[发明专利]一种配电网光伏功率预测方法及系统

权利要求书

1.一种配电网光伏功率预测方法，其特征在于，包括：

将收集的县域内的样本数据构建原始数据集，提出光伏出力预测评价指标并初始化模型参数；

对县域内各集中式光伏出力进行特征分析，提取空间特征向量和特征向量间余弦距离，对县域进行子区域划分；

通过收集的县域内的样本数据建立集中式和分布式非户用光伏电站的辐照度校正模型，基于校正后的辐照度数据和原始数据集，构建光伏电站功率预测模型；

利用投运一年及以上的光伏电站已建立的光伏电站功率预测模型，辅助建立小样本场景下光伏电站的功率预测模型；

基于子区域内集中式光伏电站发电量和分布式220V户用光伏电站发电量计算发电量关系系数，通过所述发电量关系系数倒推分布式220V户用光伏电站功率；

将所有集中式光伏和分布式光伏出力预测值求和以得到最终的县域光伏功率预测结果。

2.根据权利要求1所述的一种配电网光伏功率预测方法，其特征在于：所述将收集的县域内的样本数据构建原始数据集，具体包括：

对于所述收集的县域内的样本数据依次进行缺失值填补、特征提取和归一化处理，生成预测模型训练原始数据集；

其中，所述收集的县域内的样本数据的对象包括集中式光伏电站、分布式非户用光伏电站以及分布式220V户用光伏电站，所述收集的县域内的样本数据的类型包括数值天气预报数据、各电站微气象实测数据、功率及发电量历史数据。

3.根据权利要求2所述的一种配电网光伏功率预测方法，其特征在于：所述光伏出力预测评价指标包括平均绝对误差E_mae，准确率C_R；其中，平均绝对误差N为数据集中样本的个数，y_t表示光伏实际出力，表示光伏出力预测值，准确率表示为C_t表示t时刻开机容量。

4.根据权利要求1所述的一种配电网光伏功率预测方法，其特征在于：所述对县域内各集中式光伏出力进行特征分析，提取主要数据特征，对县域进行子区域划分，具体包括：

采用经验正交函数分解法分析区域内各集中式光伏电站出力数据的结构特征，提取空间特征向量和特征向量间余弦距离，挖掘空间共性；通过凝聚型层次聚类算法对县域进行空间划分，形成若干子区域。

5.根据权利要求4所述的一种配电网光伏功率预测方法，其特征在于：所述采用经验正交函数分解法分析区域内各集中式光伏电站出力数据的结构特征，具体包括：

将所有集中式光伏电站出力数据构建为原始数据矩阵Y＝[y₁,y₂,...,y_m]^T，y_m表示第m个光伏电站在该数据时段所有出力组成的列向量；

将原始数据矩阵处理成距平的形式，得到一个新的数据矩阵X_m×n，n表示时间序列长度，并计算其协方差矩阵S3、计算方阵C的特征根和特征向量，得到原始数据矩阵的空间特征向量。

6.根据权利要求4所述的一种配电网光伏功率预测方法，其特征在于：所述通过凝聚型层次聚类算法对县域进行空间划分，形成若干子区域，具体包括：

将原始数据矩阵Y的空间特征向量作为输入，取光伏电站个数m作为初始类的个数，每一类中包含特征向量矩阵的一个列向量；

计算各个列向量两两之间的余弦距离，利用最小方差法计算类间距离，将距离最近的两个类合并为一个新类，直到类的个数为设定的k，画出聚类图。