[发明专利]一种光伏出力短期预测方法及预测系统

权利要求书

1.一种光伏出力短期预测方法，其特征在于，包括如下步骤：

S10、采集数据，采集目标光伏电站历史N₁年中与目标预测日相同日期所处区间N₂天，共N₁×N₂＝n天的日光伏功率曲线数据及日辐照量数据；

S20、K-means聚类分析预测，利用步骤S10中n天的日光伏功率曲线，通过K-means聚类分析法预测目标预测日的光伏功率曲线，得到预测结果P₁；

S30、BP神经网络模型预测，构建BP神经网络模型，用步骤S10中采集的n天的日辐照量数据训练BP神经网络模型，用训练好的模型预测目标预测日的光伏功率曲线，得到预测结果P₂；

S40、预测结果整合，构建整合模型，将步骤S20和步骤S30的预测结果整合，整合模型如下，

P_PV＝P₁ω₁+P₂ω₂；

其中，P_PV为最终预测的日光伏功率曲线，ω₁为预测结果P₁所占权重，ω₂预测结果P₂所占权重。

2.根据权利要求1所述的一种光伏出力短期预测方法，其特征在于，所述步骤S10中，与目标预测日相同日期所处区间N₂天具体为：与目标预测日相同日期及其前后各一周，共15天。

3.根据权利要求1所述的一种光伏出力短期预测方法，其特征在于：所述步骤S20和步骤S30同时进行。

4.根据权利要求1所述的一种光伏出力短期预测方法，其特征在于，所述步骤S20的K-means聚类分析预测具体步骤如下：

S21、用步骤S10中采集的n天的日光伏功率曲线作为样本数据集{y₁，y₂，…，y_n}，y_i表示第i天的日光伏功率曲线，从中随机选取四个样本数据作为四个初始聚类中心，分别代表晴、多云、阴及雨4种典型天气类型下的日光伏功率曲线模式；

S22、分别计算每个样本数据至各初始聚类中心的欧氏距离D_ic，与对应初始聚类中心的欧氏距离最小的样本即归为该初始聚类中心所属簇，将样本数据更新成四簇；

所述欧氏距离计算模型如下，

D_ic＝|y_i-x_c|，

其中，y_i为第i个样本，x_c表示第c簇的聚类中心；

S23、对产生的四簇样本重新计算对应簇的聚类中心，通过如下模型计算，

其中，N_c为第c簇的样本个数；

S24、重复步骤S22～步骤S23，直到达到最大迭代次数100时终止重复；

S25、获取目标预测日的天气预报信息，确定天气预报中四种典型天气类型对应的时段，根据不同时段对应的天气类型，选取对应簇聚类中心的日光伏功率曲线中对应时段的曲线，拼接形成目标预测日的光伏功率曲线，即为预测结果P₁。