[发明专利]一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型

说明书

对于特定地区在一段时间内光伏发电系统的发电量的预测却受制于光伏发电间歇性和依赖天气情况的特性而难以准确预测。本发明提出一种根据历史光伏发电系统发电量数据情况，利用条件随机场模型来识别光伏发电系统发电量数据的规律以及特点，进而预测光伏发电系统发电量的系统模型。通过条件随机场模型建立状态转移矩阵和观测值概率矩阵，通过向前算法计算出模型中的参数，通过预测第二天的光伏发电系统发电量平均值达到预测光伏发电系统发电量趋势的效果。

技术领域

本发明涉及新能源光伏发电预测领域，具体涉及一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型。

背景技术

能源需求的持续增长，传统化石能源长期以来走高的燃料成本以及日益受到大众重视的环保意识推动了最近十年来可再生能源的发展。多种因素包括技术创新，改善成本效益和政府激励措施驱动了光伏系统每年保持一定的业绩增长。然而，仍然有一些制约因素阻碍了大规模将光伏发电整合到整体的电力应用网络结构中去，特别是太阳能的多变性及其不可预测性无法在与现有电网进行并网操作时保持协同的可靠和稳定。因此，对于光伏发电量的预测对于相关公用事业单位及电力公司合理有效的开发利用太阳能并将其和现有电网系统融合有着重要的影响。准确，高效的对于光伏发电系统发电量的预测对于确保整体电力系统的稳定性，可靠性和保持电力系统成本效益起着至关重要的作用。

目前，有多种方法用于预测光伏系统的发电量，包括物理方法及统计计算方法。物理方法将光伏系统发电量作为一些随其物理性质的独立变量而变化的函数，例如光伏电池特性，太阳辐照度和电池温度，许多物理模型源自常规的太阳能电池等效物旨在实现尽可能接近的本地太阳能的电路辐射。而统计预测方法则依赖于用于预测的历史数据进行回归分析，时间序列分析和人工智能分析历史数据来预测预测光伏系统的功率，包括自回归模型，支持向量机（SVM）等方法。 本发明是一种基于统计模型，利用条件随机场模型预测未来短期内光伏发电系统发电量数据的系统模型方法。

发明内容

本发明提出了一种基于条件随机场模型预测光伏发电系统发电量的系统模型。整个过程包括了数据收集模块, 剔除极端值模块, 预测分析模块以及报告模块，如图1所示。

附图说明

图1为本发明实施例中光伏发电系统发电量预测系统模块流程图。

具体实施方式

为使得本发明的内容、目的、特征及优点能够更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护说明书的范围。整个系统运行的具体步骤如下。

步骤1.通过测量或取得历史光伏发电系统发电量数据。

步骤2.根据步骤1中所取得的光伏发电系统发电量数据，首先对历史光伏发电系统发电量数据进行异常分析，剔除掉极端值：

1） 数据值为小时历史光伏发电系统发电量数据:

2） 假设历史光伏发电系统发电量数据服从高斯分布:

3） 求出相应参数:

4） 如果, 则认为该值为极端值。

步骤3.根据步骤2的结果,去训练条件随机场模型。条件随机场模型表示如下: 设Q是所有可能状态的集合，V是所有可能的观测集合: