[发明专利]基于优化copula的光伏功率概率估计方法及系统

说明书

本公开涉及光伏发电技术领域，提出了基于优化copula的光伏功率概率估计方法及系统，首先通过聚类方法将天气类型进行分类；然后，针对每个天气类型，构造Copula函数的最佳代表权重，量化动态表示集中式光伏和分布式光伏的功率空间相关性；最后，利用未来时刻的集中式光伏功率真实值表示分布式光伏预测值，并实现对分布式光伏功率的条件预测概率估计。本公开通过加入k‑means和优化后的copula函数能更好的反应分布式光伏出力的时空相关性，解决了单一Copula拟合不足的问题，并取得了良好的预测效果。

技术领域

本公开涉及光伏发电相关技术领域，具体的说，是涉及一种基于优化copula的光伏功率概率估计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

随着工业化电气化进程加快，人类对能源的需求量猛增，尤其是对电能的需求，更是呈现逐年攀升的趋势。分布式光伏具有可开发资源丰富、开发建设难度小、节能环保效益显著等优势，是光伏开发利用的重要方式之一。但由于天气条件的不稳定性，使光伏发电具有很强的间歇性和随机性，对现有电力系统的规划和运行造成挑战，因此，光伏发电功率预测的准确性是影响光伏接入电力系统的重要影响因素。

发明人发现，在光伏功率预测方法，包括基于物理模型的方法和基于统计模型的方法。物理模型的方法需要基于实际的光伏发电系统进行数学建模，预测的准确性与建模的准确性呈正相关，建模复杂性难以统一和推广。统计模型是利用计算机性能和人工智能技术开发的一种数据驱动模型。统计模型目前有神经网络模型、copula模型等。分布式光伏数据获取难度大、安装的分散性等特点，由于神经网络所需数据量大、不能反应相关性等问题，往往难以适用。采用copula建模来更好的体现分布式光伏系统空间相关性，且所需数据量相对较小，使用概率预测来取代点预测，能反应更多的预测信息使其具有一定的实际使用参考价值，但是，传统的单一copula函数有局限性，不能很好地拟合功率数据，导致光伏功率预测的精度降低。

发明内容

本公开为了解决上述问题，提出了基于优化copula的光伏功率概率估计方法及系统，基于天气聚类分析，有效利用气象规律，实现每种天气类型下的光伏功率概率估计预测，同时优化copula函数模型，提高功率预测的精度，能够提高电力系统运行的可靠性，降低用电成本，降低能耗，节能减排，提高经济效益。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了基于优化copula的光伏功率概率估计方法，包括如下步骤：

根据获取的集中式以及分布式光伏电站的历史光伏数据，进行天气聚类得到多个天气类型；

根据不同的天气类型下的光伏数据得到的光伏出力的累计分布，分别构建量化动态表示集中式光伏和分布式光伏的功率空间相关性的多个copula函数模型，并针对不同天气选择最优模型；

根据获取的集中式光伏电站的数据，通过对应天气的最优模型实现分布式光伏的点预测；

基于分布式光伏的实际值和点预测值关系构建条件概率模型，通过条件概率模型得到分布式光伏功率的概率分布以及点预测值对应的条件概率。

一个或多个实施例提供了基于优化copula的光伏功率概率估计系统，包括：

聚类模块：被配置为用于根据获取的集中式以及分布式光伏电站的历史光伏数据，进行天气聚类得到多个天气类型；

模型确定模块：被配置为用于根据不同的天气类型下的光伏数据得到的光伏出力的累计分布，分别构建量化动态表示集中式光伏和分布式光伏的功率空间相关性的多个copula函数模型，并针对不同天气选择最优模型；

点预测模块：被配置为用于根据获取的集中式光伏电站的数据，通过对应天气的最优模型实现分布式光伏的点预测；