[发明专利]一种光功率预测方法及装置

权利要求书

1.一种光功率预测方法，其特征在于，包括：

获取预测周期内光伏电站所在地的气象预报数据；

依据所述气象预报数据，计算每个逆变器的气象特征变量；

分别将每个逆变器的气象特征变量输入逆变器所在逆变器组对应的最优光功率预测模型中，得到每个逆变器在所述预测周期内的光功率预测值，其中，逆变器组是依据逆变器的发电性能进行分组得到的，逆变器的发电性能包括历史运行数据、历史监测数据、型号和投运时间，每个逆变器组对应一个最优光功率预测模型；

对每个逆变器在所述预测周期内的光功率预测值进行汇总，得到光伏电站在所述预测周期内的光功率预测值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

依据光伏电站中每个逆变器的历史运行数据、历史监测数据、型号和投运时间，对光伏电站中的逆变器进行分组。

3.根据权利要求2所述的方法，其特征在于，所述依据光伏电站中每个逆变器的历史运行数据、历史监测数据、型号和投运时间，对光伏电站中的逆变器进行分组，包括：

依据光伏电站中每个逆变器的历史运行数据和历史监测数据，计算每个逆变器的发电性能特征变量；

根据逆变器型号将光伏电站中的逆变器划分为至少一个型号组；

根据逆变器的投运时间将每个型号组中的逆变器划分为至少一个投运组；

在投运组中通过计算任意两个逆变器的发电性能特征变量间的欧式距离，得到任意两个逆变器之间的相似度；

利用预设聚类算法，根据每个投运组中任意两个逆变器之间的相似度，将每个投运组划分为至少一个逆变器组。

4.根据权利要求3所述的方法，其特征在于，所述依据光伏电站中每个逆变器的历史运行数据和历史监测数据，计算每个逆变器的发电性能特征变量，包括：

根据光伏电站中每个逆变器的历史监测数据计算每个逆变器的衍生变量，所述衍生变量包括每日辐照值；

通过计算每日辐照值与历史运行数据中的交流功率之间的相关值，筛选出相关值大于阈值的高相关性的历史运行数据和历史监测数据；

在高相关性的历史运行数据和历史监测数据中剔除出现逆变器故障或逆变器告警时的历史运行数据和历史监测数据，得到有效的历史运行数据和历史监测数据；

根据有效的历史运行数据和历史监测数据中的瞬时辐照值和交流功率，绘制每个逆变器的辐照功率曲线；

从每个逆变器的辐照功率曲线中提取相应逆变器的发电性能特征变量。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

分别从每个所述逆变器组中选择一个目标逆变器；

依据每个所述目标逆变器的历史监测数据和所述衍生变量，生成每个所述目标逆变器的历史气象特征变量；

分别依据每个所述目标逆变器的历史气象特征变量与历史运行数据中的交流功率间的映射关系，为每个所述逆变器组构建最优光功率预测模型。

6.根据权利要求5所述的方法，其特征在于，所述分别依据每个所述目标逆变器的历史气象特征变量与历史运行数据中的交流功率间的映射关系，为每个所述逆变器组构建最优光功率预测模型，包括：

分别依据每个所述目标逆变器的历史气象特征变量和历史运行数据中的交流功率，为每个所述逆变器组构建多个光功率预测模型，每个光功率预测模型对应的模型类型不同；

依据每个所述逆变器组对应的每个光功率预测模型的拟合误差、模型复杂度和预测时间，为每个所述逆变器组选择最优光功率预测模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在监测到逆变器出现故障或告警的情况下，对光伏电站在所述预测周期内的光功率预测值进行修正。