[发明专利]训练方法、所适用的预测发电功率的方法及各自系统

摘要

本发明提供一种训练方法、所适用的预测发电功率的方法及各自系统。所述训练方法包括：获取根据历史实测的光伏电站相关信息所构建的样本集合；其中，样本集合中每个样本包含温度值、地面辐射值、实际发电功率值；以及采用网格搜索的方式，更换基于SVM所构建的模型中的各常量参数，并利用样本集合中的各温度值和地面辐射值对所述模型进行预测训练，直至得到模型所训练出的预测发电功率值与样本集合中的实际发电功率值的误差最小。所述预测方法包括：获取预测的不同时刻的温度值、地面辐射值；以及，将各温度值、地面辐射值输入由上述训练系统所训练的模型，得到预测的光伏电站在所述不同时刻的发电功率。本发明有效解决预测光伏电站的发电功率准确度低的问题。

主权项

1.一种光伏电站模型的训练方法，其特征在于，包括：/n获取根据历史实测的光伏电站相关信息所构建的样本集合；其中，所述样本集合中每个样本包含温度值、地面辐射值、实际发电功率值；/n采用网格搜索的方式，更换基于SVM所构建的模型中的各常量参数，并利用所述样本集合中的各温度值和地面辐射值对所述模型进行预测训练，直至得到所述模型所训练出的预测发电功率值与所述样本集合中的实际发电功率值的误差最小；/n所述采用网格搜索更换基于SVM所构建的模型中的各常量参数的方式包括：/n2-1)在预设的线性区间内，遍历的选择基于SVM所构建的模型中的各常量参数，并利用每次所选择的常量参数构建基于SVM所构建的模型；/n2-2)利用所述样本集合中的各温度值和地面辐射值对当前所构建的模型进行预测训练，并计算利用当前模型预测的发电功率值与所述样本集合中的实际发电功率值的误差；/n2-3)选取各误差中最小值所对应的常量参数；/n在确定了误差最小的模型所对应的常量参数后，还包括：/n2-4)在以所选取的常量参数在网格中的位置为中心的预设范围内，按照预设步长进一步遍历各常量参数，并利用所选择的各常量参数构建基于SVM所构建的模型；/n2-5)利用所述样本集合中的各温度值和地面辐射值对当前构建的模型进行预测训练，并计算利用当前模型预测的发电功率值与所述样本集合中的实际发电功率值的误差；/n2-6)再次选取所确定的所有误差中最小值所对应的常量参数；当所选取的误差最小值仍为步骤2-3)中所选择的误差，则调整2-4)中的步长和预设范围，再次执行步骤2-4)至2-6)；/n所述获取根据历史实测的光伏电站相关信息所构建的样本集合的方式包括：/n选取光伏电站所记录的符合预设条件的历史实测的包含温度值、地面辐射值和实际发电功率值的光伏电站相关信息；/n从所选取的历史实测的光伏电站相关信息中，剔除可被等价替换的光伏电站相关信息，并得到样本集合；/n将所得到的样本集合中各温度值、地面辐射值和实际发电功率值分别进行归一化处理，得到模型训练所需要的样本集合。/n