[发明专利]一种短期光伏发电量预测方法

说明书

技术领域

本发明涉及光伏发电系统领域，特别涉及基于互联网天气预报和多层次特征数据挖掘的一种短期光伏发电量预测方法。

背景技术

太阳光作为一种新能源已经广泛应用于光伏发电产业，而光伏发电量涉及许多因素，公认的最直接的影响因素是辐照强度，另外气象因素、元器件也对发电量有影响，气象特征中，月份、昼长、天气类型与太阳辐照时间有关，例如夏天比冬天日照时间长，晴天比阴天日照时间更长；国内外多项研究表明温度、时间与辐照强度有关；而风力、风向、湿度、7日内天气特征与光伏组件积灰程度有关，积灰会造成光伏组件发电效率的降低。例如对于固定角度安装的光伏面板，风力较大时，扬灰会引起光伏表面积灰，7日内大雨日较多，则光伏表面积灰被冲刷，发电效率升高；7日内小雨日多，则表面积灰会粘附在光伏板，引起发电效率降低。

在申请号为20141093900.2，名称为：一种基于城市天气预报的低成本光伏发电功率预测方法的专利中所叙述的方法提到的光伏发电功率预测方法仅考虑各种天气下的太阳辐射对光伏发电的影响，特征过于单一；并且城市天气预报覆盖区域过大，不能准确反映该光伏电站所在区域的天气，用一个城市的天气来代表部分地区的天气，准确性并不高；并且城市天气预报往往提前一天获得，并不具有实时更新的功能，准确性和时效性得不到有效的保障。

同时，在发明申请号为201210301257.1，名称为：光伏发电系统发电量预测方法和系统的专利中提到的光伏发电量预测考虑的气象特征为气温、风向、降雨量、风沙、太阳辐射总量，以上特征为单层次特征，对发电量预测的理论支撑较为单薄。

发明内容

本发明的目的提供一种短期光伏发电量预测方法，解决上述现有技术问题。

本发明提出一种短期光伏发电量预测方法，包括如下步骤：

步骤(s1)，多层次特征分析确定需要的天气特征信息；

步骤(s2)，根据已确定的天气特征信息，形成基本特征库，从互联网采集信息，包括过去一年内的历史天气信息，作为建立气象因素与发电量关系的训练样本，进行数据筛选和处理，建立发电量预测的数据库，形成基本特征库；

步骤(s3)，利用建立好的基本特征库，采用机器学习方法，进行发电量预测模型分析；

步骤(s4)，建立更新的特征库；

步骤(s5)，利用预报中获得的天气特征以及处理得到的新特征，输入发电量预测模型，进行发电量预测。

其中，步骤(s1)中分析光伏发电量Q的影响因素，进行多层次特征的数据挖掘，确定天气特征信息的特征集{c}包括月份(m)、昼长(dl)、天气(w)、时刻(t)、辐射量(r)、实时温度(T_a)、湿度(h)、风力(df)、风向(dr)、7日内大雨天数(hr)、7日内小雨天数(lr)、7日内大风天数(hw)、7日内无风天数(nr)，即{c}＝{m，dl，w，t，r，T_a，h，df，dr，hr，lr，hw，nr}，建立发电量与各因素的函数关系式，函数关系式为：Q＝f(c)。

进一步，多层次特征包括第一层特征、第二层特征以及第三层特征，第一层特征：将光伏发电量的影响因素解释为太阳能来源和太阳能转化两个新特征；第二层特征：对于第一层特征中提出的新特征，进行深一步分析，将太阳能来源分解为辐射强度和太阳辐照时间两个新的特征，将太阳能转化分解为光伏组件的材料及年龄和灰尘遮挡的程度两个新特征；第三层特征：对于第二层特征中提出的新的特征，进行深一步分析，将太阳辐射时间分解为月份、昼长等气象因素，将辐射强度分解为辐射量、温度、时间等因素；将灰尘遮挡的程度分解为风向、风力、湿度以及7日气象特征，7日气象特征包括7日内大风天数、7日内无风天数、7日内大雨天数、7日内小雨天数。

其中，步骤(s1)确定了13个特征，除了辐射量、时刻、月份，其余特征均需从天气网站上获取，由多个互联网历史天气网站采集信息并进行数据的筛选、计算，得到剩余10个特征。

互联网采集信息包括：天气类型、最高温度、最低温度、风向、风力、湿度、温度、日尺度最高时间、气温最高时间、日出时间、日落时间等。其中天气分为晴、多云、阴、小雨、大雨、转变类天气6种类型，其中转变类天气代表“阴转多云”、“阴转小雨”“雷阵雨”等非单一类型天气类型；

需要进行数据筛选处理及计算的特征为：昼长(dl)、实时温度(T_a)、7日内大雨天数(hr)、7日内小雨天数(lr)、7日内大风天数(hw)、7日内无风天数(nr)，计算公式如下：