[发明专利]基于历史数据集时间跨度优化的光伏发电功率预测方法及系统

说明书

本发明提出一种基于历史数据集时间跨度优化的光伏发电功率预测方法，涉及光伏发电预测的技术领域，首先确定用于光伏发电功率预测的历史功率数据来源，按时间跨度调整用于预测光伏发电功率的历史数据集的样本数据数目，在历史数据集的数据样本数设置值的限定下，获取预测误差指标随历史数据集的样本数变化的趋势曲线，在预测误差指标最优点附近搜寻最优的历史数据集样本数，根据调整后的历史数据集重新进行预测，往复进行，加快最佳历史数据集样本数的搜寻过程，直至选择最佳的历史数据集样本数目，提高了光伏发电功率预测精度，避免历史数据集选取粗糙，导致计算量大及干扰大的问题。

技术领域

本发明涉及光伏发电预测的技术领域，更具体地，涉及一种基于历史数据集时间跨度优化的光伏发电功率预测方法及系统。

背景技术

光伏发电功率预测是高效利用太阳能资源的前提和基础，对提升光伏发电消纳能力，保障系统安全起着至关重要的作用。一个高效稳定的光伏发电系统，必然要对光伏发电功率进行预测，进而克服控制系统的滞后性，提升系统的效率，同时参照预测结果又能提前进行传统能源调度以达到电力系统的功率平衡，从而保障电力系统的安全稳定运行。在具体光伏发电功率预测的过程中，预测数值越准确，输出功率也就更加稳定，对电网造成的不良影响越小。

由于光伏发电系统受气象环境因素、太阳能资源变化的影响较大，具有较强的间歇性和波动性，对光伏发电功率的预测提出了挑战，从预测精度来看，即使目前存在各种智能算法应用于光伏发电预测中，但光伏发电功率预测的平均绝对百分比误差(MAPE)的整体水平仍在10％左右，商业应用的预测软件MAPE超过15％，与电力系统和工业产业的应用要求差距很大，更难以满足日益提高的光伏发电功率精度需求。

现有技术公开了一种发电功率预测方法，包括以下步骤：采集历史发电功率数据，并根据历史发电功率数据获取发电影响因素；对历史发电功率数据进行预处理，得到预处理后历史发电功率数据，然后根据发电影响因素和预处理后历史发电功率数据，建立发电功率预测模型，最后使用发电功率预测模型得到发电功率预测结果。在该方案中，历史数据的处理主要是对于历史发电功率数据中发电影响因素和数据本身的归一化处理、异常数据提出、缺失值补充以及降维处理等，在整个预测过程中，对于历史数据集，依据经验设定为一定时间跨度下的固定值或者笼统地选取所有已获得的数据，历史数据集选取方式粗糙，使得光伏发电功率的预测精度大受影响。实际上，历史数据集的选取对光伏功率预测起着关键性的作用，在实际预测中，获得的数据可能很多，但过多的选取历史数据，既增加了计算量又可能引入不必要的干扰，如果选取的历史数据集时间跨度太长，历史数据集的数目选取则较大，不仅仅会使得预测计算量增大，也有可能引入过期的干扰因素而影响预测精度，而选取的历史数据时间跨度过短，历史数据集的数目选取较少，则会使得有效的历史数据流失而使得预测能获得的信息量不够完整，同样也影响预测精度。

发明内容

为解决传统光伏发电预测时，由于历史数据集选取粗糙，导致计算量大及干扰大的问题，本发明提出一种基于历史数据集时间跨度优化的光伏发电功率预测方法及系统，对历史数据集时间跨度进行优化，选取时间跨度下的最佳历史数据集数据样本数目，提高了光伏发电功率的预测精度。

为了达到上述技术效果，本发明的技术方案如下：

一种基于历史数据集时间跨度优化的光伏发电功率预测方法，所述方法包括以下步骤：

S1.确定用于光伏发电功率预测的历史功率数据来源，从历史功率数据来源中选定一定时间跨度下、具有若干数据样本数的历史数据集，并对历史数据集进行预处理；

S2.基于已预处理的历史数据集，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

S3.以P为历史数据集的数据样本数按时间跨度方向增加的间隔，将历史数据集的数据样本数增加P，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；