气象预报却难以实时提供辐照强度、气温等有效信息；二是光伏电站的气象监测数据未能得到充分挖掘；此外当前的光伏电站功率预测的周期过长，实时性不高，准确性不尽人意。基于上述问题，亟需提供一种合理的高精确度的伏电站超短期功率预测方法。

发明内容

本发明提供一种单步渐进式光伏电站超短期功率预测方法及系统，其目的是能够实现高精度高稳定性的光伏电站功率预测。

本发明的目的是采用下述技术方案实现的：

一种单步渐进式光伏电站超短期功率预测方法及系统，其改进之处在于，包括：

一种单步渐进式光伏电站超短期功率预测方法，其特征在于，所述方法包括以下步骤：

利用预先建立的ARIMA时间序列模型获取预测日的气象数据；

根据所述预测日的气象数据，利用预先建立的SVR回归模型预测所述预测日的光伏电站的输出功率；

其中，所述ARIMA时间序列模型根据历史气象数据获取，所述SVR回归模型根据历史气象数据及其对应的光伏电站的输出功率获取。

优选地，所述利用预先建立的ARIMA时间序列模型获取预测日的气象数据之前，包括：

根据气象数据与其对应的光伏电站输出功率的Pearson相关系数选取历史气象数据中的气象数据。