[发明专利]光伏电站发电功率预测方法及系统

说明书

本发明提供一种光伏电站发电功率预测方法及系统，属于发电功率技术领域，采集光伏电站的当前发电功率影响因素数据，输入训练好的发电功率预测模型进行分析，预测得到光伏电站的发电功率；其中，所述发电功率预测模型利用多组数据训练得到；所述多组数据均包括发电功率影响因素历史数据以及标注该影响因素历史数据下的实际发电功率的标签；所述发电功率影响因素历史数据包括：组件温度、环境温度、光照辐射度、气压、相对湿度以及气象数据。本发明利用采集到的大量数据，将辐照强度的预测加入到了光伏发电功率的预测中，有效提高负荷预测的准确度，指导电力负荷调度，通过启停调节发电机组，保证光伏发电能源消纳，减少光伏弃光弃电等资源浪费。

技术领域

本发明涉及发电功率预测技术领域，具体涉及一种光伏电站发电功率预测方法及系统。

背景技术

光伏发电较常规发电方式(火电、水电、核电)，优势明显，安全可靠，无污染排放，资源分布广泛等优点，目前光伏发电已成为第二大发电方式，且技术成熟、发展最为迅速、前景广阔，同时光伏发电具有明显的间歇性和随机波动性，传统发电方式发电负荷稳定可控，在长期的发展与实践工作中也积累了较多负荷预测与管控的经验，新能源发电作为近年发展迅猛的新兴领域。

但是，光伏发电缺乏高效的负荷管控手段，光伏发电限荷也会导致弃光弃电等资源浪费，其负荷预测、管控经验尚浅，随着光伏发电的发展，光伏发电的负荷波动对电力负荷调度管理影响越来越大，成为发电调度管控的一大短板，大规模光伏发电接入给电网调度管理带来巨大挑战。如何在满足安全稳定约束的前提下，最大限度地消纳这些可再生能源，成为新能源电力系统的研究热点。光伏发电功率预测可有效提供光伏发电负荷数据，可有效指导电网负荷调度，是解决此问题的关键技术之一。

目前我国在已经投运的大规模并网型光伏电站当中，由于光伏发电的间歇性和强依赖于天气因素，其发电功率预测的功能不够完善，性能指标和预测精度有待提高，不能满足电网调度管理和优化运行的需要，亟待幵发适应我国电网实际情况的光伏电站发电功率预测系统。

发明内容

本发明的目的在于提供一种利用光伏电站现场采集到的数据，在光伏发电功率预测模型与方法研究基础上进行光伏发电功率预测，提高了发电功率预测准确度的光伏电站发电功率预测方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供的一种光伏电站发电功率预测方法，包括：

采集光伏电站的当前发电功率影响因素数据，输入训练好的发电功率预测模型进行分析，预测得到光伏电站的发电功率；其中，所述发电功率预测模型利用多组数据训练得到；

所述多组数据均包括发电功率影响因素历史数据以及标注该影响因素历史数据下的实际发电功率的标签；所述发电功率影响因素历史数据包括：组件温度、环境温度、光照辐射度、气压、相对湿度以及气象数据。

优选的，基于所述多组数据，采用线性回归方法，训练得到所述发电功率预测模型。

优选的，对数据集按照天气类型进行划分，对每一种天气类型采用线性回归方法进行发电功率预测模型训练。

优选的，基于所述多组数据，采用随机批量梯度下降方法对LSTM网络进行训练，不断地调整网络的权值和阈值，以使损失值达到最小，建立LSTM短期光伏功率预测模型，即为所述发电功率预测模型。

优选的，建立LSTM短期光伏功率预测模型包括：对多组数据中发电功率影响因素数据与实际发电功率进行相关性分析，并进行预处理；确定LSTM网络结构和相应的训练参数，建立用于预测光伏发电功率的LSTM深度学习网络；采用随机批量梯度下降方法对LSTM深度学习网络进行训练，持续不断地调整网络的权值和阈值，以使损失值达到最小，得到LSTM短期光伏功率预测模型。