[发明专利]一种基于VMD-SVM-WSA-GM组合模型的光伏电站输出功率预测方法

说明书

本发明属于光伏发电技术领域，具体涉及到一种基VMD‑SVM‑WSA‑GM组合模型的光伏电站输出功率预测方法，作为预测方法的主体结构，本发明提出了一种对光伏电站历史输出功率数据序列做VMD分解之后的各个模态分别建立支持向量机SVM预测模型，然后求和重构的新结构，可以充分发挥支持向量机的学习能力和泛化能力，提高预测精度和收敛速度。

技术领域

本发明属于光伏发电技术领域，具体涉及到一种基于时间序列和智能优化算法的光伏电站输出功率预测方法，特别涉及到一种基于变分模态分解(VMD)、支持向量机(SVM)、鲸鱼群优化算法(WSA)和灰色模型(GM)几种模型组合的光伏电站输出功率预测方法。

背景技术

光伏，是太阳能光伏发电系统的简称，是一种利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的一种新型发电系统。光伏技术具备很多优势：除了直接获取的光照之外，不消耗任何其他形式的能源介质；不需要大型旋转机械等设备；布置灵活，可以利用已有的空地和楼顶等。

由于世界上主要石油、天然气出口国的政治经济局势的持续动荡，各主要能源消耗国都在积极寻求替代方案，以降低对外能源依存度，保障国计民生的安全。正是在这样的背景下，太阳能作为一种清洁、廉价、充足和安全的能源形态，得到越来越广泛的利用。数据显示，截至2017年11月底，我国光伏累计装机容量达12579万千瓦，同比增长67％，累计装机容量占总电力装机的比重达7.5％；2017年，光伏年发电量首超1000亿千瓦时。国际能源署《世界能源展望2017中国特别报告》认为，中国能源结构将逐步转换到清洁发电，其中，太阳能光伏将成为中国最经济的发电方式，以水力、风能和太阳能光伏引领的低碳装机容量将迅速增长，到2040年将占总装机容量的60％。

由于受太阳辐照强度和环境等复杂因素的影响，光伏电站输出功率具有典型的随机性和波动性，而这种不确定性又将直接影响并网后电力系统的稳定性。因而，对未来一段时间内光伏电站的输出功率进行准确预测是非常必要的，是相关领域内技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种基于VMD-SVM-WSA-GM组合模型的光伏电站输出功率预测方法，以提高光伏发电系统短期输出功率预测的精度，实现光伏发电系统和电力系统的科学调度决策及优化运行。

为了解决上述技术问题，本发明实施例提供以下技术方案：

一种基于VMD-SVM-WSA-GM组合模型的光伏电站输出功率预测方法，其特征在于，根据光伏电站历史输出功率数据，预测其在未来时段内的发电功率值，包含以下步骤：

步骤1，获取目标光伏电站历史输出功率数据，所述历史输出功率数据以设定时间为单位，按采样时间排列成时间序列。。

步骤2，对所述历史输出功率数据序列进行预处理，预处理措施包括等间隔化和一阶累加生成，具体如下：

等间隔化用于补全某个输出功率采样点缺失的数据，取采样点前后给定步长内数据的平均值，优选的，所述步长取为3～6。

一阶累加生成用于消除光伏电站历史输出功率数据序列中随机因素的影响，所述历史输出功率数据序列为X⁽⁰⁾，其一阶累加生成序列为X⁽¹⁾，如下：

X⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n))

X⁽¹⁾＝(x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n))